Kế hoạch tự học để trở thành một nhà phân tích định lượng

KẾ HOẠCH TỰ HỌC ĐỂ CÓ THỂ TRỞ THÀNH MỘT NHÀ PHÂN TÍCH ĐỊNH LƯỢNG

Nguồn: QuantStart

Tác giả: Mike

Dịch: Vnquant

Đây là phần 2 trong loạt bài 3 phần hướng dẫn cách tự học để có thể làm việc trong ngành tài chính định lượng. Chúng ta đã xem xét qua cách tự học để có thể trở thành một nhà phát triển định lượng. Trong bài này, chúng ta sẽ xem xét kế hoạch tự học để có thể trở thành một nhà phân tích định lượng/một kỹ sư tài chính.

Những nhà phân tích định lượng và kỹ sư tài chính dành thời gian của mình để xác định giá trị hợp lý của các sản phẩm phái sinh. Việc này đòi hỏi kiến thức sâu về lý thuyết toán: xác suất, lý thuyết độ đo, giải tích ngẫu nhiên và phương trình đạo hàm riêng. Do đó, để trở thành một nhà phân tích định lượng, ta cần phải có một nền tảng vững vàng về toán, thường thì việc có một bằng đại học về toán, vật lý hay kỹ thuật là phù hợp.

Tự học để trở thành một nhà phân tích định lượng không phải là nhiệm vụ đơn giản. Tùy thuộc vào nền tảng, năng lực cũng như thời gian biểu, bạn có thể mất khoảng từ 6 tháng đến 2 năm để nắm được các kiến thức cần thiết mới có thể nộp đơn vào một vị trí trong ngành. Tuy nhiên, phần thưởng bạn nhận được sẽ rất xứng đáng. Một môi trường trí tuệ đầy thử thách cùng với một mức lương hấp dẫn sẽ cung cấp động lực mạnh mẽ để học tập và trở thành một nhà phân tích định lượng.

Nền tảng toán

Hiện tại có rất nguồn tư liệu rõ ràng về lãnh vực tài chính định lượng. Và tôi cũng đã viết nhiều bài về những quyển sách nên đọc khi bắt đầu học tài chính định lượng nhưng trong bài này tôi sẽ cung cấp nhiều chi tiết hơn về việc lập một kế hoạch học tập chứ không chỉ là một danh sách sách cần đọc!

• Nếu bạn chưa biết về thị trường tài chính cũng như sản phẩm phái sinh, quyển sách đầu tiên bạn nên đọc là Options, Futures, and Other Derivatives của John Hull. Quyển sách này không bàn nhiều về toán, thay vào đó, nó tập trung vào các thị trường khác nhau và các sản phẩm như Hợp đồng tương lai, Quyền chọn, Hợp đồng hoán đổi và các công cụ phái sinh lãi suất. Bạn nên lần lượt đọc tất cả các chương trong quyển sách, đồng thời đọc thêm một ít về toán. Hãy cố gắng làm quen với các thị trường tương lai, thị trường quyền chọn, mô hình cây nhị thức, quá trình Wiener và mô hình Black-Scholes-Merton. Sau đó, bạn có thể đọc đến “Greeks” và độ biến động. Đây là một quyển sách thích hợp để đọc lúc rảnh rỗi, nhưng bạn sẽ cần đến những tài liệu nặng về toán hơn để có thể thật sự nắm được các cách định giá quyền chọn.
• Tiếp theo là The Concepts and Practice of Mathematical Finance của Mark Joshi, quyển sách này chứa hàm lượng kiến thức toán ngang với năm thứ 3 đại học. Bạn cần phải đọc và hiểu rõ từ chương 1 đến chương 7. Chương 6, Sự Trung Hòa Rủi Ro (Risk Neutrality), gần như là chương khó nhất. Sau đó, bạn sẽ nắm được cách định giá quyền chọn, cả trong lý thuyết lẫn thực tế. Chương 8 đến chương 12 tập trung vào các quyền-chọn-lai-tạp và quyền-chọn-thực-thi-sớm. Để có thể trở thành một nhà phân tích định lượng, bạn cần phải biết các khái niệm này, chúng cũng cho thấy cách áp dụng lý thuyết của chương 1 đến chương 7. Phần còn lại của cuốn sách tập trung vào các hợp đồng phái sinh lãi suất cũng như các mô hình nâng cao cho đường giá tài sản. Bạn nên hiểu rõ các phần cơ bản trước rồi mới đọc đến những phần này.
• Quyển sách tiếp theo là Financial Calculus: An Introduction to Derivative Pricing của Martin Baxter và Andrew Rennie, quyển sách này có thể đọc đồng thời với quyển sách trước. Chương 3 trình bày phương pháp định giá trung hòa rủi ro rất kỹ. Phần còn lại tập trung vào lãi suất và các mô hình nâng cao. Hãy chắc chắn là bạn hiểu rõ các phần cơ bản, đặc biệt là mô hình Black-Scholes, các kiểu quyền chọn khác nhau và các kỹ thuật định giá cũng như các phương pháp định giá thực tiễn như Monte Carlo, và cách chúng vận hành.

