- 회원들이 추천해주신 좋은 글들을 따로 모아놓는 공간입니다.
- 추천글은 매주 자문단의 투표로 선정됩니다.
| Date | 19/07/10 10:48:58수정됨 |
| Name | 굴러간다 |
| Subject | 퀀트는 어떤 일을 하고, 그 수준은 어느 정도인가 |
|
작성자가 본문을 삭제한 글입니다. 26
이 게시판에 등록된 굴러간다님의 최근 게시물 |
|
제가 들은 이야기는 2019년에 현업에서 바이사이드에서 일하는 사람에게 들었던 썰이었습니다. 셀사이드쪽은 잘 모르겠네요.
말씀하신 대로 알파를 만들 때 혁신적인 뭔가를 많이 만드는 건 아니지만
"그때그때 시장의 변화를 빨리 캐치해" 해당 시점에 맞는 수십개씩의 알파를 찍어내기에 업무량은 매우 많다고 하더군요.
그리고 C++을 쓰는 이유는 속도 때문이었고, 요새는 매트랩에 준할 정도로 풍부한 수학 함수를 지원하게 되어서라는 이유도 있다더군요.
... 더 보기
말씀하신 대로 알파를 만들 때 혁신적인 뭔가를 많이 만드는 건 아니지만
"그때그때 시장의 변화를 빨리 캐치해" 해당 시점에 맞는 수십개씩의 알파를 찍어내기에 업무량은 매우 많다고 하더군요.
그리고 C++을 쓰는 이유는 속도 때문이었고, 요새는 매트랩에 준할 정도로 풍부한 수학 함수를 지원하게 되어서라는 이유도 있다더군요.
... 더 보기
제가 들은 이야기는 2019년에 현업에서 바이사이드에서 일하는 사람에게 들었던 썰이었습니다. 셀사이드쪽은 잘 모르겠네요.
말씀하신 대로 알파를 만들 때 혁신적인 뭔가를 많이 만드는 건 아니지만
"그때그때 시장의 변화를 빨리 캐치해" 해당 시점에 맞는 수십개씩의 알파를 찍어내기에 업무량은 매우 많다고 하더군요.
그리고 C++을 쓰는 이유는 속도 때문이었고, 요새는 매트랩에 준할 정도로 풍부한 수학 함수를 지원하게 되어서라는 이유도 있다더군요.
https://en.cppreference.com/w/cpp/numeric/random
https://en.cppreference.com/w/cpp/numeric/special_math
이런 것들..
다만 퀀트가 쓰는 C++과 백엔드 소프트웨어 엔지니어가 쓰는 C++은 좀 다른게,
퀀트의 C++ 능력은 자신의 공식과 모델을 코드로 구현만 해서 백엔드 소프트웨어 엔지니어에게 넘겨주면 되지만
백엔드 소프트웨어 엔지니어는 백엔드 서버, 데이터베이스, 프레임워크, 플랫폼을 만드는 사람이라, 누가 우위라기보단 역할이 다른거죠.
말씀하신 대로 알파를 만들 때 혁신적인 뭔가를 많이 만드는 건 아니지만
"그때그때 시장의 변화를 빨리 캐치해" 해당 시점에 맞는 수십개씩의 알파를 찍어내기에 업무량은 매우 많다고 하더군요.
그리고 C++을 쓰는 이유는 속도 때문이었고, 요새는 매트랩에 준할 정도로 풍부한 수학 함수를 지원하게 되어서라는 이유도 있다더군요.
https://en.cppreference.com/w/cpp/numeric/random
https://en.cppreference.com/w/cpp/numeric/special_math
이런 것들..
다만 퀀트가 쓰는 C++과 백엔드 소프트웨어 엔지니어가 쓰는 C++은 좀 다른게,
퀀트의 C++ 능력은 자신의 공식과 모델을 코드로 구현만 해서 백엔드 소프트웨어 엔지니어에게 넘겨주면 되지만
백엔드 소프트웨어 엔지니어는 백엔드 서버, 데이터베이스, 프레임워크, 플랫폼을 만드는 사람이라, 누가 우위라기보단 역할이 다른거죠.
1. 물론 바이/셀 사이드의 구분은 지금도 유효합니다만, 예전만큼 명확하지는 않은 것 같아요. 이제는 바이/셀 중 한쪽으로 몰빵하는 경우보다는 둘 다가 적절히 섞인 경우가 더 많아지는 것 같습니다.
