“年薪50万+”、“本硕国内TOP2”、“QS前10”、“国际高频交易竞赛前9%”、“国际头脑奥林匹克竞赛三等奖……
在金融科技领域的技术团队中，算法团队往往能集齐很多令人仰慕的闪亮标签，人们只知道他们厉害，却很少知道他们怎么个厉害法。
今天，我们就来揭秘金融科技圈内的神秘物种——算法交易工程师。
数据智能时代，算法与我们的生活紧紧相拥。
比如资讯端的内容推荐、防疫健康码、入门或者支付时的人脸识别、智慧政务、购物时的喜好推荐等等，可以说，算法几乎无处不在。
金融业内，算法也正发挥着魔法棒的效应，具体应用场景为算法交易，尤其是在量化领域。
随着量化交易规模不断扩大，算法交易作为量化交易的一类工具，在机构交易的过程中发挥着越来越重要的作用。
与此同时，隐藏在背后的算法交易工程师日渐浮出水面。
他们使用高超的算力、富有价值的数据和优化策略为投资者打造 “掘金铲”。
算法交易岗吸引优秀的年轻人
在大厂招聘中，算法岗是高薪岗位中的主力军，但总体来说目前国内算法岗还处于坑多萝卜少的状态。而与金融业务交叉相关的算法交易岗，其稀缺程度则更加明显。
许多优秀的年轻人对算法交易岗心生向往，主要原因为前景广阔以及具有挑战性。
随着国内量化交易规模不断扩大，算法交易的蓝海已然清晰可见。相关统计显示，国外通过算法交易占市场占比80%~90%，国内占比10%左右，预计未来算法交易金额将达到千万亿规模。
另外，从实现的维度来分析，算法交易是将计算机科学、统计学、金融、AI、大数据、高性能等不同领域的知识结合在一起所形成的一门综合性学科，相关技术更是已成为新人们争相涌入的、行业内最热门、技术最前沿的一个领域，同时也极具挑战性。
小S是恒生电子旗下子公司金纳科技算法团队的一名成员，主要负责执行交易算法开发。本硕期间他主要研究统计学习和机器学习在金融领域的应用，对统计和最优执行optimal execution非常感兴趣。
他对算法岗由表敬意：“想要将人的交易行为模型化其实是一件非常困难的事情，理论上虽然是可行的，但是在实际操作过程中却充满了未知的挑战。在这种挑战中成长，是一件很有成就感的事情。”
挑战带来的机遇和成就感，是算法交易岗吸引优秀的年轻人的又一重要原因。
一流算法交易工程师有哪些特点？
金融业本就是一个知识壁垒非常高的领域，加之算法对个人的计算机素养和逻辑思维能力要求极高。强强相加，一个算法交易工程师的综合素质便可想而知。
最典型的例子便是算法交易之父吉姆·西蒙斯。吉姆·西蒙斯（Jim Simons）是历史上最成功的对冲基金经理之一，他曾是一位天才数学家、哈佛大学数学教授，后来借助对电脑技术的先知先觉，与数位天才数学家、计算机牛人合力创办文艺复兴科技公司，发明了算法交易系统。
数学天才加投资高手的合体模式下，他所管理的基金不扣除管理费的年复合收益是66%，扣除后是39%。目前为止投资界还没有人能接近这个数字，包括沃伦·巴菲特，乔治·索罗斯，彼得·林奇，史蒂夫·科恩和雷·达里欧。
懂“金融策略”加“计算机技术”成为后来每个算法交易工程师必备的底色。但如今算法交易工程师身上最“抢镜”的特色，恐怕要数他们的个人履历。
但“纸上谈兵终觉浅”，通过恒生这个平台在业务场景中经历过真正的“沙场”实战后，一个算法交易工程师们的修炼能得到一个完整的闭环。
一流算法交易团队该如何打造？
算法交易属于一个复杂的交易系统，它需要数据工程师、模型工程师、算法研究员、投资总监、投资经理、交易员、IT工程师、运维人员等角色，同时需要建立一体化的工具平台，提供投前研究、投中决策、投后分析等各类型的工具，多维度反馈算法的表现以支持算法快速迭代。
作为国内算法交易发展中的核心支流，恒生目前已经搭建起一支极具实力的算法队伍，从业务到技术架构再到研发，一站式涵盖完整的交易系统需要的所有角色。
