第五届2014春季中国量化投资国际峰会26日下午金融工程学科建设专场速记稿
打开量化投资的黑箱(原书第2版)
精彩摘录
精彩摘录
绝大多数理论驱动型交易策略可以较为容易地划分为六类：趋势型（trend）、回复型（reversion）、技 术情绪型（technical sentiment）、价值型/收益型（value/yield）、成长型（growth）和品质型 （quality）。
这里我们给出阿尔法的一种非常规定义：在交易中关于买卖时机把握和持有头寸选择的技巧。
谢谢观看
第4章风险模型
控制风险规模 限制风险种类 小结
第5章交易成本模型
定义交易成本 交易成本模型的种类 小结
第6章投资组合构建模型
基于规则的投资组合构建模型 投资组合最优化 投资组合构建模型的输出 宽客如何选择投资组合构建模型 小结
第7章执行模型
订单执行算法 交易基础设施 小结
第8章数据
数据的重要性 数据类型 数据来源 数据清洗 数据存储 小结
契约型做市 非契约型做市 套利 快速的阿尔法策略 高频交易风险管理和投资组合构建 小结
第16章关于高频交易的争论
高频交易创造不公平的竞争了吗 高频交易导致老鼠仓交易或市场操纵吗 高频交易导致更大的波动性或者结构不稳吗 高频交易缺乏社会价值吗 监管注意事项 小结
作者介绍
同名作者介绍
这是《打开量化投资的黑箱（原书第2版）》的读书笔记模板，暂无该书作者的介绍。
均值回复策略的基本理论认为，价格围绕其价值中枢而上下波动，判断出这个中枢以及波动的方向便足以捕 捉到交易机会。
但是，我们并不需要在同一投资期限内构建两个策略。
目录分析
第1章**量化交 易的原因
第2章量化交易 简介
第1章**量化交易的原因
深度思考的益处 风险的正确度量和错误度量 遵守纪律 小结
研究生：量化金融与投资：金融市场分析
研究生：量化金融与投资：金融市场分析引言你是否听说过量化金融和投资？这是一个正在迅速发展的领域，涉及到金融市场的数据分析和投资决策。
作为研究生学位的学生，学习和研究量化金融和投资对于你的职业发展非常重要。
本文将探讨什么是量化金融，为什么它如此重要，以及如何进行金融市场分析。
什么是量化金融量化金融的定义量化金融是一种利用大量历史和实时金融数据，运用数学和统计方法进行分析，并基于这些分析结果做出金融投资决策的方法。
它结合了金融学、数学和计算机科学等领域的知识，旨在提高金融投资的效率和准确性。
量化金融的发展历程量化金融的发展可以追溯到20世纪50年代。
当时，投资者开始使用统计模型和计算机来分析金融市场数据，以便做出更明智的投资决策。
随着计算机技术的不断发展，量化金融变得越来越受到金融机构和投资者的重视。
为什么量化金融如此重要量化金融具有许多重要的优势，使其在金融界越来越受欢迎。
让我们来看看其中的几个原因。
提高决策的准确性量化金融利用大量的历史和实时数据进行分析，可以更加客观和准确地评估和预测金融市场的走势。
与人工判断相比，量化模型可以排除主观因素的干扰，从而提供更可靠的投资决策依据。
提高投资回报率通过量化金融的分析方法，投资者可以更全面地评估投资组合的风险和回报。
他们可以利用量化模型来优化投资组合的分配，从而最大限度地提高投资回报率。
相比之下，传统的投资方法更容易受到情绪和主观判断的影响。
降低交易成本量化金融还可以帮助投资者降低交易成本。
通过利用自动化交易系统和高频交易算法，投资者可以更快、更便捷地进行交易，减少了人工交易的成本和风险。
此外，量化金融还可以帮助投资者更好地掌握市场流动性和交易机会，从而减少了交易的执行成本。
金融市场分析的方法基本面分析基本面分析是金融市场分析的一种传统方法。
