Memoriae

1. 可以，现在不需要死磕一门编程语言，只需要了解软件工程和架构上的概念，也就是产品原型图、后端接口设计、数据库表结构、前端 UI 等 AI 没办法很好拍板的是你需要喂给 AI 的。
2. 比起编程语言和算法，可以看下软件工程与产品设计方面，尤其是前端 UI ，它的描述相对单纯的逻辑是比较困难的。
3. 主流模型大同小异，主要看提示词、ReACT 、自我验证、CI 测试、skills 、MCP 等封装优化，其中比较大的坑是上下文工程。
4. 重要的是开发前的工作：需求描述、功能如何实现、产品预期行为、CI 、技术栈选型、原型图，目的是限制模型的自我发挥，也就是只让模型专注于完成 coding 工作。

我认为写成伪代码或只设计函数，让模型只做型填空是最佳实践：即用户**用自然语言清晰表达一个程序如果运作原理**，当然我不清楚这算不算叫不写代码，还有后续 review 代码和人工测试，也是在和代码进行交互。

我今年才正式学开发，顺便贴下我从金融二级市场投资转行做了个机构级的风险平价投资组合回测工具

主要用 claude code + deepseek v4pro 开发的



> Balanced Portfolio 是基于桥水基金风险平价理论的投资组合管理与回测系统，包括中金所股指期货描述性统计和场外期权自动敲入敲出产品(autocallables)结构化产品定价功能，供广大投资者参考和交流学习。

项目仓库：github.com/hxlog/balanced-portfolio

Demo： https://xushilu.com

Demo 测试账户和密码都是 test1


大部分时间都是在写产品说明文档和做原型图还有 review 代码，前后做了不到两周时间，代码冗余不算多。

量化基金普遍推荐石川的《因子投资》，然后再看微软 qlib 的技术文档，只要学到 OLS 回归、因子筛选、多因子打分、组合优化、机器学习、barra 风险归因这些方法论即可，接下来就是投入黑洞般的时间和精力尝试去搭建这个工程。

curl url （ call 内置封装函数），和 RAG 一样，做文本解析、切片分块、语义检索，很多 agent 都有类似的插件，拆解子任务，自动调用函数，提取有效片段。解析 pdf 还要 OCR ，手搓难度很高。

The Dark Side of the Moon

实习最重要，二级市场里的交易员和 quant 基本上都是实习培养，然后筛选转正，很少有校招社招了。

首选百亿规模以上的量化私募，其次才到券商自营和公募。

把数据清洗、因子评估、特征工程、回测、训练，全策略开发流程跑一遍，相当于入门了，

不过量化也有很多种，不一定是主流的多因子中性对冲、T0 日内，门槛低点的基于统计和信息套利、做市。

> 考虑到从事金融相关行业之后，未来能够更好的“钱生钱”，也能避免未来资产贬值，计划往量化行业发展。

如果你认为“钱生钱”重要，那肯定是从事基本面研究、主观权益的方向更好啊，很多量化策略的资金容量有限，例如很多资金都去跑中证 1000 多因子，加上 IM 深贴水，赛道一旦拥挤，就会负 alpha 。

离线硬件钱包、多签钱包、挂 rustdesk 远程

自己看盘用：tradingview 、雪球、雅虎财经
量化用：米筐、聚宽、优矿
公司用：Wind>ifind>choice

金融从业人员来说下，玻璃这个品种虽然现在沉淀资金和持仓量“异常大”，但多空比在 0.8 附近，年底各地库存增加，价格走弱+外围波动，最近一个季度行情也没有特别异常的地方。

这种有明显基本面供需决定价格的品种是很难做到价格锚定的，通过对敲洗钱的滑点市场成本和操作风险都很高，而且现在远期期货升水也是在合理范围内，如果造成单一合约价格异常波动，很快会被套利套平。也许楼主观察到玻璃主连价格的时间序列（考虑时间差后）和外盘某种资产相关系数极高，但这在金融市场表现是很正常的。

让我想到另一个特殊群体的洗钱方法，小圈子交易进出口配额...

看需求，如果是商业用途，老老实实上车补票。