2. C++의 장점은 역시 속도이고, 기존의 풍부한 라이브러리 또한 큰 장점이죠. 실제 퀀트들도 뭔가를 만들어야 할 때 완전 밑바닥부터 다 만드는 경우는 없다고 봐도 무방합니다. 기존에 있던 모델이나 모듈, 라이브러리 따위를 갖다 쓸 수 있다면 마다할 이유가 없죠. C++은 이 점에서 정말 좋은 툴입니다.
3. 매트랩은 C... 더 보기
2. C++의 장점은 역시 속도이고, 기존의 풍부한 라이브러리 또한 큰 장점이죠. 실제 퀀트들도 뭔가를 만들어야 할 때 완전 밑바닥부터 다 만드는 경우는 없다고 봐도 무방합니다. 기존에 있던 모델이나 모듈, 라이브러리 따위를 갖다 쓸 수 있다면 마다할 이유가 없죠. C++은 이 점에서 정말 좋은 툴입니다.
3. 매트랩은 C... 더 보기
1. 물론 바이/셀 사이드의 구분은 지금도 유효합니다만, 예전만큼 명확하지는 않은 것 같아요. 이제는 바이/셀 중 한쪽으로 몰빵하는 경우보다는 둘 다가 적절히 섞인 경우가 더 많아지는 것 같습니다.
2. C++의 장점은 역시 속도이고, 기존의 풍부한 라이브러리 또한 큰 장점이죠. 실제 퀀트들도 뭔가를 만들어야 할 때 완전 밑바닥부터 다 만드는 경우는 없다고 봐도 무방합니다. 기존에 있던 모델이나 모듈, 라이브러리 따위를 갖다 쓸 수 있다면 마다할 이유가 없죠. C++은 이 점에서 정말 좋은 툴입니다.
3. 매트랩은 C++만큼의 범용성은 아닌 걸로 압니다. 무슨 얘기냐면, 매트랩은 특정 종류의 금융 상품에는 참 잘 맞는데, 다른 종류의 금융 상품에는 그렇지 않는 특성이 있거든요. 멀티코어 (4코어 따위 말고, 두 자리나 세 자리 수준의 멀티코어) 하드웨어에서 돌릴 경우, 별도의 라이센스와 세팅이 필요하다는 것도 약점이라면 약점이고요. 반면 C++은 매트랩에 비해 상품 종류나 특성에 비교적 덜 매이는 편이고, 멀티코어 대응도 상대적으로 수월한 편이라 알고 있습니다.
4. 저도 프런트와 백엔드는 사실상 다른 종류의 직종이라 봅니다. 전자는 퀀트라는 직종에 특화된 쪽이고, 후자는 아무래도 일반적인 시스템 엔지니어에 가까운 쪽이죠.
2. C++의 장점은 역시 속도이고, 기존의 풍부한 라이브러리 또한 큰 장점이죠. 실제 퀀트들도 뭔가를 만들어야 할 때 완전 밑바닥부터 다 만드는 경우는 없다고 봐도 무방합니다. 기존에 있던 모델이나 모듈, 라이브러리 따위를 갖다 쓸 수 있다면 마다할 이유가 없죠. C++은 이 점에서 정말 좋은 툴입니다.
3. 매트랩은 C++만큼의 범용성은 아닌 걸로 압니다. 무슨 얘기냐면, 매트랩은 특정 종류의 금융 상품에는 참 잘 맞는데, 다른 종류의 금융 상품에는 그렇지 않는 특성이 있거든요. 멀티코어 (4코어 따위 말고, 두 자리나 세 자리 수준의 멀티코어) 하드웨어에서 돌릴 경우, 별도의 라이센스와 세팅이 필요하다는 것도 약점이라면 약점이고요. 반면 C++은 매트랩에 비해 상품 종류나 특성에 비교적 덜 매이는 편이고, 멀티코어 대응도 상대적으로 수월한 편이라 알고 있습니다.
4. 저도 프런트와 백엔드는 사실상 다른 종류의 직종이라 봅니다. 전자는 퀀트라는 직종에 특화된 쪽이고, 후자는 아무래도 일반적인 시스템 엔지니어에 가까운 쪽이죠.
셀사이드 미들/백에서 현재 퀀트로 일하고 있습니다. 저도 아는게 별로 없다보니 틀린 부분은 잘 안 보이네요. ㅎㅎ 재미있게 잘 읽었습니다.