它主要基于公司的财务和经济数据，以及宏观经济指标等来评估资产的价值和风险。
基本面分析通常包括公司财务报表分析、行业研究和宏观经济分析等。
资产管理中的量化模型评估考核试卷
C.股息因子
D.波动率因子
11.以下哪些方法可以用于量化模型的选择和优化？（）
A.交叉验证
B.最小化信息准则（如AIC、BIC）
C.蒙特卡洛模拟
D.参数优化
12.量化投资中的市场微观结构分析方法包括哪些？（）
A.交易量分析
B.价格冲击模型
C.市场深度分析
D.订单簿分析
13.以下哪些指标可以用来衡量投资组合的风险调整收益？（）
8.神经网络
9.供需分析
10.风险价值（VaR）
四、判断题
1. ×
2. √
3. √
4. √
5. ×
6. ×
7. ×
8. √
9. ×
10. ×
五、主观题（参考）
1.资本资产定价模型（CAPM）优点：简单实用，有助于理解风险与收益关系。缺点：假设市场完全有效，实际市场存在偏差。套利定价模型（APT）优点：考虑多种因素，适用性广。缺点：因子选择主观，难以准确确定风险溢价。
五、主观题（本题共4小题，每题10分，共40分）
1.请简述量化资产管理中常用的资产定价模型，并分析其优缺点。
2.描述量化投资中的多因子模型，并讨论如何构建一个多因子模型以及其在实际投资中的应用。
3.在量化资产管理中，如何评估和选择量化交易策略？请列举并解释几种常用的评估方法。
4.请阐述高频交易在量化投资中的作用，并讨论其可能带来的市场影响和监管挑战。
A.主成分分析（PCA）
B.因子分析
C.聚类分析
D.马尔可夫链
11.以下哪个因子模型不是量化投资中常用的资产定价模型？（）
A. Fama-French三因子模型
B. Carhart四因子模型
中国量化投资国际峰会培训【3】量化视角全球资产配置-李斌
李斌 2016年4月
什么是量化投资？
建立模型，通过定量分析方法来开展投资工作 定量描述宏观市场环境（经济周期，GDP 增长率，通胀，利率等） 定量描述投资工具（股票、债券、商品、地产、PE/VC、资源等） 量化投资策略和资产配置 （建立模型，测试和实施） 量化风险管理：定量描述风险 （波动率、回撤、黑天鹅/尾部风险、 VAR等）；风险归因分析，风险因子的发现的量度，动态风险管理。
最大回撤：0.88%
2016/2/1 2016/1/1 2015/12/1 2015/11/1 2015/10/1 2015/9/1 2015/8/1
年均收益：30.62%
夏普指标：3.83
2015/7/1
2015/6/1
母基金拟合历史业绩
2015/5/1 2015/4/1 2015/3/1
母基金净值 沪深300
CCFI商品指数
0.200
市场波动率相关度
0.000 -0.200
-0.400 -0.600 -0.800 债市信用利差 风格（成长/价值） ２０１３－２０１５ ２０１３－２０１４ ２０１４－２０１５
创业板相关度
风格（小/大盘）
对冲基金风险分析举例：肥尾分析
1000
3万次模拟年度
回报率分布频率
800
子基金2：股票统计套利
2015/5/1 2015/4/1 2015/3/1 2015/2/1 2015/1/1 2014/12/1
子基金1：股票Alpha
母基金净值
1.2
1.6
1.5
1.4
1.3
1.1
1
2015年6月股灾之后，从2015年9月起股指期货交易 受到限制并且出现长期贴水的状态，大多数股票类对 冲基金的业绩受到影响。因此，我们将采用2015年9 月以来母基金的历史业绩作为参考来估算在目前市场 和政策环境下的预期收益：
人工智能在金融市场中的量化投资
