August 2013

目录

核心竞争力市场对优秀金融工程师的需求我们的与众不同之处······················数学······················编程······················量化投资量化投资简介核心课程······················课程提纲······················数学·································统计学·································随机控制·································蒙特卡洛与优化方法······················编程·································专业化的编程·································面向对象编程与设计模式·································算法分析与设计······················投资组合与风险管理·································资产投资组合量化管理·································算法交易策略引言·································风险管理易于理解的课程课堂反响终身学习团队成员

02

03

05

05

05

06

07

09

09

10

10

11

12

13

13

14

15

16

16

17

19

20

21

22

23

01

目录

02

核心竞争力

数学是将直觉或模糊的交易理念转换为定义良好的、有意义的符号表达式的过程。

编程是将数学符号转换为可执行的交易代码的过程。

良好的金融交易理念。

03

核心竞争力

市场对优秀金融工程师的需求

市场需要可将数学模型转换为有效计算机代码的人，但实际情况是，找到这样的人很困难。通常情况是，数学学者不能写出优雅的代码，程序员不能理解(高等的)数学。计算机语言是唯一可将人的理念转换为可用软件的工具。可以预见，真正的有价值的人才是那些既有创造性的想法，同时又可将这些想法落地实现的人。这类人在包括金融在内的很多领域里都是急需的。

就个人的经验来说，我一直在金融行业，确切的说是算法交易领域工作。这个领域是数学和计算机科学交汇的地方。作为算法交易员，我的工作是开发数学模型，将其转换为计算机程序并自动执行。同时我还带领着两个团队，一组是数学学者，研究并构建交易模型，另一组是计算机程序员，将数学模型落地实现。从这些年的经验来看，我发现在算法交易的行业里，找到完美的应聘者真是太困难了。

我的团队里有来自名校的、优秀的统计和数学学者，他们研究出色，可构建出复杂的数学模型。然而不幸的是，他们没有能力将这些模型转换为专业的计算机代码，需要依赖于编程人员将他们用Matlab / R 写成的算法原型转换至 C++/ C# / Java 等高级语言。另一方面，请程序员直接开发这些数学模型也是不切实际的，因为他们没受过系统的训练。总而言之，我的两难在于，数学家不懂“继承和接口”，程序员不懂“隐马尔科夫模型”。

很令我吃惊的是，在计算机已在业界(如金融、生物化学等)应用这么广泛的情况下，很多大学并没有给学生以很好的编程培养。在我看来，科技公司里，编程的技能就和用你的母语讲话一样重要。它是将理念和模型转换为其他人真正可用工具的利器。而学校中，正在开设的课程有诸多不足之处。

首先，编程课对很多学生，即便是理工科学生，也不是必修课。比如，在美国的某些高校，学统计的学生没修过计算机编程课也可以毕业。他们可能对 Matlab / R 很熟，但这些都不是真正的编程语言。而且在真实的工业的环境中，这些语言一般都不能直接应用。另外，在面向对象编程、调试技巧、软件工程、团队协作、新工具的熟悉和使用等多方面，学生也没有受过系统的教育。

04

市场对优秀金融工程师的需求

其次，计算机编程课程的教授、讲师们一般没有工业级的编程经验。就我自己而言，当我计算机博士毕业的时候，我自我感觉良好，觉得自己有多年的编程经验，可以称得上是个优秀的程序员了。然而结果证明这是非常幼稚的。在我的首份工作中，我发现自己对工业界的编程几乎一无所知！回头看，高校里讲授的编程水平基本上和我刚入职时的水平相仿，无论教授还是学生，多数人都没有真正推出过真正工业级产品。

因此，在技术驱动的现实世界中，真正优秀的人是那些既有创造性观点又可实现它们的人。可以预见的是，学校就会逐渐意识到，在实际工作中，好的编程技能就像好的沟通技巧一样，非常重要。我期待着高校课程向此方向发生变化：所有理工专业均强调编程的重要性。至少，所有的工科学生需精通一门现代编程语言。同等重要的是，这些编程课程需要请有实际工业界经验的教授来讲授，而非纸上谈兵。

