【Scientech Research 2023年进入中国交易市场后一直是国内量化人才市场关注的焦点，实习薪资行业超一线水准、80%实习转正率、N对1的导师团队…更是不断引发顶尖Quant牛人们的好奇与向往】

Scientech Research 作为一家全球领先的量化对冲基金，以核心高频策略为壁垒，结合不断迭代升级的中低频策略，致力于发展成为一流的国际资产管理品牌。

目前公司自营及管理的交易资产规模超十亿美金，自营策略Sharpe 6以上，现有投资人均是世界最大的投资机构或家办。

团队成员部署在纽约和上海，他们交易全球40多个市场，包括股票，期货，期权等电子化交易产品，成员有国际奥赛领奖台上的天才少年，有来自Citadel、Two Sigma等一线对冲基金的资深大牛，30余位极客用代码重新定义市场边界。

在公司的快速上升黄金期，我很激动地采访了Jacob——Scientech的核心研究员（PM tracking），我和Jacob的上次见面还是2年前的量化小聚上，那时候他还是某百亿的实习生，这一眨眼都要变成PM，太快了！

本文提纲：

  1. 校园经历与求职

  2. 量化实习与思考

  3. Scientech的面试与考核

  4. 实盘感受与思考

  5. PM tracking过程思考

  6. 投递Scientech的建议

感谢Jacob的分享，以下是高东和Jacob的访谈实录整理。

一、校园经历与求职

高东：哈喽Jacob，可以简单介绍一下你的求学和过往量化经历吗？

Jacob：我本科和研究生都是在某211读的统计。

在Scientech全职工作之前有过3段量化实习，当时主要的工作都是 focus 在Machine Learning 的 combo 上面，虽然这些经历和我在Scientech这边做的工作不太相同，不过也给我在量化研究上面打了很多基础，让我对量化产生很多兴趣。

高东：你的三段combo的工作，是一开始实习就找到的吗？我感觉现在量化实习并不好找呀！

Jacob：我最开始其实是在某互联网大厂做实习，当时也是误打误撞对量化产生了一些兴趣，觉得量化研究可能会更有趣，一个是反馈更加直接，一个是相比之下也会更有挑战。所以就从互联网转到量化。因为互联网转量化，比较直接对口的就是做Machine Learning相关的项目，所以最开始也是通过这个角度切入的量化行业。

高东：我记得你的毕业学校其实不算是量化行业的重点目标院校，相比清北这些而言，校友比例还是很小的。在最初量化求职上，你会觉得在这方面是个很大的阻力吗？

Jacob：当然。这个感受还是很明显的，其实直到去年而言，我觉得有些公司把一些目标院校作为严格筛选标准，都还是一直伴随我的比较大的求职阻力。

高东：比如最开始的筛选，你可能更需要在简历中体现比别人更多，更出色的项目经历，才能把这道坎迈过去。你觉得在进入量化第一段迈坎过程当中，是过往哪个经历帮助了你？或者说让面试官有了更多期待，希望你可以加入并尝试做Machine learning的combo部分？

Jacob：对，因为我觉得既然在教育经历上面有短板，那就需要其他方面来证明你是有能力做事的。主要有两方面，一个是过往的大厂实习经历，我做过比较多Machine learning 相关的 project，另一方面，我在kaggle上打过一些量化相关的竞赛，也取得了一些成绩。

我觉得这些经历在简历中可以证明的是，起码在这个方向上我有比较多的经验，然后确实有一定的能力，可能这对于过第一段量化实习的简历门槛就够了，剩下的就是进入后的具体产出了。

高东：你还记得在找第一份量化实习的时候，你投递了多少份简历吗？

Jacob：起码大几十份是有的，很多很多，但是具体的已经记不太清了。

高东：很多QR会在研究或求职过程中陷入短暂的迷茫和低沉，你会有这样的经历吗？那段时间是怎么度过且改善的呢？

Jacob：我遇到的还是挺多的，尤其是因为量化求职，其实竞争一直非常激烈，难免会遇到挫折和低谷，另一个是在实习中可能会担心自己做的事情不够有价值。

我觉得可能需要两点吧，一个是就像是做alpha一样，你首先得知道这个alpha是短期回撤呢，还是它彻底就失效了？你看自己做的事情也是一样，你是真的很适合这行，确实有能力但只是暂时没做好，如果是这种类型的话，那就需要忍受这个短期的回撤，继续坚持就可以了。还有一个小建议，就是多培养一些其他的爱好并注重生活，这个也可以抵御很多不美好的心情。