人工智能在金融市场中的量化投资引言：人工智能（Artificial Intelligence，简称AI）是一门涉及模拟智能机器的研究领域，其应用正在逐渐渗透到各个行业，包括金融领域。
在金融市场中，量化投资是一种利用数学模型和统计分析方法进行投资决策的方法，而人工智能的应用则使得量化投资更加准确和高效。
本文将探讨人工智能在金融市场中的量化投资的应用和影响。
一、人工智能在金融市场中的量化投资概述量化投资是指利用数学和统计模型来分析金融市场数据，并根据模型的结论进行投资决策。
在过去，量化投资主要依赖人工进行数据分析和模型建立，但这种方法存在人为主观因素影响决策的问题。
而人工智能的出现，则使得量化投资可以更加客观、全面地分析市场数据，提高决策的准确性和效率。
二、人工智能在量化投资中的应用方式1. 数据挖掘和预测模型人工智能可以通过数据挖掘和机器学习的方法，自动分析金融市场的大量数据，发现其中的规律和趋势，并建立相应的预测模型。
这些模型可以帮助量化投资者在市场中预测股票价格、汇率变动等，从而指导他们做出更加科学的投资决策。
2. 自动交易系统人工智能可以将量化投资的模型与交易系统相结合，构建自动交易系统。
这种系统可以根据预定的策略自动进行交易，不受情绪和主观意识的干扰，提高交易的效率和稳定性。
同时，人工智能还可以通过不断学习和调整模型，使得交易系统能够自动适应市场的变化。
3. 风险控制和资产配置人工智能可以通过对市场数据的深入分析，识别出潜在的风险和机会，并根据投资者的风险偏好来进行资产配置。
这种方式可以避免传统人工配置中的主观性和个体差异，更加科学地进行资产管理和风险控制。
三、人工智能在量化投资中的优势1. 大数据分析能力人工智能可以处理和分析海量的金融市场数据，捕捉到更多的市场信号和趋势，提高投资决策的准确性。
2. 快速决策和执行人工智能可以在短时间内分析和评估市场情况，并快速作出相应的投资决策，避免了人为决策的延迟和迟疑。
量化投资策略考试试题
量化投资策略考试试题一、选择题1. 量化投资策略的核心思想是：A. 基于个人主观判断进行投资决策B. 完全依赖机器学习算法进行决策C. 基于大数据和统计模型进行投资决策D. 只适用于股票市场，而不适用于其他金融市场2. 以下哪项不属于量化投资策略的常见策略类型：A. 动量策略B. 均值回归策略C. 事件驱动策略D. 随机策略3. 在量化投资策略中，夏普比率被用来衡量：A. 策略的稳定性B. 策略的收益率C. 策略的风险D. 策略的交易成本4. 量化投资策略中的回测是指：A. 使用历史数据验证投资策略的有效性B. 对未来市场进行预测C. 评估策略的绩效D. 运行策略并进行交易5. 在量化投资策略中，流动性风险主要指的是：A. 市场的波动性B. 市场中买卖股票时所遇到的问题C. 策略执行的成本D. 资金的流动性二、简答题1. 请简要解释量化投资策略中的“动量策略”和“均值回归策略”。
2. 量化投资策略中的风险管理非常重要，请简要描述一种常见的风险管理方法。
3. 在量化投资策略中，如何选择适合的数据频率？4. 量化投资策略中的交易成本是一项重要的考虑因素，请简要介绍常见的交易成本类型。
5. 请简要描述如何评估和选择量化投资策略的绩效。
三、论述题1. 您认为量化投资策略对个人投资者是否适用？请结合理论与实践进行论述。
2. 量化投资策略的发展趋势是什么？请阐述您的观点并给出相应的论据。
3. 量化投资策略不仅在股票市场中应用广泛，还逐渐扩展到其他金融市场，请详细介绍其中的一个其他金融市场，并解释为什么量化投资策略适用于该市场。
注意：本试题仅供训练和参考，请勿用于实际投资操作。
微观金融与宏观经济—量化投资的探索