总之，我们需要新的课程，来讲解数值化的编程方法。这个课程教给学生(而非仅是计算机专业的学生)如何将数学模型编程实现，如何优化提高。课程包括编程语言、软件工程方法、程序调试、算法设计与分析、高效执行与模式设计等多方面。

李克辛CEO, Numerical Method Incorporation Limited

05

市场对优秀金融工程师的需求

我们的与众不同之处

我们与传统的金融数学和金融工程的硕士培养不同。首先，对于金融数学或金融工程而言，即使想浅显地了解单个主题，例如期权定价、随机计算或数据分析等，也学要花很长时间(比如一个学期3个月)。然而事实上，学习这些专题，读一些经典书就可以了，而不需要去读一个带学位的项目。以我自己(Haksun)为例，我基本上是利用睡前的时间学习这些内容的，如Financial Calculus: An Introduction to Derivative Pricing by Baxter and Rennie，Introduction To Stochastic Calculus With Applications by Klebaner, 以及 Statistical Analysis of Financial Data in S-Plus by Carmona 等。这些书里的知识相对容易，自学即可。但同时，一些数学专业方面的主题非常有用，但自学起来很难。比如，如果你愿意挑战自我，可以试着学一下协整理论(不仅仅是使用R语言包“urca)，读一读Likelihood-Based Inference in Cointegrated Vector Autoregressive Models by Johansen 。或者解决一个带跳转的资产配置最优化问题，读一读Applied Stochastic Control of Jump Diffusions by Oksendal and Sulem。面对这些高难度的内容，我们设计课程的价值就可以体现出来了。我们的课程使这些难懂的数学概念易于理解，以帮助学员自己设计交易策略。更重要的是，我们课程的重点是教授数学的思维，即如何将交易理念转变成数学方程，而不是简单、机械地教一组公式或计算规则。

编程

数学

大多数的高校毕业学生即使参加了学校的编程课程学习，也未必有足够的实力进行专业化的编程。例如，一个学生认为自己会编程，但读了Scott Meyers的书之后可能就会重新审视自己了。学习一门自然语言并不仅仅是学习单词和语法，同样，学习一门编程语言(Java/C#/C++等)也不仅仅是学习constructs 和syntax。一个专业程序员写出的代码不仅需要在机器上可以运行，更重要的是能让人轻松理解。就像绘画一样，编写优雅的代码是一门艺术。糟糕的代码不仅让人无法判断程序是否正确，而且在实际交易中还可能带来数以百万美元的损失。有一些基本的技巧来帮助人们编写精良的代码，如调试、测试、软件设计、设计模式等，但是所有的这些基本的编程知识，如NetBeans中的F7/F8和Eclipse中的F5/F6，在大学课程中都很少提到。我们的课程教你从基本到高级的专业编程技能，帮助你做到编写稳定的、面向对象的、一致的、可测试的代码。

06

我们的与众不同之处

量化投资最后，传统的大学课程中一般主要关注期权定价，而我个人的观点是，由于2008年美国房产泡沫的破裂，“有毒的”衍生品业务已经是一个夕阳行业。资金已经逐渐从这些业务转移到了流动期权或普通期权( flow or vanilla options )管理的业务中。然而，流动性业务同时也是销售业务，对数学并没有很高的要求。Black-Scholes公式有多困难？它的确可能适合解决一些波动率曲面的问题，但是，利润实际来自愿意与你交易的客户，而这更需要的是销售工作。所以，雇佣一个22岁的来自南加州大学的拉拉队队长，或许比雇佣一个40岁的麻省理工的博士给你带来更高的利润。定量金融的未来是很难预料的，充满了不确定性。所有的金融从业人员都在努力寻找下一个新的方向和新的热点。但是我们相信，对财富管理的需求是不会消失的，那些先富起来的人，是不会放任把数十亿美元的资产放在床头枕着睡觉的。我们的课程不会去讲授任何现成的、有效的交易策略—没有人能保证自己的策略必然能持续赚钱；我们也不会教授任何快速致富的方案—或许只有骗子才会这么做。我们的课程，是研究经过严格学术检验的复杂的量化交易策略。我们从量化投资领域的经典文献中，学习掌握基本的数学知识，学习如何科学的思考，在实际操作中理解并使用它们，同时编程实现。我们课程的目标，是培养量化财富管理领域的全能专业人才。