Các quyển sách này sẽ cung cấp kiến thức tương đổi đầy đủ để bạn có thể hiểu được việc định giá quyền chọn. Nếu bạn xác định mình sẽ là một nhà phân tích định lượng về các sản phẩm thu nhập cố định, rõ ràng bạn cần phải cực kỳ vững vàng về các công cụ phái sinh lãi suất cũng như các mô hình Heath-Jarrow-Morton (HJM) và Hull-White.

Nếu bạn thật sự muốn trở thành một chuyên gia về toán trong tài chính, như tốt nghiệp chương trình cao học hàng đầu về tài chính định lượng (Masters in Financial Engineering MFE) hay có bằng Tiến sỹ (PhD) Toán Tài Chính, bạn cần phải nắm sâu hơn về giải tích ngẫu nhiên. Steve Shreve có viết một bộ 2 tập sách trong cả hai trường hợp rời rạc (Stochastic Caculus for Finance I: The Binomial Asset Pricing Model) và liên tục (Stochastic Caculus for Finance II: Continous-Time Models). Đây là những quyển sách rất phức tạp, nếu chỉ dành một khoảng thời gian giới hạn để đọc, bạn sẽ nhận thấy kiến thức chúng mang đến rất sâu và thường thì thích hợp với các buổi phỏng vấn cho vị trí định lượng trong bộ phận front office.

Chuẩn bị cho việc nghiên cứu

Với một số người, việc nhận được một vị trí trong ngành tài chính không phải là mục tiêu của họ – có thể họ muốn theo đuổi việc nghiên cứu về một số chủ đề nào đó trong lãnh vực tài chính định lượng ở mức tiến sỹ hay sau tiến sỹ (post-doctoral). Những quyển sách sau đây sẽ cho họ một hiểu biết sâu sắc hơn về việc định giá quyền chọn cũng như các sản phẩm phái sinh khác. Những quyển sách này sẽ tập trung hơn vào từng phần riêng biệt như sản phẩm thu nhập cố định hay phái sinh tín dụng. Độc giả sẽ có thể nắm được lãnh vực nghiên cứu của mình một cách tương đối trước khi bắt đầu một nghiên cứu nào đó. Tôi sẽ cố gắng đưa ra một hướng dẫn rõ ràng, vững chắc về các lãnh vực riêng biệt này. Bằng các tài liệu tham khảo, độc giả có thể tự tìm hiểu thêm.

Nếu bạn chỉ muốn tìm một công việc trong ngành tài chính định lượng hoặc bạn chỉ muốn tìm hiểu ở mức độ khái quát, hãy bỏ qua phần này và xem tiếp phần Kỹ năng lập trình bên dưới.

Toán tài chính nâng cao

Toán tài chính nâng cao tập trung vào giải tích ngẫu nhiên và việc định giá trung hòa rủi ro. Đây là 2 lãnh vực nghiên cứu mở rộng trong toán học. Những quyển sách sau đây sẽ cho ta một nhận thức sâu sắc hơn về bản chất của tài chính định lượng.

• Quyển sách More Mathematical Finance của Mark Joshi, về cơ bản, là phần tiếp theo của quyển The Concepts and Practice of Mathematical Finance. Những phần đầu của quyển sách tập trung vào lý thuyết và thực hành của việc định giá các công cụ phái sinh tín dụng. Trong những phần sau, phương pháp Monte Carlo và các phương pháp định giá phức tạp hơn sẽ được đề cập. Nếu lãnh vực nghiên cứu của bạn có thể bao gồm việc lập trình thực tiễn, đây sẽ là một quyển sách thích hợp để đọc.
• Để hiểu sâu hơn về giải tích ngẫu nhiên, 2 quyển sách Brownian Motion an Stochastic Calculus của Karatzas và Shreve cũng như Stochastic Differential Equations của Oksendal sẽ là sự lựa chọn tốt. Cả 2 quyển sách này đều đào sâu vào lãnh vực này và đều rất cần thiết cho những ai bắt đầu nghiên cứu về giải tích ngẫu nhiên.

