Memoriae

澳本硕路过聊下，马来亚大学其实争议挺大的，身边也有人读，只能说不差，只谈教学应该是配不上前百大学的水平，估计还是大部分靠自学（留学生应该都有所体会）。

Matlab 是付费软件，公司也不一定买得起，我硕士的 stata 还是用学校内网 vmware 连接的，太感人了，R 在职场上更是冷门，但学术论文用得多，如果有雇主有选择这些技术的，我会很感谢的哈哈哈。

AI 还没火的时候，我就先后折腾统计学、计量经济学，再到 python 、r 上的实现，什么无监管学习、k 临近，全是对着书和技术文档敲的，后来才知道这玩意还和 AI 搭边，这玩意如果是用来处理数据感觉不需要专门读 master ，看具体方向。

如果是因为听闻 AI 在风口上，薪酬好，而去读 master ，心理很浮躁又乐观，感觉不太可能有理想的结果...

来点螺内酯，还能治脱发，实在不行整点色谱龙😂

借楼提下随机过程和时间序列，差分处理能变得平稳，残差的 ACF 和 PACF 图不一定逐渐下降并拖尾落在合适的标准差内；

例如要研究周期股/周期行业指数，有要确认底层数据的周期性，像生猪周期就不一定能解释了，存在趋势性（能代表整体物价的指标）和周期性（季节性调整），然后把这些外生性变量和内生性工具变量带进时间序列公式中，像研究电力、货运量都很有用；

研究金融资产我认为用时序是一个大坑，例如用时序很容易做出基于 ARCH/GARCH 的波动率策略，但是现实中波动率的分布是尖峰肥尾的，也就是样本波动率被低估的。

可能是我没入门，一直怀疑随机过程/时间序列的量化策略的有效性，还是认同目前主流的多因子策略...😭

希望大佬们能给点思路，谢谢。

@haha2333haha

回测下长期夏普、信息比率吧，不知道你讲的是否只有涨和跌的二元分布，还是算的实际预期分布。

然后就是拟合问题，你实际操作时间太短了，不知道里边的因子对现实市场的敏感程度。

还有交易系统，预期止盈、跟踪止损，由于提到了杠杆保证金交易，风控必须考虑在内的，仓位管理。

模型得交叉验证 bootstrap 之类的（想必你也知道），还有如何动态调整最优化参数。

楼主别把那些外行的话放心里，很多人就是不相信量化投资的。

如果模型运作长期良好，可以作为外包将服务卖给私募，也可以是和量化的软件（某方）合作。

证券从业人士无脑推万得，还有人记得今年 1 月 8 日宕机带来后果吗？😭

我只选择中期美债（ 1-5 年内到期）和 WTI 原油。

推一下吉登斯的现代性、后传统社会研究，贝尔的《风险社会》。

《社会心理学》虽然不是讲的社会学，是对社恐人非常好的认知/行为教材。

金融机构打工人，公司采购 Wind 和 iFinD 账户，用 Excel 和 Python 接口