07

我们的与众不同之处

量化投资简介

量化投资，是新兴的投资理念和方法体系。投资经理或交易者的量化投资组合观念，通常始于实践中的直觉或模糊的交易理念，利用数学工具，可以将这种直觉转变成交易模型，进而开展分析、测试和改进。如果能够利用统计检验证明量化投资模型是可盈利的，那么投资组合经理人就可以在计算机系统上实现该模型，并使其自动执行。量化投资，就是将交易思路变成数学模型，然后编码形成计算机程序来开展交易的过程。它是数学和计算机科学相互交叉和融合而产生的学科。

经过本门课程，学员将从前沿的学术文献中学习量化交易策略，学习这一新兴领域中的基础数学和IT知识。完成本课程的学习，学员将会对量化、计算和编程方面的技能有较为全面的了解。

课程内容共8次课程，每课3小时

学员背景建议

有相关量化投资经验者更佳接受过数学和统计学教育有编程经验者

课程适用学员

有意将自身的数学和统计优势应用于交易领域的投资人员寻求依托量化交易进行资产升值的资产管理人员和交易商寻求更好的理解定量分析本质的交易监管、管理和实施人员任何想成为量化投资专家的人员

量化投资简介

08

技术分析：线性交易规则Technical analysis: linear trading rules

隐马尔科夫链的编程实现、趋势跟踪策略的编程实现Programming a hidden Markov chain, a trend following strategy

构造“交易篮”Construct baskets for trading

协整模型的编程实现、交易篮构造、参数敏感性分析Programming a cointegration model; basket creation; parameter sensitivity analysis

最优交易篮构造Optimal basket trading

交易策略的编程实现、参数校准Programming a trading strategy; parameter calibration

投资组合优化&风险管理Portfolio optimization & risk management

投资组合优化的编程实现Programming to optimize a portfolio

1

实践

2

实践

3

实践

4

实践

编号 主题

量化投资简介

09

授课教师: 李克辛(Haksun Li)教授

李克辛教授是数值方法股份有限公司(Numerical Method Inc.)的执行总裁。数值方法股份有限公司是一家从事量化交易研究和分析咨询的跨国公司，致力于为世界各地的经济体和基金提供服务，拥有多个高净值的公司与个人客户。在此之前，李教授担任过纽约、伦敦、东京、新加坡和香港等地多家投资银行的量化交易员和量化分析师。李教授拥有芝加哥大学数学专业的理学学士学位、金融数学的硕士学位，安娜堡密歇根大学的计算机科学与工程专业的硕士和博士学位。李教授是多所大学的兼职教授，曾任教于新加坡国立大学(数学学院)，新加坡南洋理工大学(商学院)，复旦大学(经济学院)，以及香港科技大学(数学学院)等多所高校。

授课语言

英文

收费

现场课程 人民币 20000元网络课程 3200美元

预计课程时间

2013年9月-2013年10月

联系邮箱

sales@numericalmethod.com

地点

中国北京网络课程将同步推出

量化投资简介

10

核心课程

3个核心模块：数学、编程、投资组合与风险管理每个模块包括3门课程每门课程讲授12节课、持续3个月每门课程均包括理论和实践部分，每节课3小时。

数学 编程 投资组合与风险管理

统计

随机控制

蒙特卡洛方法与优化方法

专业编程 资产投资组合量化管理

面向对象编程与设计模式

算法设计与分析 风险管理

算法交易策略引言

课程提纲

11

核心课程

统计学

编号 主题

Basic statistics, distributions, hypothesis testing, maximum likelihood基础统计、概率分布、假设检验、最大似然