Các lãnh vực (Sản phẩm thu nhập cố định/Tín dụng)Nếu lãnh vực nghiên cứu của bạn thiên về một sản phẩm riêng biệt nào đó, đặc biệt là về các sản phẩm thu nhập cố định và tín dụng, bạn nên quan tâm đến những quyển sách sau:

• Cho việc mô hình lãi suất và cấu trúc kỳ hạn, quyển sách Interest Rate Models – Theory and Practice sẽ cung cấp nền tảng cần thiết để đọc quyển Term – Structure Models của Filipovic.
• Nếu lãnh vực nghiên cứu của bạn hướng về rủi ro tín dụng, bạn nên nghiên cứu 2 quyển sách sau Credit Risk Pricing Models và Modelling, Pricing, and Hedging Counterparty Credit Exposure.

Đáng tiếc là tôi không thể đánh giá tất cả các lãnh vực nghiên cứu thú vị trong tài chính định lượng, vì vậy ta sẽ dừng ở đây!

Kỹ năng lập trình

Mặc dù bạn sẽ không cần đến một nền tảng kiến thức lập trình to lớn như các nhà phát triển định lượng nhưng bạn vẫn cần phải có những kỹ năng lập trình vững vàng, đặc biệt là đối với ngôn ngữ lập trình C++.Là một kỹ sư tài chính, bạn sẽ dành 50% thời gian để lập trình và bổ sung các mô hình. Do đó bạn phải nắm được cú pháp, vấn đề và đã thực hành C++ (hay C#/Java). Bạn cũng phải cực kỳ thành thạo việc xây dựng một ứng dụng hướng đối tượng - dựa trên một thuật toán nào đó – có thể bảo trì, tái sử dụng cũng như tối ưu hóa. Đây là những kỹ năng rất khó học, trừ khi bạn thật sự bắt tay vào làm việc với các mô hình. Tuy nhiên, trước khi bàn về các thuật toán số, ta sẽ nói qua về cách học một ngôn ngữ hướng đối tượng, như C++, để có thể thực hiện tốt công việc của một nhà phân tích định lượng (và cũng để vượt qua cuộc phỏng vấn!).Bạn có thể tham khảo thêm trong phần về nhà phát triển định lượng.

• Để có thể phát triển ứng dụng về định lượng, cách tốt nhất để bắt đầu học C++ là đọc quyển Accelerated C++ của Andrew Koenig. Nếu bạn đã có kinh nghiệm về lập trình, quyển sách này sẽ cho bạn một cái nhìn sơ lược về một số phần đặc trưng của C++ như việc quản lý bộ nhớ, con trỏ/tham chiếu cũng như các phương pháp tiếp cận hướng đối tượng: tràn toán tử, tính kế thừa và tính đa hình. Nó cũng đề cập đến Thư viện mẫu chuẩn (STL).
• Một quyển sách khác bạn nên đọc là quyển Effective C++ của Scott Meyer. Nội dung quyển sách này gần như là một phần bắt buộc trong các bài phỏng vấn cho vị trí phân tích định lượng ngày nay, nó nói nhiều về những đặc tính của C++ và điều này sẽ cho thấy liệu bạn có chuyên tâm vào C++ hay không. Tốt nhất là nên đọc quyển sách này vài lần trước khi vào phỏng vấn.
• Sau khi bạn đã đọc 2 quyển sách trên, tôi khuyên bạn nên xem qua quyển sách của tôi, C++ for Quantitative Finance. Trong quyển sách này, tôi sẽ đưa ra một số kiến thức về C++ cấp trung và cách kết hợp chúng với kiến thức về mẫu thiết kế nhằm giải quyết một số vấn đề mà một nhà phân tích định lượng phải đối mặt. Quyển sách trang bị nhiều về phần ứng dụng thực tiễn hơn là lý thuyết mở rộng, bạn sẽ có nhiều thứ để trình bày trong buổi phỏng vấn của mình.