高东：很多同学会纠结不同量化offer怎么选的问题，你当时对不同的规模、投研模式有什么自己的理解与选择考量吗？

Jacob：首先公司规模的话，管理规模更大的团队可能稳定性会比较高，然后小一些的团队upside比较高，如果你加入一家正处于快速成长阶段的团队，那么你本身的upside也会比较高，所以针对规模大小的问题其实和每个人的风险偏好有关，看你是想追求相对稳定的工作还是做一些更有风险回报比的工作，这每个人的选择都不一样。

其次关于投研模式，在模式上无非就是centralized book 和PM制这两种，他们两者的区别在于你的exposure和你职责cover范围有所不同，我会偏好centralized book 更多一些。一个比较直观的感受是，在这个模式下大家的合作交流会更多，这样的话，其实你能尝试的方案也会比较多。如果你在一个PM组的话，可能你做事情的范围就是跟随PM，他做的事情就是你的大致范围，但是centralized你可以cover的范围和市场都会变的更多，比如交易不一样的市场，然后研究各种各样的alpha，你可以在里面切换自己感兴趣的方向。

当然，不管是规模还是投研模式，我觉得最主要的还是你的老板和manager，他们的人品以及技术，这可能是最需要被重视的。

高东：我非常认同找工作就是选老板！感觉选组和选manager是一个研究员进入这个市场里面寻找alpha的第一步，这直接反映了QR本身的直觉和审美，你觉得这个要怎么选呢？

Jacob：对于QR来讲，大家都是同事，相处一段时间是很容易看出水平的，如果水平特别特别高，你可能会看不懂，因为实在是深不可测…你理解不了他的很多想法。

但是如果是水平不行的话，那还是很容易就能看出来的。

水平高低是个重要因素，但还有一点也同样关键，那就是老板和manager对于帮助你成长的意愿程度，有的老板可能是单兵作战单打独斗的类型，可能对下面QR的引导不会特别多。

如果你遇到水平很高，并且愿意帮助你成长，还给你充分的信任让你放手去做的manager和老板，那还有什么犹豫的呢！、

二、量化实习与思考

高东：你可以简单描述一下这前面的三段量化经历吗？

Jacob：OK，我在前两段实习中做的都是纯匿名因子的combo，其实和打kaggle差不多。这两段经历接触不到前后端，处于比较黑盒的状态，就是你对着一通匿名数据戳做研究，但是我个人还是非常喜欢和数据打交道的，所以即使它是纯匿名的，也让我从中获得了很多乐趣，当时每天考虑的就是怎么优化模型，把模型做得更好一点。

但是我也在思考，如果未来的工作光靠这种黑盒的方式一直优化，可能不太行，如果想把整个组合做的更好，可能需要我对前面的alpha了解的更多，包括自己也要做一部分，或者说了解alpha的收益来源，再包括这个东西需要怎么用？因为不同的模型训出来的表现也是不同的，有不同的适用性，再包括模型自己本身的特征用到策略里面也不同…考虑到这些，在第三段实习的时候，我就比较主动地去尝试拓展前面和后面的研究内容了。

然后在第三段实习中，很幸运的是老板也给了比较大的权限和支持，让我有自主权去探索，相当于我稍微能把整条链路打通一些了。

高东：你为什么很想接触combo研究的前面和后面环节呢？是当时遇到了很多疑惑吗？

Jacob：就是从单独这一个环节的成果来说，当时确实已经有比较好的产出了，确实做的还可以。但是当时让我想寻求改变的一个点是，我完全不知道我这个东西做出来是怎么被用的？或者说它能不能真的被用在赚钱上？我只能通过某个metric来衡量它，比如ic等某些指标，我非常好奇这个究竟是什么样的，和能不能在市场中赚到钱。

高东：我之前就听一些产出非常好的朋友说，他们都是在研究有小闭环的时候，在之后接触到市场真实反馈的时候，才一下子想通了研究中的很多事情，通过这些直接反馈再回过头来思考自己的投研框架和思路，据说就更清晰了。