Linear regression线性回归

Univariate time series analysis, white noise, AR, MA, ARMA, ARIMA, and GARCH一元线性分析、白噪声、AR, MA, ARMA, ARIMA, GARCH模型

Kalman filter, dynamic system model卡尔曼滤波、动态系统模型

Multivariate time series and cointegration多元时间序列与协整

Longitudinal data analysis纵向数据分析

Measures (real analysis) and probability测度与概率

Brownian motion calculus, Ito's lemma布朗运动微积分、Ito引理

Calculus for martingales and semi-martingales鞅与半鞅

Extreme value theory极值理论

Markov chain马尔科夫链

Bootstrapping??

1

2

3

4

5

6

7

8

9

10

11

12

12

核心课程

-

数学

推荐阅读

All of Statistics: A Concise Course in Statistical Inference, Larry WassermanAll of Nonparametric Statistics, Larry WassermanStatistical Analysis of Financial Data in S-Plus, René CarmonaLikelihood-Based Inference in Cointegrated Vector Autoregressive Models, Søren JohansenIntroduction To Stochastic Calculus With Applications (3rd Edition), Fima C. KlebanerFinancial Calculus: An Introduction to Derivative Pricing, Martin Baxter, Andrew Rennie

123456

1 2 3 4 5 6

13

核心课程

-

数学

随机控制

编号 主题

1

2

3

4

5

6

7

8

9

10

11

12

ODE

PDE

Dynamic programming动态规划

The Hamilton-Jacobi-Bellman equationHamilton-Jacobi-Bellman等式

Problems with perfect and imperfect information完全与不完全信息问题

Discounted problems

Undiscounted problems

Stochastic jump and diffusion processes随机跳跃-扩散过程

Stochastic calculus for jump-diffusions跳跃-扩散的随机微积分计算

Stochastic dynamic programming随机动态规划

Computational stochastic control methods随机控制方法

Viscosity solutions of variational inequalities变分不等式的粘性解

14

核心课程

-

数学

推荐阅读

Finite Difference Methods in Financial Engineering: A Partial Differential Equation Approach, Daniel J. DuffyDynamic Programming & Optimal Control, Vol. I, Dimitri P. BertsekasDynamic Programming and Optimal Control, Vol. II, 4th Edition: Approximate Dynamic Programming, Dimitri P. BertsekasApplied Stochastic Processes and Control for Jump-Diffusions: Modeling, Analysis, and Computation, Floyd B. HansonApplied Stochastic Control of Jump Diffusions, Bernt Øksendal, Agnès Sulem

12345

1 2 3 4 5

15

核心课程

-

数学

蒙特卡洛与优化方法

编号 主题

1

2

3

4

5

6

7

8

9

10

11

12

Generate random numbers随机数的产生

Generate random processes随机过程的产生

Variance reduction techniques减小方差的技术

Quasi-Monte Carlo准蒙特卡洛

Discretization methods离散化方法

Estimating sensitivities敏感度估计

Sequential importance sampling and resampling顺序的重要性抽样与再抽样

Linear programming线性规划

Quadratic programming二次规划

Second-order conic programming半定规划

Mixed-Integer (non-)linear programming混合整数(非)线性规划

(Stochastic) linear quadratic regulator problems(随机)线性二次约束问题

16

核心课程

-

数学

推荐阅读

Monte Carlo Methods in Financial Engineering, Paul GlassermanPractical Optimization: Algorithms and Engineering Applications, Andreas Antoniou, Wu-Sheng LuConvex Optimization – Boyd and VandenbergheLectures on Modern Convex Optimization: Analysis, Algorithms, and Engineering Applications, Aharon Ben-Tal, Arkadi Nemirovski

1234

1 2 3 4

17

核心课程

-

数学

专业化的编程

1

2

3

4

5

6

7

8

9

10

11

12

“Hello World!”, IDE and debugging“Hello World!”, IDE 与调试

Language basics, classes and objects, interfaces and inheritance语言基础，类与对象，接口与继承

Using libraries库

Exceptions, I/O, concurrency异常，I/O，并发

Writing testable code编写可测代码

Data structures: list, stack, queue, set and map数据结构：list, stack, queue, set 和 map

