A股市场在2024年逐渐出现新的运行特征，这不禁让部分主动投资的私募巨头公司重新登上招聘舞台。

但这一次，他们的招聘方向出现了新的变动。

有些机构有意识的为公司投研团队招聘“衔接”岗，有些则把重点放在了投研动作的交易层。

但这都不如上海一家大型私募机构来的“极致”，该机构在招聘投研人员的时候，附上了一个专业的“先行条件”：

金融专业毕业生“免进”。

这是为什么?

背后又是怎样的资管机构动向？

招聘交易岗位

暌违已久的主动私募投研岗位，日前出现浮出水面。

日前，上海一家大型私募机构L（后简称L机构），在招聘平台上刊登了一则公告，招聘“交易助理”岗。

虽为“交易助理”，但实际上的职能却更像是“交易员”。

招聘公告载明，该岗位的职能是：

1、执行基金经理下达的交易指令，及时将交易指令执行情况和市场变动信息向相关基金经理反馈;

2、执行当中根据交易执行情况和市场分析判断，及时反馈市场信息，提出合理化操作建议，如实记录当天交易情况:

3、完成盘后交易数据的分析、整理和汇总，统计产品的净值。

面向非丰富经验者？

不过，该公司对相关职位的资格要求就太出乎人意料了。

首先，它明确约定，上述职位面向的人群为“一年以下工作经验的申请者”。

这几乎约等于面向应届生和很少工作的经验者。

另一项任职要求就更特别了。

“全日制硕士学历，有海外留学教育经历，理工科专业（注暂不需要金融专业）”。

通常，投资机构面向招聘者的要求都是“XX专业优先”，但如这家大型私募机构所说，“金融专业暂不需要”的要求实在是很罕见了

为何作此规定？

记者向业内机构进行了问询，得到的答案也比较有趣。

一些业内机构认为，之所以交易部门希望（只）招聘理工背景的人才，可能与相关私募机构对交易岗位的要求较高所致。

一些接近该机构的业内人士表示：需要理工背景人才，或许表明这家机构对应聘者的数字敏感度要求更高，而且更偏人工下单，而非程序化交易。

而主观型私募“刻意”表态暂时不需要金融专业人士，或许说明交易岗位开始探索精细化运作，也就是借助理工背景人士优化交易流程，也是“降本增效”之体现。

严格程度比肩量化机构？

实际上，上述交易员的招聘需求，甚至比部分量化大厂的要求还要“严格”。

以上海一家百亿量化私募为例，该机构目前也在物色一名交易员。

该量化机构对交易员的专业要求表述为：“金融工程、数学、统计、计算机等相关专业硕士及以上学历，具备一定的编程能力等。”

这家量化机构还要求候选人“有快速的反应力，对数字的敏感性，较强的风险意识，以及优秀的多任务处理能力。”

这么一比较，上述主观私募巨头的要求，或许已经接近量化机构了。

人员需求在“升级”

L机构针对特定岗位暂时“排除”金融专业，侧面反映了这个专业需求度或面临变化。

随着竞争激烈，各家私募大厂对交易员工的要求越来越严格。

比如，有家量化大厂明确要求交易员要“及时向主管反馈市场重要信息，提出投资交易建议”。

还有更苛刻的要求，比如，交易岗必须“具有一定的自主交易能力，并在交易环节创造效益。”

一些业内人士认为，对于投资二级市场的主观私募来说，金融专业学生的竞争力或许体现在对相关知识的熟悉，但在越来越多的量化交易工具使用后，擅长后者的理工科学生，可能开始有一些优势。

这可能是，过去数年里，金融工程专业的学生持续涌入诸多金融机构的原因。

量化交易特点

量化投资和传统的定性投资本质上来说是相同的，二者都是基于市场非有效或弱有效的理论基础。两者的区别在于量化投资管理是“定性思想的量化应用”，更加强调数据。量化交易具有以下几个方面的特点：

1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。

2、系统性。具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。

3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。

4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。

算法交易介绍

算法交易又称自动交易、黑盒交易或机器交易，是指通过设计算法，利用计算机程序发出交易指令的方法。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格，甚至包括最后需要成交的资产数量。

算法交易的主要类型有: (1) 被动型算法交易，也称结构型算法交易。该交易算法除利用历史数据估计交易模型的关键参数外，不会根据市场的状况主动选择交易时机和交易的数量，而是按照一个既定的交易方针进行交易。该策略的的核心是减少滑价（目标价与实际成交均价的差）。被动型算法交易最成熟，使用也最为广泛，如在国际市场上使用最多的成交加权平均价格（VWAP）、时间加权平均价格（TWAP）等都属于被动型算法交易。 (2) 主动型算法交易，也称机会型算法交易。这类交易算法根据市场的状况作出实时的决策，判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外，把关注的重点逐渐转向了价格趋势预测上。 (3) 综合型算法交易，该交易是前两者的结合。这类算法常见的方式是先把交易指令拆开，分布到若干个时间段内，每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达到单纯一种算法无法达到的效果。

算法交易的交易策略有三：一是降低交易费用。大单指令通常被拆分为若干个小单指令渐次进入市场。这个策略的成功程度可以通过比较同一时期的平均购买价格与成交量加权平均价来衡量。二是套利。典型的套利策略通常包含三四个金融资产，如根据外汇市场利率平价理论，国内债券的价格、以外币标价的债券价格、汇率现货及汇率远期合约价格之间将产生一定的关联，如果市场价格与该理论隐含的价格偏差较大，且超过其交易成本，则可以用四笔交易来确保无风险利润。股指期货的期限套利也可以用算法交易来完成。三是做市。做市包括在当前市场价格之上挂一个限价卖单或在当前价格之下挂一个限价买单，以便从买卖差价中获利。此外，还有更复杂的策略，如“基准点“算法被交易员用来模拟指数收益，而”嗅探器“算法被用来发现最动荡或最不稳定的市场。任何类型的模式识别或者预测模型都能用来启动算法交易。