学子风采 | 金融工程学会会长赵润泽：条件相同的情况下，绝对不会输

金融工程学会会长

社团

关于金工学会会长

竞选金工学会会长，是因为我在大一时在金工学会担任宣传工作。我几乎参与了每一次活动（宣传工作需要事后进行活动回顾，做推文让我能了解活动流程），这使我对金工学会的活动设置很感兴趣。这些活动，一方面为社员提供了学习和生活上的帮助，像很多的学科小班会教一些课堂上没有深入展开但对之后求学、实习都比较重要的课程；另一方面，在活动中我也收获了来自金工学会的友谊，所以就希望能和大家一起继续办社团。感谢前任会长游天学长的信任，让我有机会成长。

关于金工学会

日常工作就是策划活动，像去年我们举办的量化投资比赛，那是一场与校外量化企业协办的比赛，把理论跟实践结合。未来我们希望举办更多的能够联结校外企业与校内同学的活动，譬如讲座、比赛等，把这类比赛常态化，设置一些有难度梯度的比赛，让不同水平、不同年级的同学都可以参加。

专业

关于金融工程专业

我认为金融工程专业与传统金融学专业的区别在于实现手段不一样，但是二者的核心思路是一样的。金融工程应该算是一片蓝海，国内做量化还只是刚起步的阶段，是从2014、2015年才开始做。我校的金融工程专业分为量化金融与金融科技两个专业方向。据我了解，量化金融的学习领域更多是侧重于股票分析和交易，而金融科技则更注重后台的算法开发，例如蚂蚁金服这种业务。与传统金融学相比，量化会更偏重数学建模，因为它需要考虑大量的数学信息，而传统金融学则会更多地去看公司的基本面，比如公司的财务情况、管理情况以及股价情况等。

我的理解是，量化金融相当于用技术手段来实现交易员用人工实现的一些东西，比如可以通过技术手段选股，根据一些股票的k线形状，或者说根据一些技术面因子来决定要不要把它加入股票池。同时买卖也是通过技术手段（例如Excel）来做分析，用代码来实现买卖交易和一些计算。我在金融科技和量化金融中选择量化是因为量化更偏金融，它涉及的金融背景知识会更多，也会有一些前台的操作。我以后想从事相关的工作，所以选了这样的专业。

活动

关于商赛

我对待商赛的态度是积极参加、积极讨论，但遗憾的是每次在第一轮就被淘汰了。但是我认为，参加商赛这个过程本身就是一段很好的经历，因为商赛相当于是提供了一个实例，需要case by case分析。参赛者会运用到一些模型，例如PEST、SWOT、波特五力模型等等。这些商赛的竞争非常激烈，会促使参赛者在短时间内学会很多东西。

未来

关于研究助理

我现在在做唐晓莹老师的研究助理（Research Assistant），目前还在跟着老师手下的一个博士生阅读论文的阶段，之后会和这位博士生一起参与一些论文复现、开展研究课题的工作。唐晓莹老师的研究项目是联邦机器学习（Federated learning）。FL是机器学习的一个方向，具体的应用是在保护用户隐私、满足数据安全和政府法规的前提下，进行用户端数据回传和机器学习模型的训练。

举例来说，现在很多互联网公司可以根据消费者在微信的聊天内容、在浏览器的搜索内容等信息捕捉实时变化的用户需求、构建精确的用户画像，然后根据用户画像在淘宝、小红书等软件上精准投放广告，进行个性化推荐。但是随着隐私管控法案的进一步完善，公司不能随意采集终端的数据（或者说，公司只能选择上传受限制的、经过加工的数据回中心服务器训练模型），因此需要在终端进行训练或采用更高效的、用于模糊化加工数据的最优化算法。联邦机器学习的分布式终端会在本地运行这个算法，尽可能高效地传输、应用数据，在保护隐私的前提下构建一个尽可能精确且个体拟合偏差度不大的机器学习模型。

机器学习×量化金融是很有前景的！机器学习是一种技术手段，而量化金融是用这些技术手段来实现主观策略。机器学习是让机器去根据既往已知的数据来预测未来股价的走势，它可以在量化之中运用，主要应用在数据处理方面。我们如果通过机器学习学会了数据处理的工作，那么之后做量化工作就相当于降维打击，因为金融市场的数据处理比互联网的数据处理简单很多。而且，对于一些数理背景比较扎实的人来说，他们学习金融知识会相对容易一些，未来申研与求职的门槛都会降低。

空闲

关于爱好

我蛮喜欢《叛逆的鲁鲁修》，很喜欢它的画风，而且是在我最“中二”的年纪，给我看这种激战。我最喜欢的是《钢之炼金术师》，虽然它是一部很传统的热血番，但是关于家人的描写非常温馨，而且它的剧本和配乐也很棒，配乐曾一度成为我的单曲循环。

-END-

转载自香港中文大学（ 深圳）经管学院微信公众号

策划 | 梁雨烟

采访&文编 | 陈志琴

摄影 | 卢思语

美编 | 冯敬仪

编辑 | Claire

责编 | Flora

返回搜狐，查看更多