想在交易行业中做一个优秀的Quant，编程水平可能会在两个方面制约你的发展。至少，在我这个计算机科班出身的人看来，这是非常明显的问题。你知道，每当我看到新来的编程小白Quant，
一定要很真诚地告诉他，只有找到那个命中注定的编程师傅，才能成为一名真正的Quant。
好了，故事开场前，最后说明一点。以下仅针对交易行业。卖方的衍生品定价和风控等我不熟悉，不发表意见。
～～～～～～～～～～～～～～
一，性能不足
交易这一行是真真正正的大数据行业。一个交易所一天产生的数据轻松上几十GB无压力。如果你做跨交易所的交易，这个数字还要翻几番。想想在这样的情况下，一个月的数据量有多大，一年呢？这么大的数据量，如果你的编程功底不扎实，跑一次回测可能就要几个小时甚至几天，就算你有再好的想法，这么慢的反馈也足够把你的灵感扼杀在摇篮里了。
这还不是最糟的。更坏的可能是，你写出来的程序根本无法处理这么大的数据量，要么内存不够用，要么计算时间太长以至于根本无法操作。
必须说，这种情况，后果很严重。
举一个例子。有一次我有一个同事用Python写了一个分析程序，有一个bug产生严重的内存泄漏，导致回测的时候才跑几天的数据，程序就崩溃了。更糟的是算法写的比较复杂，他根本无从下手查出问题所在。问题交给我以后，我只做了一点很简单的改动，对每天的处理开一个单独的进程处理，结束的时候关闭进程就会释放所有内存，问题就解决了。很多时候这种问题对编程高手来说只是小事一桩，但对编程经验不足的人来说却是天大的难题。
另外，现在的确在不断涌现出新的大数据技术，让人们可以更方便快捷的做处理。但是那些还远未到能直接运用到交易数据分析上的程度。非常大的可能是，你需要去理解这些技术的工作原理，然后对你手里的交易数据做适当的转换，才能利用这些技术来分析数据。而这些都是和编程水平直接挂钩的。
二，信息受限
做Quant最重要的能力是发现数据中的规律。但如果你只能拿到二手数据，很多原始信息都被过滤掉了，而你连那些信息长什么样子都没见过，又怎么能去分析其中的规律呢？
这绝不是危言耸听，还是看实例。高频交易最好的数据是直接从交易所收下来的最原始的数据，这个数据包含所有订单操作（增，删，改，成交）的记录，是研究市场微结构的最佳选择。而这种数据的格式往往是特殊的二进制编码，而且要进行特定的重构，才能还原出交易的过程（增删改都是动作，需要作用在对应的数据结构上），没办法直接用数学软件做分析。
有一次，我的一个纯金融背景的Quant同事想要分析一些这样的数据，但他处理不了那种原始格式（Matlab显然是干不了这种事的），只好找我帮他。但我当时自己手里还有无数的任务在处理，没有太多时间，只能做最简单的处理，最后只把成交记录提取出来写成容易识别的格式给他。这样他拿到的数据里那些增删改的记录全都被过滤掉了，那他显然不可能去做任何关于这些记录的分析。
没错，对于一个Quant来说，当他受制于人的那一刻，就已经注定了是一场悲剧。
同样的事情，如果是我自己会怎么做呢？内嵌Java虚拟机进Mathematica或者R，底层解码用Scala，直接在程序内转成容易处理的数据结构，Mathematica/R建模，作图，方案确定以后直接把Scala程序传到云服务器上跑回测。整个流程可以一气呵成，不需要麻烦任何人，更重要的是，我手里的信息是完全的，所以可以分析任何我感兴趣的数据。
事实上，很多时候，秘密就隐藏在这些最原始的数据里。
～～～～～～～～～～～～～～
上面说了这么多，是不是意味着必须像计算机系同学一样，从头苦学所有计算机专业课呢？
当然不是。计算机专业的很多技能，像是操作系统，网络通信，编译器，多线程之类，都跟Quant的工作没什么关系，如果你对那些不熟悉，不用怕。
但是基本的数据结构和算法，是应该扎实掌握的。你应该知道数组，链表，哈希表这些数据结构的原理和区别，能够自己实现一些基本的搜索，排序算法，这会帮助你能正确的估算程序运行时间和需要的内存等资源，出现性能瓶颈的时候也可以自己分析。
对一些进程间通信的方式，比如文件，socket，或者共享内存，应该有基本的理解，这会让你能够组合不同的工具（比如Excel和C++）来实现复杂的功能，很多时候这些小组合会让你事半功倍。
有的同学希望推荐一些这方面的入门书籍，我思来想去，还是决定推荐这本经典的《Introduction to Algorithms》和《Computer Systems - A Programmer’s Perspective》。我承认这两本大部头看起来有一些难度，但是，
请大家努力学（hui）习（dao）。即使你只是简单的通读一遍，相信也会受益匪浅。
对编程语言也要多了解一些，特别是如果你没听说过函数式语言（Functional programming），最好去学一下。这对Quant工作是有极大帮助的。
问题中提到的那几样C++功能，class/iostream/reference都是最基本的概念，只掌握这些是远远不够的。不过我也不建议一开始就拿C++试刀，就算是计算机科班出身，也没几个人能真正精通C++，做Quant又何必和自己过不去呢？去学一下Python或者Scala吧，这些比C++友好的多。对于Quant来说，他们才是传说中你等的那个人。
～～～～～～～～～～～～～～
最后说说那些trader为什么会说不需要太高深的编程水平。很简单，公司招人是需要你产出的，招你进来的时候编程水平是什么样他们心里有数，自然不会要求你做力所不及的事情。如果你满足于一直给别人打下手，只去做别人安排好的工作，出了问题找IT部门（如果有的话）解决，那保持现状也是可以的。
只是这样显然很难成为一名优秀的Quant。
走上Quant这条路，要有不断学习新技能的觉悟。像我们这些计算机出身的人，也要去补之前没学过的数学和金融。大家的背景不同，起点优势不同，但是努力的方向是一致的。
只有打通任督二脉的那一天，你才会成为真正的英雄。
到那时，你才不会再被代码困扰，只因为你心中已然无码。
若上天再给你一次机会面对那个意中人，
请记得告诉她：
只是因为在人群中多看了你一眼
再也没能忘掉你容颜
祝你幸福。
(全剧终）
～～～～～～～～～～～～～～
注：
有人问到我提到的分析软件组合。Mathematica, R, Java/Scala这三者可以任两者组合互通，我有时甚至三者连起来用。参考资料请看：
J/Link User Guide
rJava - Low-level R to Java interface
Rengine
这当然不是唯一的技术栈。此间精髓仅在于灵活运用计算机知识进行组合搭配，打造最适合自己需要的终极大杀器。