Jacob：这是非常有帮助的！我回想当时这种感觉的时候，就是在来到Scientech之后，才让我逐渐感受到的，可以体会到最直接的市场给的反馈，也就是你说的那种真的策略在市场中赚到钱的感觉。

高东：我遇到的QR朋友大致分成两类，一类是非常执着死磕困难的类型，会花很长时间攻坚一个难题，另一类是遇到难题先跳过去，可能解决别的问题的时候突然有了思路，再回过头解决过去的问题，你是哪一类呢？

Jacob：这是非常有趣的问题，我想应该属于后者。我会跳出这个问题，到别的idea上，因为我经常感觉有非常多idea都是可行性，没必要死磕一个。当然这也需要一些在选择上的取舍，究竟跳过哪些问题，攻坚哪些问题？这是需要一个研究员深耕多年后，才会有的sense了。

我个人感觉对于研究员来说最重要的能力之一就是选择方向和问题。现在的我相比一年前，在这个方向上确实进步了很多，但当我把同样的结果和老板讨论的时候，他们就总能给出更准确的洞见，帮我引导出更好的研究方向。

三、Scientech的面试与考核

高东：是怎样的机缘促使你选择加入Scientech Research?

Jacob：最开始对公司的了解是通过一些网上平台和公众号宣传，比如公司在全球40多个市场都有部署，而且业绩还这么好，再加上我一直想尝试做一些更高频的东西，就这样选择了接触和投递简历。

高东：我知道Scientech的实习与全职日薪都是国内头部梯队的，这就会促使竞争也非常激烈，我身边就遇到金牌选手和学术大佬都有投递，你觉得是哪些特质让面试官对你很看好，并且顺利拿到了offer呢？

Jacob：这我倒是没有直接问过反馈，不过我觉得可能是因为在聊过往经验的时候，还算比较solid？再加上一些数学和编程方面的考核，我完成的也还可以。

高东：在Scientech求职的过程中，你有做什么具体的准备吗？可以分享一些准备的经验与建议吗？

Jacob：我觉得要多去积累自己在量化上的竞争力，一个很重要的体会就是实习经历中的项目不要贪多，要尽可能的做深入。在简历的项目描述上和面试的沟通过程中，至少体现出来这个实习项目是做的比较solid。

高东：你可以详细解释一下solid的判断标准吗？

Jacob：嗯嗯，就是项目做得够不够深入。比如我们在面试中经常听到的回答是，我做了一个项目，它的效果是什么什么样的，可能很好，也可能不太好，但是你如果问他，是什么地方导致的不太好？或者怎么样去提高，让它变得更好？这可能就答不上来了。

总结来说，就是处理过很多螺旋式上升的问题。碰到项目的难点，分析并解决，然后再往前推进，不断遇到和分析处理新问题。这个过程不是绕着一个浅层项目打转，而是不断推动和前进的过程，就是我想说的把项目做深。

高东：我遇到过两种研究的类型，一种是重复迭代的路径，比如说已经有别的研究员或者别的公司试验后发现这个路径是work的，那就有很多研究员在这上面不断迭代和卷，另一种是研究一些看着略显粗糙但比较独特的方法，追求差异化挣钱，你更偏向哪种呢？

Jacob：我听下来第一种不像是个选择，反而像是你如果做不出一些独特的正交alpha，你只能选一些相对容易想到的，那些已经被别人做过的，去做的更卷，然后拿到一些卷来的收益。第二种如果是可以拿到alpha的话，可能大家都选择后者，但我理解门槛会更高，就是你做出一套市面上大家都不太做过的东西，同时它还能赚到钱，这是个非常难的事情。

高东：你在Scientech的研究会更侧重哪方面呢？

Jacob：老板还是很鼓励我们做一些独特的尝试，在有一定积累后，会鼓励有余力的情况下多做一些创新，或是尝试一些没那么常见的方向，再加上我可能稀奇古怪的idea也很多，尝试了一些也都还能work。

