Matt 谈 Jane Street 的机器学习与交易

原标题Matt on Machine Learning and Trading at Jane Street

一位香港股票交易员介绍金融数据带来的挑战、公司的机器学习岗位及协作文化。

MaMatt讲者 · Jane Street
频道
Jane Street
发布
2024年7月18日
视频
2:46
阅读
2 分钟
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

Jane Street 香港股票交易团队的交易员 Matt 讨论如何将机器学习应用于金融数据,以及处理这些数据所需的基础设施。他还介绍了交易员、研究员和开发者之间的协作,以及机器学习工程和研究岗位的区别。

  1. 1办公室较小,接触面更广Matt 说,规模较小的香港办公室让员工接触不同领域,也往往有更多机会承担责任。
  2. 2金融数据带来不同问题金融数据通常比其他类型的数据噪声更大,而且数量庞大。Jane Street 使用 Python 和 OCaml 构建了处理这些数据的基础设施。
  3. 3不同岗位协作Matt 与研究员和开发者坐在一起,同事们经常聚在某人的桌前讨论研究。
  4. 4两种机器学习岗位机器学习工程师构建基础设施和工具;机器学习研究员使用这些工具开展研究。Matt 说,公司对有机器学习经验的候选人感兴趣。

要点建议

  1. 规模较小的香港办公室能让员工接触不同领域,并有机会承担责任。
  2. 金融数据通常噪声较多、数量庞大,需要适合其特点的技术和基础设施。
  3. Jane Street 的研究基础设施大量使用 Python,也使用 OCaml。
  4. 交易员、研究员和开发者密切合作开展研究。
  5. 机器学习工程侧重基础设施和工具,机器学习研究则侧重用这些工具开展研究。
全文

按章节阅读整理后的全文

只看原始文稿
01

从纽约到香港

Matt 介绍自己的交易工作和搬到香港的经历。他珍视规模较小的办公室带来的广泛接触和承担责任的机会。

我是 Matt,在香港股票交易团队担任交易员。我于 2012 年在纽约入职,几年后搬到香港。Jane Street 创立于纽约,所以纽约办公室大得多;在香港,我能接触更多不同领域,通常也有更多机会承担责任,这让我很兴奋。

02

金融数据上的机器学习

Matt 解释了噪声较大、数量庞大的金融数据如何影响工作和所需工具。他介绍了公司不断扩大的机器学习业务。

在 Jane Street 做机器学习,与在一些大型科技公司做机器学习,主要区别在于面对的问题类型。我们关注的是金融数据,而不是语言数据等。金融数据有不同的特点:它的噪声通常更大,因此使用的技术也有所不同。

金融数据的数量也非常庞大,因此我们需要大量工具来处理。我们为此建立了良好的基础设施。研究基础设施大多使用 Python,不过我们也大量使用 OCaml。

我们很期待进一步发展机器学习业务,并在全球扩充团队。现在加入是个令人兴奋的机会,因为这是我们增长最快的领域之一。

03

协作与机器学习职业

交易员、研究员和开发者一起工作。Matt 概述了工程和研究两条岗位路线,并解释自己喜欢这份工作的原因。

Jane Street 有协作文化。不同团队的人坐在一起:我是交易员,但我和研究员、开发者坐在一起,共同工作。经常可以看到几个人聚在某位同事的桌前,讨论有趣的研究。

我们欢迎各种背景的候选人,但对于机器学习岗位,我们尤其希望候选人有一些相关经验。我们有两条路线:机器学习工程侧重基础设施和工具的构建,机器学习研究则侧重使用这些工具开展研究。

我最喜欢的可能是这里的同事。我也觉得我们研究的问题很有趣。有时周末我也会继续思考这些工作问题,并不是因为有人要求我这样做,而是因为我对此感兴趣。

同频道的其他文章

1:48:29EN → 简体中文
JSJane Street· 2026年10月16日AI 如何改变编程:John Krazit 与 Ron Minsky 的对话Ron Minsky, John Krazit · Jane StreetJane Street 的 AI 工具负责人和 Signals and Threads 主持人探讨智能体基础设施、安全、代码审查,以及软件开发体验的变化。编程智能体Developer productivity评估+2
1:36:37EN → 简体中文
JSJane Street· 2026年9月23日Aaron Bauer:在 AI 时代教授软件工程Ron Minsky, Aaron Bauer · Jane Street当模型能够生成代码时,学习目标、主动练习和编辑器设计如何影响工程教育。AI in EducationSoftware engineeringEducation+2
9 张幻灯片1:05:45EN → 简体中文
JSJane Street· 2026年9月11日Cyrus Omar:实时编程与人与 AI 共享的计算公共空间Cyrus Omar通过 Hazel 演示,探讨即时反馈、结构化协作和精细权限如何帮助人类与 AI 智能体共同工作。Programming LanguagesHuman-AI Collaboration开发流程与测试+2
1:25:00EN → 简体中文
JSJane Street· 2026年9月2日Eric Mannes:如何将杂乱的外部数据用于交易研究Ron, Eric Mannes · Jane Street从商品期货和 Excel 风险系统,到时点数据集和 AI,Eric Mannes 解释 Jane Street 数据工程背后的领域知识。Data quality & curation开发流程与测试Investing+2
7 张幻灯片1:16:29EN → 简体中文
JSJane Street· 2026年8月26日Grant Sanderson 与 Alok Puranik:从群论看位置编码Grant Sanderson, Alok Puranik · 3Blue1Brown从注意力机制的假设出发,他们推导矩阵指数,并将旋转、衰减和 Jordan 块与 RoPE、ALiBi 联系起来。Transformers & attentionMathematics机器学习基础+1
27:39EN → 简体中文
JSJane Street· 2026年8月21日3Blue1Brown 与 Jane Street 谈交易、机器学习和文化Grant Sanderson, Nitya, In Young, Craig, Alok · 3Blue1BrownGrant Sanderson 与 Jane Street 的同事讨论做市、共享算力、研究,以及他们加入公司的不同经历。Machine LearningFintechCompany Culture+2