Sorting and searching排序与搜索

API, interface, class library designAPI，接口，类库设计

Effective programming高效编程

Numerical programming数值编程

Web programming网络编程

Android programming安卓编程

编号 主题

18

核心课程

-

编程

推荐阅读

The Java Tutorialshttp://docs.oracle.com/javase/tutorial/

Data Structures and Algorithms Made Easy: Data Structure and Algorithmic Puzzles, Second Edition, Narasimha KarumanchiJava Concurrency in Practice, Brian Goetz, Tim Peierls, Joshua Bloch, Joseph Bowbeer, David Holmes, Doug LeaEffective Java (2nd Edition), Joshua BlochEffective Unit Testing: A guide for Java Developers, Lasse Koskela

1

234

1 2 3 4

19

核心课程

-

编程

面向对象编程与设计模式

1

2

3

4

5

6

7

8

9

10

11

12

编号 主题

Class design and objects类设计与对象

Interface, inheritance, composition接口、继承、组合

Introduction to design pattern设计模式简介

Creational patterns创建型设计模式

Structural patterns结构型设计模式

Behavioral patterns 1行为模式1

Behavioral patterns 2行为模式2

Introduction to trading systems交易系统简介

Trading strategy programming 1交易策略编程1

Trading strategy programming 2交易策略编程2

Backtesting 1回测1

Backtesting 2回测2

20

核心课程

-

编程

推荐阅读

The Object-Oriented Thought Process (4th Edition), Matt WeisfeldDesign Patterns: Elements of Reusable Object-Oriented Software, Erich Gamma, Richard Helm, Ralph Johnson, John VlissidesDesign Patterns Explained: A New Perspective on Object-Oriented Design (2nd Edition), Alan Shalloway, James R. Trott

12

3

1 2 3

21

核心课程

-

编程

算法分析与设计

1

2

3

4

5

6

7

8

9

10

11

12

编号 主题

Introduction to algorithm analysis算法分析简介

Divide-and-conquerDivide-and-conquer算法

Probabilistic analysis and randomized algorithms概率分析与随机算法

Dynamic programming动态规划

Greedy algorithms贪心算法

Amortized analysis平摊分析

Trees树

Graphs图

Number-theoretic algorithms数论算法

Approximation algorithms近似算法

Genetic algorithm theory基因算法理论

P and NPP与NP问题

22

核心课程

-

编程

推荐阅读

Introduction to Algorithms, Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford SteinIntroduction of the Theory of Complexity, Daniel Plerre Bovet, Plerlulgi Crescenzl, D. BovetThe Simple Genetic Algorithm: Foundations and Theory, Michael D. Vose

123

1 2 3

23

核心课程

-

编程

资产投资组合量化管理

1

2

3

4

5

6

7

8

9

10

11

12

Consensus expected, exceptional, residual returns and risk一致性预期、例外、残差收益与风险

Expected returns and valuation预期收益与评估

Information and forecasting信息与预测

Fundamental vs. economic factor models基本面和经济指标模型

Portfolio construction投资组合构建

Transaction cost, liquidity, neutrality, blacklist, market impact, tax and all that交易成本、流动性、市场中性、黑名单、市场效应、税收及其他

Performance analysis表现分析

Portfolio optimization using SOCP and global optimization methods基于SOCP与全局最优化方法的投资组合优化

Advanced portfolio optimization 1 (Bayesian approach, etc.)投资组合优化高级方法1(贝叶斯方法等)

Advanced portfolio optimization 2 (moment selection, etc.)投资组合优化高级方法2(时机选择等)