高东：我听说Scientech的实习是10周，由一系列递进式的阶段性小项目组成，你觉得是什么表现或产出，让你当时获得return offer的？

Jacob：我其实一进来就是全职加入的，经过了一个试用期，差不多也是10周，会给一个相对简单的project，根据你的表现评估是否可以拿到转正。

高东：你当时在Scientech都负责什么工作呢，一天的节奏是什么样的？

Jacob：我当时加入的时候先做的是A股某个品种的高频 alpha。

我们的工作时间挺灵活的，一般是早上9点上班，下午6点下班，但是这行其实不是一个固定时间或者可以通过堆时间就有成果的行业，所以大部分也都是时间追着灵感跑。有时候可能晚上灵感来了，我也会爬起来写一下实验一下，如果状态不佳没有灵感的话，我也会适当的休息一下。

工作内容的话，因为我之前没接触过这个品种的研究，所以会先看一些paper，或者直接去观察市场数据，来找alpha的灵感，另一个就是写代码实现这个alpha或去迭代之前的idea。此外就是每周会和老板还有manager开两次会，来及时更新进度与讨论一些想法。

高东：在Scientech投研团队中，你们的沟通频率是什么样的呢？

Jacob：我们是3对1，老板和manager，两个人或者三个人和我一起开会，频率是一周两次。

高东：3对1，然后1周两次吗？老板花在你身上的精力和成本真的好高啊。

Jacob：不单是我，我们老板花在每个Quant身上的时间都会很多，所以大家工作体验和项目进展都会很不错。

高东：你说之前没做过类似高频，过往工作都集中在中低频的股票模型研究上，那么最开始用这个高频品种project来评估表现，你会有压力吗，这个过程顺利吗？

Jacob：还挺顺利的，因为在初期我的manager给我了很多帮助，所以这让我上手很快，同时我也对这方面的研究很感兴趣，所以迭代也比较快。

再加上公司已经有比较成熟的相关策略了，我当时也没有太用机器学习的方法，更多是基于市场逻辑手搓一些因子，大概三周时间就有一些明确产出了，然后第一个月过完，我就收到了正式的转正通知。

高东：1个月就提前转正了吗？这也太快了，那你后面的两个月还是做这个项目吗，和转正前有什么变化吗？

Jacob：做的事情变化不大，还是继续做这个高频的project，可能在权限上相比转正前更加拓宽了一些。

高东：你刚刚说，在这期间manager给了你非常多帮助，你可以简单描述下吗？

Jacob：一个是我们一周两次的讨论，这个给我的研究思路与研究方向提供了很多帮助，再有就是我之前没太写过C++，manager也给我了非常多细致的指导，包括整套公司的C++框架与注意事项，还包括一些高频alpha研究方法上经验传授，最后就是项目的推动与实盘的部署，他真的是不遗余力的提供了非常详尽的帮助！

四、实盘感受与思考

高东：你在Scientech大概多久就上实盘了？

Jacob：不到两个月吧，一个多月的时候就有一些因子上线了，这也是我第一次做从idea到实盘的完整链路。

过程还是比较顺畅的，比如从一个逻辑出发，我想这个应该能赚钱，然后我就去写和测试，回测效果确实不错之后，再和同事合作，把它部署上去，之后实盘跑了一个月，确实效果也挺理想的。再就是进行后续的实盘数据分析，比方说知道这个什么时候赚的好，什么行情表现一般，整体还是比较流畅。

高东：我之前遇到一些高频QR朋友说，回测系统还是很重要的，要不然就算回测很漂亮，上了实盘还是不行？

Jacob：是的，Scientech就非常看重回测的建设，你可以明显感觉到的是，在内部回测和上实盘之后差异性非常小，这主要是得益于老板们在高频领域这么多年的深厚积累，这让公司的高频回测系统做的非常好。

高东：你之前的工作都是集中在深度学习在量化领域的应用，就这个课题来说你觉得有没有哪些有用或是有推广性的tips？

Jacob：我觉得有一个还挺有推广性的，深度学习里确实有一个范畴很有意思，就是如何防止过拟合？如何评估你的信号，哪些是赚钱的哪些不是？这个事我觉得是对所有的研究员都是非常有价值的。

因为不管是我们用深度学习还是人工挖掘，都是要去拟合这个市场。那我怎么去评估它，可以更好地防止过拟合？这个确实是我之前在深入学习的工作中得到的一些很有启发的，还是挺有通用性的。

