Extracto de la respuesta de Alan Clement a ¿Cómo puede un desarrollador de software en finanzas convertirse en un desarrollador cuantitativo?
El desarrollo de algoritmos de negociación es un poco diferente conceptualmente del desarrollo de software tradicional, ya que está trabajando con series temporales de precios, en lugar de archivos planos o bases de datos relacionales, por lo que deberá familiarizarse con la manipulación de ese tipo de conjuntos de datos, utilizando cosas como procesamiento de matriz. En términos de plataformas, la mayoría de las empresas cuantitativas profesionales utilizarán C ++, Java o Matlab, aunque Python también se está volviendo más popular.
El rendimiento y la comparación del sistema se miden estadísticamente, por lo que también necesitará una buena comprensión de las estadísticas y conocer la diferencia entre cosas como la relación de Sharpe, la relación K y el índice de úlcera, así como los roles que aparecen en la muestra, de muestra y prueba de Monte Carlo. Muchos sistemas hoy en día se construyen utilizando los conceptos de Aprendizaje automático, por lo que también recomendaría estudiar en esa área.
- ¿Cuáles son las alternativas a los cursos como Big Data?
- ¿Cómo podemos estar seguros de que podemos confiar en los científicos? ¿Cómo sabemos realmente que los científicos no son los clérigos modernos? Parece que la ciencia toma tanto la fe como la religión.
- ¿Cuáles son las revisiones del curso de ciencia de datos de Gray Atom? ¿Vale la pena tomarlo como más fresco? ¿Proporcionan ubicaciones?
- ¿Es la información de sistemas informáticos (CIS) una buena especialidad para la ciencia de datos?
- ¿Qué motivó la minería de datos?
Si desea comenzar con lo básico, obtenga Amibroker (Descargar) y el libro de Quantitative Trading Systems de Howard Bandy. Esta es una muy buena introducción a los conceptos de desarrollo cuantitativo. También vale la pena seguir The Whole Street, que es una combinación de todos los blogs cuantitativos, muchos de los cuales publican el código de Amibroker con sus ideas.
A partir de ahí, vale la pena aprender Python, y también hacer el excelente curso de aprendizaje automático de la Universidad de Stanford de Andrew Ng, que se ejecuta de forma gratuita en Coursera.
Si luego quiere poner a prueba sus propios algoritmos, los buenos sitios para eso son https://www.quantconnect.com/ o https://www.quantopian.com/
Finalmente, este chico tiene algunos buenos consejos para convertirlo en tu carrera http://www.quantstart.com/
Buena suerte con el viaje!