Universal portfolio通用投资组合

Estimation of covariance matrices协方差矩阵估计

编号 主题

24

核心课程

-

投资组合与风险管理

推荐阅读

Active Portfolio Management: A Quantitative Approach for Producing Superior Returns and Controlling Risk, Richard Grinold, Ronald KahnQuantitative Equity Portfolio Management: An Active Approach to Portfolio Construction and Management, Ludwig B Chincarini, Daehwan KimAdvances in Portfolio Construction and Implementation, Alan ScowcroftBayesian portfolio optimization with time-varying factor models, Feng Zhao

1

2

34

1 2 3 4

25

核心课程

-

投资组合与风险管理

算法交易策略引言

1

2

3

4

5

6

7

8

9

10

11

12

编号 主题

Overview of algorithmic trading算法策略综述

Hidden Markov trading model隐马尔科夫交易模型

Programming a hidden Markov chain隐马尔科夫编程

Pairs trading by cointegration基于协整的配对交易

Programming a cointegration model; parameter sensitivity analysis协整模型的编程实现；参数敏感性分析

Optimal pairs trading by stochastic control基于随机控制的最优配对交易

Pairs trading by stochastic spread method基于stochastic spread的配对交易

Programming a Kalman filter; parameter calibration卡尔曼滤波编程，参数校准

Technical analysis: linear trading rules技术分析：线性交易策略

Portfolio optimization投资组合优化

Strategy & portfolio optimization策略与投资组合优化

Risk management风险控制

26

核心课程

-

投资组合与风险管理

推荐阅读

Numerical Method’s Collection of Quantitative/Algorithmic Trading Literaturehttp://www.numericalmethod.com/trac/numericalmethod/wiki/Trading/Literature

学生项目

The quantitative trading strategies group projects for FE8827, 2011, Nanyang Technological University.http://numericalmethod.com/papers/course1/ntu2011/index.html

The quantitative trading strategies group projects for QF5205, Fall 2011, National University of Singapore.http://numericalmethod.com/papers/course1/nus2011/index.html

1

2

3

2 3

1

27

核心课程

-

投资组合与风险管理

风险管理

1

2

3

4

5

6

7

8

9

10

11

12

编号 主题

Risk overview: market, liquidity, credit, operational, and all that风险综述：市场、流动性、信用、操作和其他风险

Quantitative risk analysis量化风险分析

Value-at-Risk (VaR)VaR

VaR for linear portfolios线性组合的VaR分析

VaR for non-linear portfolios非线性组合的VaR分析

Forecasting volatilities and correlations预测波动性和相关性

Backtesting VaR modelsVaR模型回测

Building risk management systems构建风险管理系统

Basics of multivariate modeling, regression analysis, discriminant analysis多元建模、回归分析、判别分析基础

VaR using multivariate Normal distribution, non-Normal multivariate distributions, PCA基于多元正太分布、非正太分布、PCA的VaR分析

Extreme value theory (EVT)极值理论

Managing risk using EVT基于极值理论进行风险管理

28

核心课程

-

投资组合与风险管理

推荐阅读

Modelling Extremal Events: for Insurance and Finance, Paul Embrechts, Claudia Klüppelberg, Thomas Mikosch1

1

29

核心课程

-

投资组合与风险管理

易于理解的课程

数学学习过程中的最大问题是“难”，数学书似乎总是为专业人士准备的，而不想让有心学习的外行看懂。数学书里的严格证明会把符号背后所隐含的原理掩盖掉。与之对比的是，我们的课程使艰涩的概念易于理解，我们会舍弃过于晦涩的严格证明 ，使数学易于掌握。

30

易于理解的课程

课堂反响

The Hong Kong University of Science & Technology, 2013The National University of Singapore, 2012Nanyang Technological University, 2012The Hong Kong University of Science & Technology, 2012Nanyang Technological University, 2011复旦大学 (Fudan University), 2011

学生反馈“...Thank you for offering this course. This is the first time I see where mathematics, computer science and trading can be fit together that well.”

Paul

“...This is one of the most useful courses I have taken in this semester. “

sofdjl

“...I am new to trading and hence this course was a good refresher on the techniques and methodologies used by algo traders. I  learnt quite a lot from this course and I enjoyed the lectures as they were very interactive.”