Nếu muốn đi sâu hơn, bạn có thể tham khảo thêm trong phần về nhà phát triển định lượng.

Phương pháp số

Trong lãnh vực kỹ thuật tài chính, đây luôn là phần yêu thích nhất của tôi. Hơn nữa, đây cũng là phần quan trọng nhất. Có nền tảng vững chắc về toán và giải tích ngẫu nhiên cũng chẳng giúp được gì nếu bạn không thể ứng dụng chúng vào thực tiễn định giá các sản phẩm phái sinh. Kiến thức phù hợp nhất cho phần này là kiến thức sau đại học về tính toán khoa học (scientific computing), một phần của chương trình Tiến sỹ tính toán/số học. Với những người không có nền tảng về phương pháp số, sẽ rất khó cho họ khi làm việc với khối kiến thức này.

Danh sách các quyển sách cần đọc:

• Trong khi giải tích và đại số tuyến tính là những môn học không thể thiếu trong chương trình toán đại học, đại số tuyến tính số (Numerical Linear Algebra - NLA) không được đề cập nhiều. Đây là hướng nghiên cứu về các thuật toán giải các phương trình ma trận (dạng Ax = b) và việc tối ưu hóa chúng. Đây là một phần cực kỳ quan trọng của tài chính định lượng, cho cả vị trí kỹ sư tài chính lẫn chuyên viên giao dịch định lượng. Bạn không cần phải nắm hết các thuật toán NLA, hãy đọc qua quyển Numerical Linear Algebra của Lloyd Trefethen một cách cẩn thận và bạn sẽ có một nền tảng vững chắc cho phần này. Một quyển sách khác là Numerical Recipes: The Art of Scientific Computing, viết về nhiều về thuật toán được sử dụng trong lãnh vực tài chính định lượng ngày nay, bao gồm các kỹ thuật Monte Carlo, NLA và Biến đổi Fourier nhanh. Lập trình các phương pháp này (bằng C++) sẽ giúp bạn hiểu được quá trình tính toán khoa học và giúp bạn trả lời các câu hỏi trong buổi phỏng vấn dễ dàng hơn.
• Phương pháp Monte Carlo là công cụ định giá được sử dụng nhiều nhất trong kỹ thuật tài chính ngày nay. Mặc dù gần như chắc chắn những người phỏng vấn sẽ không yêu cầu bạn trả lời một cách chi tiết về quá trình phát sinh ra các con số ngẫu nhiên, bạn cũng nên biết vê nó. Cách tốt nhất để bắt đầu nghiên cứu về Monte Carlo là đọc quyển sách C++ Design Patterns and Derivatives Pricing của Mark Joshi. Quyển sách bắt đầu bằng việc đưa ra quá trình phát sinh số ngẫu nhiên và định giá các quyền chọn cơ bản rồi đến các mô hình lãi suất và các mẫu thiết kế hữu ích. Nội dung tương tự như quyển C++ for Quantitative Finance của tôi. Sau khi đã hiểu cách lập trình định lượng trong quyển sách của Joshi, bạn có thể tìm hiểu Monte Carlo ở mức độ sâu hơn với quyển Monte Carlo Methods in Financial Engineering của Paul Glasserman.
• Phương pháp sai phân hữu hạn (FDM) không còn quan trọng như một vài năm trước nữa. Quyển sách Financial Instrument Pricing Using C++ giới thiệu khá rõ về việc định giá các công cụ phái sinh tài chính bằng FDM và đưa ra các chi tiết mở rộng về cách dùng STL trong tài chính. Nếu bạn xác định rằng mình sẽ làm việc trong với quyền chọn, vốn sử dụng FDM nhiều, đây sẽ là một quyển sách đáng đọc.

Bạn có thể giảm bớt khối lượng kiến thức phải đọc bằng cách bỏ qua các thuật toán không cần thiết. Tập trung vào NLA, Monte Carlo và một số phương pháp sai phân hữu hạn cũng như một số kỹ thuật chặt cụt (cutting edge). Hãy nhớ rằng bạn chỉ thật sự nắm được kỹ năng thông qua việc bắt tay vào lập trình các mô hình này, hãy cố gắng lập trình càng nhiều càng tốt.

---

Mời các bạn cùng vào nhóm để trao đổi, học hỏi, giao lưu