Alok 谈 Jane Street 的量化研究

原标题Alok on Quantitative Research at Jane Street

一位研究员介绍研究项目、有用的数学背景,以及应聘者如何准备面试。

AlAlok讲者 · Jane Street
频道
Jane Street
发布
2024年5月31日
视频
3:11
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 纽约办公室研究员 Alok 介绍了研究人员从事的数据分析、工具开发和理论问题。他讨论了如何在工作中学习金融知识、追随个人研究兴趣,以及通过概率、博弈论和解决问题的练习准备面试。

  1. 1不要求博士学位Alok 说他没有博士学位,研究人员可以在工作中学习。
  2. 2从数据到策略研究可能涉及构建数据集、发现规律、训练模型和考虑交易执行。
  3. 3追随自己的兴趣他鼓励有志从事研究的人探索自己喜欢的问题,并在工作中学习金融知识。
  4. 4准备面试复习概率和基础博弈论很有帮助;面试通常侧重解决问题的能力。

要点建议

  1. Alok 所描述的研究岗位不要求博士学位。
  2. 研究项目包括数据分析、策略开发、共享工具和理论问题。
  3. 许多研究人员在工作中学习金融和自营交易知识。
  4. 概率和离散数学普遍有用,其他学科的重要性取决于岗位。
  5. 研究岗位面试重视解决问题的能力,而非已有金融知识。
全文

按章节阅读整理后的全文

只看原始文稿
01

研究背景

Alok 介绍了自己加入 Jane Street 的经历,并表示博士学位并非必需。他强调在工作中学习。

我是 Alok,2020 年加入 Jane Street 纽约办公室的研究部门。在这里做研究不需要博士学位:我没有博士学位,我认为公司的大多数研究人员也没有。对学术界和量化研究感兴趣的人往往喜欢类似的问题,但你可以在工作中学习。

02

研究人员的工作

项目包括数据分析、策略开发、共享工具和理论问题。

研究工作的一大类是数据分析。这可能包括制定策略的整个过程:构建数据集、寻找规律、训练模型,并仔细思考如何执行一笔可能盈利的交易。

研究人员也会开发工具。有人可能发现多处都在解决同一个普遍问题,于是为整个公司创建一个共享版本。另一类项目涉及理论问题:面对复杂问题并找到合理的解决方法。

03

准备与面试

Alok 鼓励人们追求自己的兴趣。他介绍了有用的数学基础,以及面试对解决问题能力的重视。

加入公司之前,可以研究自己感兴趣的问题。许多研究人员入职时对自营交易或金融领域知之甚少,其中很多知识是在工作中学到的。提前开展研究对自己的学习和好奇心很有价值。

大家的兴趣各不相同。我自己的研究包括信息论,以及机器学习在临床中的应用。概率和离散数学是几乎每位研究人员都有用的背景知识;除此之外,最有用的学科取决于你的专长和岗位。

我发现优化和机器学习特别有价值。对其他人来说,深度学习、理论统计或其他主题可能更相关。准备研究岗位面试时,复习概率和基础博弈论会很有帮助。

面试中我们通常寻找的是解决问题的能力,而不是已有的金融或自营交易领域知识,因此一般不会考查这些背景。

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