研究殊途同歸,堅持源於熱愛 | 我的研究感悟與思考

語言: CN / TW / HK

我是 王超,中信建投金融工程團隊研究員, 2021年加入中信建投。博士期間從事粒子物理的研究,後來機緣巧合下轉行從事量化研究,於我而言,從科研轉變到賣方研究,雖然道路不同,但是研究方法殊途同歸。下面講一講我的一些研究感悟。

科研始於興趣。我對物理的興趣始於初中時的一本時間簡史,從那時起,便對宇宙的奧祕產生了濃厚的興趣,大學如願進入了南京大學物理系,之後便開始了9年漫長而又有趣的本碩博物理學習及科研道路。博士期間我主要在CERN從事粒子物理的實驗資料分析工作,當時我們實驗彙集了來自世界各地3000多名頂尖的物理學家,從硬體軟體到實驗資料分析,大家各司其職,為了共同的研究目標攜手奮鬥。在導師的諄諄教導之下,我從一名懵懂的學生,成長為承擔起相應工作的研究人員。更重要的是,在導師的身上,我學到一個科研工作者應該具有的研究精神。

研究殊途同歸。畢業之後,機緣巧合之下進入了量化行業,兩者有許多共通點。與粒子物理研究一樣,量化研究本質上也是資料分析,粒子物理的研究是要從信噪比極低的實驗資料中尋找訊號,量化研究的目標實在紛雜的市場中尋找有效的alpha因子。對於量化研究而言,最終極的目標是追求解釋市場的beta以及超越市場的alpha,在這點上,就如同粒子物理追求標準模型,卻又不斷尋找新物理一樣。甚至在研究方法上,兩者也及其相似,我們當時研究方法分成兩類,一種是基於規則的cut-base分析,一種是基於機器學習的mva分析,這兩種方法在量化領域同樣適用。

研究角色轉變。轉行之後最大的不同在於,以前大家各司其職,每個人只需要專注在自己負責的領域即可。而轉行之後,由於之前所在的團隊相對都不大,因此我不僅要承擔策略開發的工作,還要參與資料庫的維護、研究系統開發、甚至是前端頁面的開發。這也使得我迅速成長,能夠獨立承擔研究系統的搭建。

堅持源於熱愛。加入中信建投之後,我愈發熱愛賣方這份工作。在潛心做研究的同時,又能夠向市場傳遞研究結果,從而實現自我價值。我理解的一名優秀的賣方研究員,要能為市場輸出具有價值的研究成果。在我看來,有價值的研究一方面要能夠滿足客戶的研究需求,另一方面,是能夠做出領先於市場的前沿研究。目前我的研究重點主要集中在傳統多因子的分析以及機器學習在量化領域的應用,多因子構建了量化的基礎,而機器學習代表了量化無限的可能性。機器學習尤其是深度學習在學術界和工業界都有廣泛應用,而在量化領域應用還相對較少,研究還普遍停留在一些傳統機器學習的演算法上,這一方面與模型的可解釋性有關,另一方面中低頻的資料量級也不太適用於需要大量資料支援的深度學習模型。我們近期的研究嘗試了一些前沿的深度學習模型應用於量化領域,比如Google提出的基於Transformer的時間序列模型Temporal Fusion Transformer能夠解決可解釋性問題;TB級別的level2資料能夠充分滿足對於資料的要求,基於此的DeepLOB模型在股票以及可轉債市場上具有突出表現。

交流帶來提高。研究永遠都不是閉門造車,慶幸的是,作為一個賣方,能夠有機會與許多優秀的同行交流,在研究陷入僵局的時刻,交流總能帶來新的靈感。未來研究的道路還很漫長,希望自己能夠潛心做研究,為客戶提供高質量的研究結果。努力成為一名優秀的賣方研究員。

CHARACTER INTRODUCTION

中信建投金融工程研究員

中信建投證券金融工程研究員,南京大學粒子物理博士,曾擔任基金公司研究員,券商研究員,有豐富的研究和投資經驗,2021年加入中信建投,主要負責量化多因子選股。