微观金融与宏观经济—量化投资的探索在当今的金融市场中，投资者在不断寻求新的投资策略，以获得更高的投资回报率，量化投资便是其中一种备受欢迎的新型投资方式。
量化投资是一种基于数学和计算机技术的投资策略，它通过建立数学模型和算法，对市场行情进行分析和预测，并据此调整投资组合，从而获得更高的投资回报率。
本文将从微观金融和宏观经济两个方面探讨量化投资的原理、流程和优点等相关问题。
一、微观金融的分析微观金融是量化投资的重要基础，只有建立在有效的微观金融基础上，才能得出较为准确的投资决策。
微观金融是指从个体企业、行业和市场等微观层面来分析金融市场的活动和变化。
在量化投资中，投资者需要在微观金融的基础上建立数学模型和算法，对市场行情进行预测和分析，进而制定投资策略。
微观金融中最常用的分析工具是统计分析和图形分析等，通过这些工具，可以发现市场的周期性和规律性，为量化投资提供重要的基础。
二、宏观经济的分析宏观经济是量化投资的重要影响因素之一，它是指从国民经济整体的角度来分析金融市场的变化。
在宏观经济中，主要关注经济的总体增长、通货膨胀、利率和政府政策等方面的变化。
通过对宏观经济的分析，可以预测整个市场的发展趋势和未来的投资机会。
在量化投资中，宏观经济的变化对投资决策有重要影响，投资者需要结合宏观经济变化和市场周期性等多方面信息，制定出详细的投资策略。
三、量化投资的流程量化投资的流程可以分为数据获取、数据处理、建模和交易四个环节。
数据获取是指从金融市场中获取各种数据，包括股票价格等市场信息。
数据处理是指对数据进行预处理和清洗，将其整理成可用于分析和计算的格式。
建模是指根据处理后的数据，建立数学模型，分析市场行情和未来的趋势。
最后一步是交易，通过制定投资策略，进行交易，实现资产增值。
四、量化投资的优点与传统投资方式相比，量化投资具备以下优点：1.更为精确准确：量化投资是建立在大量的数据和数学模型的基础上，较少受到情绪和主观因素的影响，因此更为准确和精确。
量化金融基础知识
量化金融基础知识量化金融是指将数学、统计学和计算机科学等方法应用于金融领域，通过建立数学模型和算法来分析金融市场、制定投资策略和管理风险。
在量化金融中，投资者可以利用大数据和高性能计算技术，进行系统化、科学化的交易决策。
本文将介绍量化金融的基础知识，包括量化交易策略、风险管理和算法交易等方面。
一、量化交易策略量化交易策略是指通过对历史数据的分析和模拟，寻找出一套可复制和可验证的投资策略，并通过自动化交易系统进行执行。
量化交易策略的核心是寻找市场的规律和趋势，以及利用这些规律和趋势进行交易决策。
常见的量化交易策略包括均值回归、趋势跟踪、套利和统计套利等。
投资者可以根据自身的风险偏好和市场情况选择适合的量化交易策略。
二、风险管理在量化金融中，风险管理是非常重要的一环。
由于金融市场的不确定性和波动性，投资者需要通过有效的风险管理措施来保护资金安全和降低投资风险。
常见的风险管理方法包括资金管理、风险控制和止损策略等。
投资者可以根据自身的风险承受能力和投资目标来制定相应的风险管理策略，以保证投资组合的稳定和盈利能力。
三、算法交易算法交易是指利用计算机算法进行交易决策和执行的一种交易方式。
通过建立数学模型和算法，投资者可以根据市场行情和交易信号进行交易操作，实现交易的自动化和高效化。
常见的算法交易策略包括高频交易、程序化交易和量化交易等。
算法交易的优势在于能够快速响应市场变化，降低交易成本和风险，并提高交易执行的准确性和效率。
四、数据分析和模型构建在量化金融中，数据分析和模型构建是非常重要的工作。
投资者需要利用大数据和统计学方法对金融市场的历史数据进行分析和建模，以寻找市场的规律和趋势，并构建有效的量化模型和策略。