하지만 프런트의 스트레스와 연봉을 맞바꾸자니 그것 또는 망설여지는 게 현실이죠. ㅎㅎㅎ
2008년 금융위기 전만해도 FIRE (Financial Independence, Retire Early) 하는 퀀트들이 꽤 있었습니다. 좋은 대학 나와서 IB 프런트로 간 후에, 몇 년 바짝 벌면 적게는 3M $, 많게는 10M $ 정도 챙겨서 30대에 은퇴하는 게 가능했거든요. 요즘은 월가에서도 그런 경우는 드물다고 들었습니다. 예전에 비해 안정적인 직종으로 조금씩 변하면서, 가늘고 길게 가는 거죠.
여하튼 즐겁고 무탈한 직장 생활 되시길 바랍니다.
2008년 금융위기 전만해도 FIRE (Financial Independence, Retire Early) 하는 퀀트들이 꽤 있었습니다. 좋은 대학 나와서 IB 프런트로 간 후에, 몇 년 바짝 벌면 적게는 3M $, 많게는 10M $ 정도 챙겨서 30대에 은퇴하는 게 가능했거든요. 요즘은 월가에서도 그런 경우는 드물다고 들었습니다. 예전에 비해 안정적인 직종으로 조금씩 변하면서, 가늘고 길게 가는 거죠.
여하튼 즐겁고 무탈한 직장 생활 되시길 바랍니다.
글 첫머리에 밝혔듯, 제가 금융 쪽을 떠난 지 꽤 오래되어 지금 상황은 잘 모르겠습니다만, 그럼에도 추측하자면...
- 어쨌거나 저쨌거나 S&T/FICC가 그나마 new tech.을 접목시키려는 시도가 많을 듯 합니다. IBD보다는요.
- IBD는 S&T/FICC보다는 좀 더 간단한 구조라 (어디까지나 상대적으로 그렇다는 얘깁니다. 이쪽도 파고들면 장난 아니죠), 해 오던대로 하지 않을까 싶네요.
- 다시 바둑의 예를 들자면, 예전에는 사람들이 `정확한 이유는 모르지만, 여하튼 경험칙에 의해 그 쓸모가 인정되어 온 여러... 더 보기
- 어쨌거나 저쨌거나 S&T/FICC가 그나마 new tech.을 접목시키려는 시도가 많을 듯 합니다. IBD보다는요.
- IBD는 S&T/FICC보다는 좀 더 간단한 구조라 (어디까지나 상대적으로 그렇다는 얘깁니다. 이쪽도 파고들면 장난 아니죠), 해 오던대로 하지 않을까 싶네요.
- 다시 바둑의 예를 들자면, 예전에는 사람들이 `정확한 이유는 모르지만, 여하튼 경험칙에 의해 그 쓸모가 인정되어 온 여러... 더 보기
글 첫머리에 밝혔듯, 제가 금융 쪽을 떠난 지 꽤 오래되어 지금 상황은 잘 모르겠습니다만, 그럼에도 추측하자면...
- 어쨌거나 저쨌거나 S&T/FICC가 그나마 new tech.을 접목시키려는 시도가 많을 듯 합니다. IBD보다는요.
- IBD는 S&T/FICC보다는 좀 더 간단한 구조라 (어디까지나 상대적으로 그렇다는 얘깁니다. 이쪽도 파고들면 장난 아니죠), 해 오던대로 하지 않을까 싶네요.
- 다시 바둑의 예를 들자면, 예전에는 사람들이 `정확한 이유는 모르지만, 여하튼 경험칙에 의해 그 쓸모가 인정되어 온 여러 가지 방법`을 정석이라 부르고 이를 학습해 왔습니다. 정확한 집 수 (= 승률)의 차이를 계산하기 어려운 경우에도, 이를 `세`라 부르면서 익혔고요. 이걸 깨고 처음으로 실시간 집 수 차이 (= 현재 시점에서의 예상 승률)로 계산한 게 알파고였죠. 즉, 바둑에서는 여태껏 사람들이 그 상세나 스냅샷을 알 수 없다고 여겨왔던 부분이 분명히 있었다는 얘깁니다. 그런데 IBD에서는 이젠 이런 `모호함`이 (사실상) 남아있지 않습니다. `이게 어떻게 해서 이런저런 과정을 거쳐 이런저런 결과를 내는가`에 대한 모든 과정이 수학적으로는 다 밝혀져 있거든요. 따라서 이런 분야에서의 경쟁은 결국 로직이나 알고리즘의 싸움이 아닌 다른 요소들의 경쟁이 되겠죠. 이런 상황에서, 그나마 `더 간단한` IBD 쪽으로 tech. disruption이 공헌할 수 있는 여지가 얼마나 있을지에 대해 저는 회의적인 입장입니다.
