Machine learning in Business and Finance

اصولا هر سال من چند تا پروژه کوانت با دانشجوهای ارشد دانشگاه لانچ میکنم و امسال دوباره پروژه ما جایزه بهترین و تکنیکال‌ترین پروژه بیزینس اسکول و دانشکده ریاضی رو باهم گرفت، ☺️🎓 پروژه در واقع درباره رژیم دیتکشن روی کریپتو با مدلهای سیگنچر بود و ریاضیات و مباحث کدینگ سنگینی داشت، 📉🧮🖥️ این دانشجوی منم قبلا دکترا از چین داشت و اومده بود دوباره مستر کوانت فاینانس بگیره و الانم توی یه هج فاند توی چین کار پیدا کرده. 🇨🇳📚💼 برگردم به همون پست قبلی، اینجا هم دوباره یه مساله واقعی داشتیم که راه حلش قسمتی از پروداکت واقعی میشه، انالیز رفتار استراتژی در رژیم‌های مختلف و فرموله کردن اپدیت استراتژی برای تغییر رژیم‌های آینده ، 📊🔄 الان داریم یه پلتفرم برای دیتاهای میکرولول کریپتو بالا میاریم، 🚀📱 این پلتفرم باعث میشه دیتاهای خوبی از مارکت بتونیم انالیز کنیم، اگه علاقمند به این شکل ریسرچ‌های کوانت هستین (بهینه‌سازی استرتژی، دولوپ استراتژی، پرتفولیو سلکشن، میکرواستراکچر) و قبلا چند تا مساله mathematical finance رو حل کردین، در تماس باشیم 📩 @Sasanbarak

پروپوزال‌هایی که این چند ماه دریافت کردم، نمیدونم چرا کوانت دولوپرها به عنوان کوانت ریسرچر اپلای میکنن! 🤔📉 توی دنیای کوانت فایننس، این دو نقش همیشه کنار هم میان ولی ماهیت کارشون کاملاً متفاوته. اول یه تعریف بیسیک از این دوتا بگم: 🧐 🔬 کوانت ریسرچر (Quant Researcher) کارش پیدا کردن «آلفا»ست — یعنی همون سیگنالی که میشه ازش پول درآورد. 💰 وظایفش معمولاً اینهاست: • تحلیل داده‌های مالی و کشف الگوها و ناکارآمدی‌های بازار 📊 • طراحی و تست فرضیه‌های معاملاتی (hypothesis testing) 🧪 • ساخت و بک‌تست استراتژی‌ها و مدل‌های پیش‌بینی 📈 • کار با مدل‌های آماری، یادگیری ماشین و بهینه‌سازی پورتفولیو 🤖 • ارزیابی ریسک و سنجش پایداری سیگنال‌ها ⚖️ سوال اصلیش اینه: «چی کار می‌کنه؟» ❓ 🛠️ کوانت دولوپر (Quant Developer) کارش تبدیل ایده‌ی ریسرچر به یک سیستم واقعی، پایدار و سریعه. ⚡ وظایفش معمولاً اینهاست: • پیاده‌سازی استراتژی‌ها در محیط پروداکشن 🏗️ • ساخت زیرساخت معاملاتی: data pipeline، execution engine، سیستم مانیتورینگ 🔄 • بهینه‌سازی سرعت و کارایی (به‌خصوص در فرکانس بالا) 🚀 • اتصال به صرافی‌ها/بروکرها و APIها 🔌 • تضمین پایداری، تست و کیفیت کد ✅ سوال اصلیش اینه: «چطور درست و سریع کار کنه؟» ⏱️ ریسرچر بدون دولوپر، ایده‌اش روی کاغذ می‌مونه 📄. دولوپر بدون ریسرچر، سیستمی می‌سازه که چیزی برای اجرا نداره 🏚️. کدوم سخت‌تره؟! سختی ریسرچ خیلی خیلی بالاست! 📉📈 با مهارت‌هایی که AI داره بهتون میده، عملاً میتونی خیلی کارهای کوانت دولوپر رو هم انجام بدی 🤖، اما اصولاً دولوپرها از فضای کوانت ریسرچ دور هستن و اون یکی هم که فکر میکنه کار راحتی هست، اصولاً توی توهم هست 🌫️. در واقع تولید آلفا اونقدر نوآوری نیاز داره که حد نداره 🌌، اما سیستم منطقی ترید برای یه تیم متوسط یه کار خیلی روتین هست (نمیگم استک Jane Street بالا بیاد) 🏦. اما در کل موفق‌ترین تیم‌های کوانت جایی‌ان که این دو نقش به‌صورت بی‌نقص با هم کار می‌کنن 🤝. خوب حالا فکر کن یه دولوپر بهت پروپوزال جنریت آلفا میفرسته، چی میشه؟ 🤨 یه چیز کلی بدون عمق، پر از فضای شنیده‌ها! 🚫 خوب چیکار باید کرد؟ بعدا در موردش صحبت میکنیم ... @machinelearningnet2

سال ۲۰۲۶، تقریبا نصف کتاب‌های الکترونیک چاپ شده در امازون، با ai تولید شدن!؟ خدا قوت 😏 @machinelearningnet2