常用的数据分析方法包括时间序列分析、回归分析和机器学习等。
通过数据分析和模型构建，投资者可以更好地理解市场行情和预测市场走势，从而制定更有效的交易策略。
五、技术和工具的应用量化金融离不开先进的技术和工具的支持。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
主题：金融工程学科建设专场时间：2014年04月26日地点：上海主持人：尊敬的各位领导、各位来宾、女士们、先生们大家下午好，我们今天下午的金融工程专场论坛马上开始，今天非常荣幸邀请到国泰安高级副总裁仇旭东先生担任本场论坛的专场主席，我是上海交通大学安泰经济与管理学院的董姗姗博士。
下面请允许我介绍一下仇旭东先生：毕业于复旦大学EMBA，高级职业经理人，兼任安徽大学简直教授、硕士生导师。
担任集团公司高管30年之久，曾担任国内某大型家电集团公司董事长CEO，主持某中外合资公司上市并担任董事长。
曾任美国和国内多家公司的战略管理、市场营销和项目投资顾问专家。
仇旭东先生阅历丰富，领导和组织能力强，既有公司CEO的领导驾驭能力，也有传媒单位一把手的掌控经验，精通企业并购、战略、投资、法务方面的能力知识，善于探索品牌发展新思路。
接下来让我们以热烈的掌声欢迎仇旭东先生主持。
仇旭东：大家好，很高兴担任今天下午论坛的主持人。
首先，我对参加我们今天下午论坛的各位来宾表示热烈的欢迎。
今天下午，我们要进行的论坛是量化投资行业发展人才需求及金融工程学科建设思路，主要的议题有量化投资行业特殊的要求，基于量化投资行业发展的金融工程学科人才培养探讨，量化投资行业发展展望。
我们非常荣幸的邀请到了中国量化投资研究员常务副院长清华大学深圳研究生院教授林建武先生。
邀请到了北京大学数学学院教授博士生导师，金融数学系副主任杨静平先生，我们还邀请到了同济大学风险管理研究所金融工程特聘教授博士生导师袁先智先生，他们将给我们带来精彩的演讲。
林建武先生，是毕业于清华大学，获得双学士及硕士学位，并获得美国宾夕法尼亚大学数学工程博士和数学工程和网络工程双学士。
负责量化投资高端产品的研发与国际合作，林博士在华尔街从事量化投资交易十多年。
他曾经在美国50大对冲基金之一的担任量化投资总监。
下面我们以热烈的掌声欢迎林博士给我们带来演讲。
林建武：在座的很多是培训班的同学，新朋友、老朋友。
培训班我们已经讲了很多理论的方面，包括整个国泰安综合的解决方案和实验室。
我想换一个方式，我们既然是讲量化投资行业人才的需求以及金融学科的建设，我拿自己做个例子，我算是量化投资行业的老兵，同时我也算是中国最早开始接受一些金融工程方面的教育以后，到国外学了一些方面的教育，逐渐成长起来。
有一些成功的例子，有一些自己做的不好失败的地方。
后来又回到国内，一方面从事金融技术的开发，也做一些投资，同时自己在清华教金融工程，算是一直围绕这个行业，我把我自己这段时间的经历跟大家分享一下。
可能会有一些不同的启发，我想通过我自己的一些经历跟大家交流一下，金融工程到底我们需要什么样的人才。
第一个先自我介绍一下，可能大家有的人认识，还有的不太熟悉。
我最早是在清华大学，我本科不是学金融工程的，我是学生物医学工程，我所在的系叫电机系生物医学工程专业，所以我平时跟别人交流的时候都很尴尬，他们都问你是哪个学校毕业的，我说清华的，他们说不可能，没戴眼镜怎么可能是清华的。
他们说林博士你是南方人还是北方人，我说我典型是南方人。
他们说你这么高大怎么是南方人，肯定是北方人。
第三个，他们问你是学什么专业的，我说我是学生物医学工程的，哪个系？电机系。
电机系是生物医学工程的吗？三句话说完了大家就觉得我是一个骗子。