算法交易主要解决用户的交易成本和风险控制方面的需求，交易成本主要包括：交易费用、冲击成本、机会成本、择时风险、延时成本等。风险控制主要包括合规控制，系统性风险控制，每个投资者都有各自的交易场景和交易需求。
恒生在算法交易领域深耕多年，目前算法中心可根据不同的交易场景提供不同的算法，例如：G-DMA (快速执行）、G-Sniper (盘口捕捉)、G-Pair(调仓策略)、G-VWAPAI（成交量加权增强）等，投资者可以根据自己的需求来决定使用哪些算法进行交易。
当然，一支一流的算法交易团队必须需要有前沿学术理论带领和支持。
恒生旗下金纳科技公司的算法团队通过校企合作的模式，将AI的一些前沿的理论知识导入，指导金工研究方向往实际场景实现最终落地。
目前恒生和清华交叉团队成立了子公司，与金纳科技强强联合，一起开拓算法交易领域的新征程。
不久的将来，该算法团队将打造一个一体化研究平台，不仅提供因子开发、模型研究、算法开发等工具，还支持回测和模拟撮合、仿真等功能，以实现不同角色可以在平台上进行独立研究的目的，同时可为开发人员提供分布式的机器学习框架提升金工投研的效率。
关于如何成长为一名优秀算法交易工程师，我们向算法团队几位优秀的小伙伴发起了以下提问。
你的算法工程师之路分为那几个阶段？
“从技术成长路径来说，我是沿着开发因子、开发模型、开发策略一条路成长，这既是分工区别，也是不同层次。初级的就是分析数据规律，构建因子，目标是提高IC、IR；然后是开发模型或投资组合，建立模型，不同行情下，选择怎么样因子，怎么样的投资组合；然后，模型需要考虑更全、更靠近量化基金了，需要考虑仓位管理、风控管理，就是完整策略。“
“从个人成长来看，到目前为止应该是两个阶段。我本科数学毕业后先进入到了传统的金融行业中工作，工作过程中接触到了量化基金的管理，对量化基金有了初步的认识。进入研究生阶段后，因为对机器学习和统计的兴趣，让我接触到了算法交易这个行业，因为机器学习对于大数据处理的天然优势，以及高频金融数据的特点，二者可以在很多方面很好的结合，但同时因为高频金融数据的低信噪比以及高自相关性以及不规则分布的特点让机器学习在高频金融领域里充满了挑战，让我产生了很大的兴趣，并在毕业后进入到了算法交易这个行业中。”
推荐几本对你的成长有过较大帮助的书。
分业务和工具类书籍，《暗池》、《advances in financial machine learning》、《期权、期货及其他衍生产品》、《统计学习方法（第2版）》这几本书对我均有启蒙作用和解决问题的功能。
有人说，只有“高智商”的人可以做算法工程师，你怎么看？
“我一直觉得‘以绝大多数人的努力程度还不到拼天赋的地步’这句话很对。对于算法来说也是一样的，我们大部分人都是普通人，没有必要去和真正的天才比智商，但想要在算法领域站住脚我觉得光凭努力也能实现，更重要的是学习方法和认知能力。”
“算法工程师对人的要求是多方面的，智商高在学习效率上会比较高，但算法工程师这条路还是比较长的，需要不断积累，只要有这份恒心，最终是会成功的。”
上LeetCode这个网站刷题是目前很多想进入算法领域的同学的学习路径，你有好的经验分享给他们吗？
“我觉得刷leetcode对于面试来说是个不错的选择，也可以从一个更宏观的角度去了解算法。但我觉得更重要的是在刷完之后可以举一反三，或者真正理解算法背后的逻辑，这样才能真正的用在实际生产中。”
金融市场是一个复杂系统，得到正确答案，我们得到的结果一定是可证伪的，如何才能使我们的成果尽量逼近真实的市场演绎？
“从我的角度来看，越少的假设，越多的数据，越频繁的更新才能更接近真实的市场吧，从这个角度来看，机器学习确实是一个很适合金融市场的工具，但他们之间还需要更长时间的磨合。”