高东：听下来这个非常值钱，在金融数据里面噪音本身就非常非常多，是不是在研究上很容易就拟合到噪音里去了？

Jacob：是的，因为深度学习里面很核心的一些技巧就是避免或者防止过拟合，本身深度学习它一整个就是用相对比较复杂的模型去拟合一个目标。因为它的拟合能力非常强，所以你不可避免的就要用一些手段去防止过拟合，这个在量化领域去怎么评估自己的信号是真正的alpha还是过拟合，这事是非常核心的，要好好研究。

五、PM tracking过程思考

高东：1个月提前通过试用期考核，然后2个月不到就有了实盘的体现，到现在1年多从全职研究员到PM，这真的进展飞速！你认为可以推动你的研究项目一直有产出的原因是什么？

Jacob：就像咱们刚刚聊的，在观察市场和数据的过程中，确实就会不断有灵感出现，这个事情其实也不是说非要刻意去寻找灵感，而是在每天的工作中就会有idea浮现，然后有一定比例的想法会转化成实际产出，在这个过程中，包含了很多老板和同事们相当多的支持。

最后就是从idea到产出到落地的过程，公司的链路是非常快的，在scientech的研究过程中，可以做到Quant只要有想法，他马上就能知道这个想法到底是怎么样的，接下来的部署和反馈都非常迅速，像是上面提到的回测和实盘对的很齐，这可以让从回测到实盘不需要做太多改动，我们只需要把研究做好做细，之后就有很成熟的开发同事帮我们做后面的事情，这也都是得益于我们内部系统的成熟积累。

高东：从成为Scientech的全职QR，再到PM tracking，你的工作和权限有发生怎样的转换吗？

Jacob：成为全职后工作内容上，在前期没有特别大的差别，还是继续在做高频alpha。

权限上有比较大的区别，在成为全职后，首先你可以看到更多的公司代码，尤其是策略层面的代码。这个的指导意义就是说，当我知道策略是怎么运作的时候，我评估我自己的alpha，就不是通过一些简单的指标，而是通过它怎么给策略带来一些增益，这样就可以更好的指导怎么做好alpha，我觉得这是最大的区别。

高东：alpha的判断标准不单是一些规定指标，而且基于策略本身的提升，听下来这个权限和能看到的东西真的很大？

Jacob：这也是我一直说的，我们公司老板对每个研究员充分的信任，也是一个很开放的研究和交流的氛围。

高东：在成为PM后，你看待工作的视角相比之前有什么变化吗？

Jacob：我觉得视角上最直接的转变就是从老板认不认可我的工作，变成了市场认不认可我的工作。

当我在试用期或者是一开始做Quant的时候，评估判断一个 alpha 或者一个idea有没有价值更多是通过老板给我的反馈，如果老板说ok这个挺好的，那就在上面多做一做，在这个视角下的工作本身更多是获得老板的认可。

但是现在更多的去独立管理策略或市场以后，可能我对自己的工作评估就转变到了，它是不是真的能给当前在跑的策略带来增量的价值，市场反馈认不认可我的工作？

这算是一个更大的挑战吧，就是当你面对的是市场真实反馈的时候，这对投研本身的推动还是非常非常直接且明显的，你就得更加小心地对待自己的工作。

就像是防止过拟合问题，如果你是个实习生或研究员，因为你可能不对pnl负责，所以对是否过拟合这个事情不是那么在意。但是承担起这个责任后，你就要加倍小心，我不希望我的东西加进去以后反而让我们的策略变差或亏钱，这是我觉得在心态发生的很大转变。

高东：你从原来做实习生，到现在自己要带实习生，这个过程感觉如何？

Jacob：这挺有挑战的，因为我们需要设计给实习生的project，这需要我把比较分散的工作抽象和管理起来，需要从我们的角度来评估，哪些事情是优先级更高的，更可能带来价值的，把这些提炼出来变成project交给实习生去做。

高东：你说的抽象起来，是指研究脱敏工作吗？

Jacob：不是的，我们对实习生开放的信息还是非常多的，不会那么保密。

这里说的抽象是指，很多时候研究过程是比较繁琐和琐碎的，比方说有些从原始数据清洗什么的，这些东西的整体链路很长，肯定不能让实习生在很短的时间里做这么多琐碎的工作，所以我们需要给大家包好一些易于上手，且可以看出来工作能力及产出的工作，提炼出这一块让实习生们专注地用10周时间研究。