其实我通过自己的例子，我自己有点王婆卖瓜，相对来说在金融工程做出一点小小的成绩，我想金融工程需要什么样的人呢？复合型的人才。
每次跟人家说都特别不好意思，好像找不到工作一样，我有六个学位，我在清华拿三个学位，在宾夕法尼亚拿三个学位，我在清华四年拿两个学位，然后两年硕士提前毕业，到宾夕法尼亚念了四年拿两个硕士一个博士。
这个我在国内吹好像是很有意思，在国外不是。
一般念学位多，人家说念一个学位又没找到工作，又念一个学位又没找到工作。
但是金融工程是一个跨学科。
其实我在每个学科里学到的东西，对于我将来的工作都很有用。
比如我学的生物医学工程，我刚才跟清华的校友交流，他们马上懂的就反应了，做信号处理的吧。
所以做量化投资大家知道，时间序列分析，小波分析这些东西，对于别人来说挺难的，对我来说挺简单，老本行。
我原来是做心电处理的，一个一个的小波。
对我来说是很常见的事情，所以我用了很多。
后来我双学位是工业工程，大家可能不太熟悉，如果我说运筹学、优化。
所以我到美国第一份工作是投资组合优化。
所以对于我来说太简单了，我做几次的非线性的优化都会，二次的太简单了。
后来到美国做，跟我的导师。
做计算机仿真，做随即系统的仿真优化。
金融系统不就是个随机系统，做仿真要做计算机编程，我很喜欢。
最早参加清华一个项目叫“泰山工程”，做了一个计算机系统，然后给每个老教授，那种院士，带一个监控系统，万一心电没有了，马上向医院报警，整套系统都是我自己一个人写的。
到整个做金融工程的时候，发现不就是编程，我是很早学了java语言，java最早出来的时候我就用了。
所以通过我自己的经历，我觉得金融工程第一个需要很多复合型人才，第二个其实有一定的工科背景非常有利。
它叫金融工程。
前端时间我听了吴冲锋（音）教授说的，他说本科不要完全学金融工程，可以学一些理科、工程的专业，将来硕士或者博士的时候再做。
因为你有了很扎实的数理基础，将来做金融的时候会有非常好的收益。
到了美国以后，我的导师没评上终身教授，后来又去了另外一个学校。
他没评上我就得找工作了，本来我想在学校再待两年，因为大家知道博士最后两年非常舒服，我没轮上，他调走了我就赶紧找工作了。
我问我的老师，我到时候怎么办呢，我找什么工作？当时完全不懂，一直在学校。
老师说了，你会数学吗？我会。
你会编程吗？我会。
你去华尔街找工作吧，我就去了。
找工作的时候，面试我什么也不懂，就去了。
把以前做的一些项目计划去展示。
老板看着就挺好，我大概面试了三天以后就拿到摩根斯坦利，就在美国总部。
我当时就傻了，心想我也没有那么优秀。
就问一个同事，他说你有一句话说对了，我说什么事？他说你是不是夸过一个我们这边的女领导。
他说你进去的时候，是不是见一个领导。
我想了想，当时是有一个领导进来，她的职务很小，就是小组长，当时那个女的一进来，我以为是高盛的副主席，这个人这么高，我就夸了他一句，我说你这么年轻就升到了副主席，那个女的就笑成花了，就说这个人就招了。
所以刚才我跟很多同事谈，我就突然的灵感，其实做金融最主要是口语跟人的交流非常重要，后面受益非常多。
其实金融工程是什么？把很多非常复杂的金融衍生品变成我们老百姓可以投资的东西。
把那几十个参数的模型变成非常简单的价格买卖。
你怎么样能够把风险，把这些东西解释清楚？所以我们很多时候老师都说，我培养这些研究生，培养这些人，我需要他们，到底有多少的数学功底或者其他的东西。
我告诉老师，如果你给他一个数学公式，他不能用通俗的话或者人类的语言解释清楚，白搭，基本上没有用。
他跟老太太说Ω是多少，这个是多少，没有用你跟他解释他不会投资的，你必须要有这个技能将非常复杂的金融程式解释清楚，你能够搭一个桥梁。