- Excel이 의외로 많이 쓰입니다. 그리고 일단 쉽게 pseudo model을 세워 검증하거나, 교육용 툴로써도 아주 좋고요. 이자율 모델 중 하나인 CIR 모델만 해도, 조금만 경력 되는 분들은 Excel로 금방 짜서 써먹을 수 있을 정도로 모델링이 쉽죠. 변수 조절도 쉽고요. 파생상품의 기초 중 기초인 블랙-숄즈 또한 학부생 수준에서도 Excel 모델을 짤 수 있을 정도로 쉽고 간단한 정도라...
- 어쨌거나 저쨌거나 S&T/FICC가 그나마 new tech.을 접목시키려는 시도가 많을 듯 합니다. IBD보다는요.
- IBD는 S&T/FICC보다는 좀 더 간단한 구조라 (어디까지나 상대적으로 그렇다는 얘깁니다. 이쪽도 파고들면 장난 아니죠), 해 오던대로 하지 않을까 싶네요.
- 다시 바둑의 예를 들자면, 예전에는 사람들이 `정확한 이유는 모르지만, 여하튼 경험칙에 의해 그 쓸모가 인정되어 온 여러 가지 방법`을 정석이라 부르고 이를 학습해 왔습니다. 정확한 집 수 (= 승률)의 차이를 계산하기 어려운 경우에도, 이를 `세`라 부르면서 익혔고요. 이걸 깨고 처음으로 실시간 집 수 차이 (= 현재 시점에서의 예상 승률)로 계산한 게 알파고였죠. 즉, 바둑에서는 여태껏 사람들이 그 상세나 스냅샷을 알 수 없다고 여겨왔던 부분이 분명히 있었다는 얘깁니다. 그런데 IBD에서는 이젠 이런 `모호함`이 (사실상) 남아있지 않습니다. `이게 어떻게 해서 이런저런 과정을 거쳐 이런저런 결과를 내는가`에 대한 모든 과정이 수학적으로는 다 밝혀져 있거든요. 따라서 이런 분야에서의 경쟁은 결국 로직이나 알고리즘의 싸움이 아닌 다른 요소들의 경쟁이 되겠죠. 이런 상황에서, 그나마 `더 간단한` IBD 쪽으로 tech. disruption이 공헌할 수 있는 여지가 얼마나 있을지에 대해 저는 회의적인 입장입니다.
- Excel이 의외로 많이 쓰입니다. 그리고 일단 쉽게 pseudo model을 세워 검증하거나, 교육용 툴로써도 아주 좋고요. 이자율 모델 중 하나인 CIR 모델만 해도, 조금만 경력 되는 분들은 Excel로 금방 짜서 써먹을 수 있을 정도로 모델링이 쉽죠. 변수 조절도 쉽고요. 파생상품의 기초 중 기초인 블랙-숄즈 또한 학부생 수준에서도 Excel 모델을 짤 수 있을 정도로 쉽고 간단한 정도라...
1. 친구 분이 좋은 회사에서 일하시는군요. 부럽...
2. 알고리즘 개발일 수도 있고, 튜닝일 수도 있습니다. 그런데 현실적으로는 이제 완전히 새롭다거나 압도적이라거나 하는 알고리즘의 개발은 쉽지 않을 것 같아요. 그리고 튜닝을 개발이라 하는 경우도 많습니다. :)
3. 시간을 두고 검증한다면야 ML이 `적어도 사람만큼은` 쓸모있다는 게 검증될 겁니다. 문제는 `사람보다는` 쓸모가 있어야 도입을 할 수 있다는 거죠. 그런데 그럴 여지가 (제 관점에서는) 사실상 없다는 게 함정.
4. 강화학습 쪽에 대한 부분도 저는 낙관적이지 않습니다만, 혹시 또 압니까. 어느 순간에 보면 짜잔... 하고 나올지. :)
2. 알고리즘 개발일 수도 있고, 튜닝일 수도 있습니다. 그런데 현실적으로는 이제 완전히 새롭다거나 압도적이라거나 하는 알고리즘의 개발은 쉽지 않을 것 같아요. 그리고 튜닝을 개발이라 하는 경우도 많습니다. :)
3. 시간을 두고 검증한다면야 ML이 `적어도 사람만큼은` 쓸모있다는 게 검증될 겁니다. 문제는 `사람보다는` 쓸모가 있어야 도입을 할 수 있다는 거죠. 그런데 그럴 여지가 (제 관점에서는) 사실상 없다는 게 함정.