我们总说自己是个服务型企业，服务于实习生哈哈哈。因为Scientech的大部分全职都是来自于实习生转正，所以现在的实习生他们将来也很可能加入我们，成为我们的同事，我们希望让大家有更好的实习感受与收获。

高东：之前就看Scientech非常牛的业绩表现，比如自营策略Sharpe 6以上、日均交易额逾数十亿元、从无到有拓展到全球40多个市场，从纯自营到目前自营及管理的交易资产规模超十亿美元等等，你觉得公司哪些优势是推动快速发展并不断取得成果的重要原因呢？

Jacob：首先就是我们senior同事的积累是非常深厚的，包括研究以及开发的积累，其次是沟通合作的氛围都非常开放和平等，最后还有一点，就是我们每个同事在精神上都有一个快速迭代的文化，所以基本上大家各自的project迭代都非常积极，很快合在一起推动了公司的发展。

高东：我遇到很多QR或者量化私募其实画像都很趋同，这也导致了非常多的内卷和同质化竞争，你觉得这是必经之路的常态吗，还是也有不同的解决思路与心得呢？

Jacob：我觉得这确实对求职的同学们来说是个挺大的困境，因为很多时候你的方法论或者说研究习惯，都是来源于你的mentor和过往工作，大部分量化私募其实本身在方法论上也有一些趋同的理解，可能高频大家的做法会有一些不一样。

如果说我的建议的话，可能就是在这套东西之外再去多尝试一些，可能不那么常见的思路和方法，可能你知道它不一定能赚钱，或者不一定是最好的，但要保持开放的尝试的心态，久而久之就可能会避免一些过度的同质。

高东：在Centralized book 的模式下，每个成员都有深耕自己负责的模块，但经常会听到两种困扰，一个是发展空间受限的问题，一个是思考维度局限在模块化而非基于全局的考量，在未来职业道路的个人竞争力提升上，你有思考过解决方式吗？

Jacob：在职业发展空间上，我觉得更多主导因素还是公司，根源还是对于公司本身模式和文化的选择。

就我个人来说，我会不断去尝试拓宽我的能力边界，包括我原来没太做过的东西，我也会积极的提前学习，然后我可能会和老板提，我想尝试某个方向。在Scientech里，大家的文化是提倡这种积极性的，可能这样也可以解决你所说的这种受限。

高东：在这一年多的工作过程中，你觉得同事和老板身上有什么闪光点是值得你持续学习的呢？和他们的交流合作中，有什么理念上的收获吗？

Jacob：首先我觉得大家都是优秀、聪明，而且都是非常谦逊的人，这点让共事变得非常简单愉快。

有一个理念是我加入后学习到的，大家总会强调说，做量化研究是一个螺旋曲折上升的过程，这个过程有很多事情是难以避免的，有一段时间你就是在走下坡路，或者一段时间你就会卡在那里做不出来。在遇到这种问题的时候，你心态上要接受原地踏步，接受研究中的挫折，保持良好的心态和节奏持续研究，慢慢就会又回到上升阶段，我觉得这个给我很大的收获。当然，在这个过程中老板也会给大家鼓励和心理按摩哈哈。

六、投递Scientech的建议

高东：作为面试官，你觉得什么样的人才画像是适合你们投研团队的？

Jacob：一些最基础的特质可能各家量化团队都类似，比如扎实的数学能力和优秀的coding能力，然后很聪明很富有热情。

在此之外，我们还可能更看重，是否有清晰的沟通能力，这个特质可以更方便大家未来合作共事。还有一个就是快速试错能力，从过往的实习经历中总会遇到一些失败与挫折，这时候的反应就会体现出很多人选对待问题的心态与行动能力。

高东：对于投递Scientech，你有什么作为过来人的小建议吗？

Jacob：好好准备代码，因为这个确实对于Quant来说是非常重要的能力，算是核心的考察项目，更好的使用C++也是个加分项。另一个就丰富自己的project经历，尽量的做精做细，多去思考。

高东：最后如果有学弟妹想进入量化行业，你有什么硬核书籍或课程推荐吗？

Jacob：我会推荐一些统计相关的课程，比如像《统计学习方法》和《统计机器学习》，中低频启蒙的话可以读读《因子投资：方法与实践》。

最后希望有更多志同道合的小伙伴加入Scientech Research，共同交流，一起进步！