所以我们在培养学生的时候，应该不仅是培养他们对于数学的知识，而且他们要把这些东西用常人的语言解释出来。
在我的班上是不考试的，我是让他们上来做PPT，你把今天讲的课给我用通俗的话讲清楚，我请我们社科系其他的老师来，让他们听你们的课。
如果那些搞艺术的，那些搞哲学的人，听懂了你说的是什么东西，回来跟我讲，基本上跟逻辑是一致的，100分。
如果你说不清楚这些事，基本上就没有搞清楚这些问题。
所以在金融工程里面，实际上对于概念深刻的理解非常重要。
其实这个东西说起来简单非常难。
如果你要想把一个非常复杂的问题非常简单的说出来是非常不容易的。
你有一部复杂的手机买给你妈妈，或者80岁的老太太，你想跟他说清楚微信是怎么用的，你是有水平的，不是很容易的。
我经常在培训班讲这个0的例子，说有一个同学来到一个学校，假设是富二代，假设是F4的花泽类来了，说把老师的水平都拿出来，我看看水平怎么样。
在黑板上写了一个0，把英语老师叫进来，英语老师一看是O，化学老师进来说是氧，如果把数学老师叫进来，说这是0，音乐老师说这是全音符，把金融老师进进来，金融老师傻眼了，说对不起，告诉我这个上下文是怎么回事，这可能是零利率，可能是零收益，可能是零风险，你不告诉我上下文，我不知道。
所以金融工程要学的是一个概念。
其实很多复杂的公式背后有它实际的意义，它是一门实践的课程，从实践中总结经验，总结出模型再用到实践，如果时间和它的理论脱节了，这没有意义。
所以其实要说的第三点，金融工程要做大量的实践。
我在美国摩根史丹利每年都会带一些实习生，各个学生来一些实习生，他们其实做的非常好，来了以后马上在上课之前就安排了项目。
他们可以通过这些项目激发学生学习的热情。
在清华，我觉得很痛苦。
有时候我教学生听，学生听完了不知道怎么用。
但在美国，有时候跟我交流说，林博士我跟你学了这个东西以后，回去上课特别有热情。
为什么？我发现这个也挣钱，这个也挣钱，老师在课堂上讲的每一个东西，都和我实际操作息息相关。
而且我还发现，老师讲的一些东西，不符合实际。
学生实际过程中可以了解到很多的细节，所以我觉得这个方面非常的重要。
另外在国外做金融工程还有一点，也是我在工作中体会的，我们刚才吃饭很多同事聊，发现大家都有这个层面的共鸣，对于数据的敬畏。
我们在做金融工程不管做什么样的模型，如果数错了，就是垃圾进来垃圾出去。
如果你不能真正把很多数据处理好，没有办法建模型，模型是干什么的？是当你数据不全的时候进行差值的。
如果你不能真正的把数据处理好，基本上你的模型是错的。
刚才圆桌会议我就说了，我很多清华的同学，本科四年清华的，进来以后，我说你做一个前复权或者后复权不会做，还有的说我做后复权的时候价钱变富了。
基本的常识不知道，所以对于数据处理的能够非常重要。
我跟摩根史丹利进去两年，也吹牛了自己是名牌学校的博士，就做两年的数据分析，在中国可能是大学生做的事情，但这些东西对于量化投资是非常关键的。
没有基础的能力是不行的。
刚才说太注意细节的话，这个人可能精神分裂，这个不精神分裂做不出这样的结果。
所以第三个要说的事情就是培养同学另外一个技能，数据处理的技能，这个东西是非常关键的，有编程的技能，数据处理的技能，同时有一定跨专业的能力，最后结合实践，进行各种各样投资的尝试，只有这样的专业，才能够真正的培养出优秀的金融工程的人才。
所以只要国泰安提出了六大实验室，这也不是我们凭空想的，是结合了我们很多设计人员自己实际的经验做出来的东西。
他会知道真正的金融工程的专业需要什么样的人才，只有培养出这样的人才，才能够真正适应市场。
能够真正的做到产学研结合。
他能够有理论学习，他同时能够研究，同时又能把研究付诸于实践。
所以这个方面其实非常的重要。