4. 강화학습 쪽에 대한 부분도 저는 낙관적이지 않습니다만, 혹시 또 압니까. 어느 순간에 보면 짜잔... 하고 나올지. :)
1. 10년 전 기준으로, 당시 현역 퀀트들은 공학 학위나 수학 학위자가 많았습니다. 물리학 전공도 심심찮게 있었고요. 통계 전공은 수학만큼은 아니지만 물리 전공보다는 많았던 것 같습니다. (물론 복수 전공들도 많았죠)
2. 하지만 최근에는 많이 바뀌었다고 들었습니다. 일단 한국에서 일한다는 전제 하에, 서울대나 KAIST에서 금융공학으로 석사 이상을 딴 사람들이 많아서요. 드물게는 POSTECH에서도 금융공학 커리큘럼을 이수한 사람들이 있습니다. (KAIST는 금융전문대학원에 금융공학 석사 과정이 있습니다만, POSTECH에... 더 보기
2. 하지만 최근에는 많이 바뀌었다고 들었습니다. 일단 한국에서 일한다는 전제 하에, 서울대나 KAIST에서 금융공학으로 석사 이상을 딴 사람들이 많아서요. 드물게는 POSTECH에서도 금융공학 커리큘럼을 이수한 사람들이 있습니다. (KAIST는 금융전문대학원에 금융공학 석사 과정이 있습니다만, POSTECH에... 더 보기
1. 10년 전 기준으로, 당시 현역 퀀트들은 공학 학위나 수학 학위자가 많았습니다. 물리학 전공도 심심찮게 있었고요. 통계 전공은 수학만큼은 아니지만 물리 전공보다는 많았던 것 같습니다. (물론 복수 전공들도 많았죠)
2. 하지만 최근에는 많이 바뀌었다고 들었습니다. 일단 한국에서 일한다는 전제 하에, 서울대나 KAIST에서 금융공학으로 석사 이상을 딴 사람들이 많아서요. 드물게는 POSTECH에서도 금융공학 커리큘럼을 이수한 사람들이 있습니다. (KAIST는 금융전문대학원에 금융공학 석사 과정이 있습니다만, POSTECH에서는 이와 동등한 학위 과정이 없기 때문에, 대신 산경+수학+컴공 각 전공의 세부 커리큘럼을 좋은 성적으로 이수하는 경우죠)
3. 미국/영국의 경우에는 한국보다 더 심하다고 알고 있습니다. 탑 스쿨에서 금융공학을 전공한 사람들에게만 면접이라도 볼 기회가 있다더군요. 일단 금융공학이란 학문 자체가 이제 어느 정도 오래 되기도 했고, 그동안 실전이나 업계에서 쌓인 각종 결과물들이 너무 많아서, 이걸로 전공을 하지 않는 이상은 배경/관련 지식이나 기술을 전공자만큼 따라잡는 게 사실상 불가능하거든요.
4. 한국도 점점 상향평준화되는 건 마찬가지라서, 예를 들어 블랙-숄즈 방정식은 이제 어지간한 학교라면 학부 2학년 과정에서 증명하는 수준까지 되었습니다. 수리통계 전공으로는 퀀트가 못 된다, 는 뜻은 아니지만 점점 어려워지는 건 사실인 듯 합니다.
2. 하지만 최근에는 많이 바뀌었다고 들었습니다. 일단 한국에서 일한다는 전제 하에, 서울대나 KAIST에서 금융공학으로 석사 이상을 딴 사람들이 많아서요. 드물게는 POSTECH에서도 금융공학 커리큘럼을 이수한 사람들이 있습니다. (KAIST는 금융전문대학원에 금융공학 석사 과정이 있습니다만, POSTECH에서는 이와 동등한 학위 과정이 없기 때문에, 대신 산경+수학+컴공 각 전공의 세부 커리큘럼을 좋은 성적으로 이수하는 경우죠)
3. 미국/영국의 경우에는 한국보다 더 심하다고 알고 있습니다. 탑 스쿨에서 금융공학을 전공한 사람들에게만 면접이라도 볼 기회가 있다더군요. 일단 금융공학이란 학문 자체가 이제 어느 정도 오래 되기도 했고, 그동안 실전이나 업계에서 쌓인 각종 결과물들이 너무 많아서, 이걸로 전공을 하지 않는 이상은 배경/관련 지식이나 기술을 전공자만큼 따라잡는 게 사실상 불가능하거든요.
4. 한국도 점점 상향평준화되는 건 마찬가지라서, 예를 들어 블랙-숄즈 방정식은 이제 어지간한 학교라면 학부 2학년 과정에서 증명하는 수준까지 되었습니다. 수리통계 전공으로는 퀀트가 못 된다, 는 뜻은 아니지만 점점 어려워지는 건 사실인 듯 합니다.
| 목록 |
|