Alex

“...This is so far the most useful course that I have attended in first year of the programme, out of 11 courses.”

Daniel

“...Doctor Haksun is pretty funny and (smart) obviously very good at what he does.  I am glad we get to meet. Thanks for the wonderful class and spending the last month with me.”

Simon

31

课堂反响

终身学习

学员可以在网络上观看我们的课程录像.

我们将邀请来自全世界的专家开设在线的附加讲座(有些讲座会免费向公众开放)，使学员掌握业界的最新进展。

32

终身学习

团队成员

Dr.Ng Kah Hwa 博士是上海 Quant Management Consulting 公司的 CEO、新加坡 Financial Engineering and Risk Management Solutions LLP (FEnRM) 公司的管理合伙人。他同时是上海交通大学金融工程研究中心的高级研究员。之前，他曾任DBS银行高级副总裁，负责金融工程、衍生工具及资产证劵化业务。他曾在摩根大通从事投资银行业务，在OCBC从事国债和外汇交易业务。Ng博士还曾是国际风险管理师协会(PRMIA)的理事会成员和Fitch Academic Advisory Board成员。

1999至2008年，Ng博士在新加坡国立大学商学院担任副教授，同时担任金融工程中心主任以及金融工程硕士课程主任。他也曾担任新加坡国立大学风险管理研究中心主任、数学系定量金融学学士项目的项目主任，并曾在南洋理工大学工作，担任银行和金融部门以及精算学和保险业部门的负责人。在新加坡国立大学和南洋理工大学，Ng博士都为本科生和研究生讲授过金融工程、金融学和银行学等课程。

Ng博士在金融风险管理，衍生工具以及结构性产品领域均有着丰富的经验。他还曾与众多知名的国债、投资银行和资本市场领域的金融机构合作。他有为金融机构和中央银行提供风险管理和结构性产品培训的经验，也是众多金融风险管理和量化投资管理公司的顾问。

Ng博士是纽约哥伦比亚大学金融学博士，东京 Sophia University 国际商课硕士，新加坡大学数学荣誉学士。

Dr. Ng Kah Hwa

33

团队成员

Daehwan Kim 于2000年获得哈佛经济学博士学位。 Kim 博士曾担任 FOLIOfn 公司的金融经济学家。FOLIOfn,Inc 是位于维也纳(弗吉尼亚州)专门从事投资组合交易的经纪公司。 Kim博士曾担任 First Private Investment Management 公司的高级投资组合经理。目前， Kim 博士是韩国 Konkuk 大学的经济学教授。目前他同时担任 First Private 公司的学术顾问和 Maunakai Capital Partners 公司的主管。 Kim 博士和旧金山大学 Ludwig Chincarini 教授一起出版过著作 Quantitative Equity Portfolio Management (New York: McGraw Hill, 2006) 。

Javed Ashraf

Dr. Daehwan Kim

Javed Ashraf 是 Strode's Capital 总裁。在此之前，他曾在某国际知名对冲基金担任信用相对价值评估领域(Credit relative value)定量研究的负责人。Javed还曾是瑞银(UBS)美国复合资产(US multi asset) 全球量化研究团队的负责人。Javed是芝加哥大学金融数学理科硕士，英国伦敦城市大学MBA，英国Salford 大学计算机与电子工程系工学学士。

34

团队成员

Dr. Ernie ChanErnie是 QTS Capital Management 公司的管理团队成员。自1997年以来，Ernie 曾在多家投资银行(Morgan Stanley, Credit Suisse, Maple) 和对冲基金 (Mapleridge, Millennium Partners, MANE) 工作。他获得了康奈尔大学的物理学博士，在加入金融业前是IBM人类语言技术小组的成员之一。他还曾是芝加哥EXP Capital Management公司的联合创始人和负责人。他的著作包括Quantitative Trading: How to Build Your Own Algorithmic Trading Business 和Algorithmic Trading: Winning Strategies and Their Rationale。

李克辛(Haksun Li)教授是数值方法股份有限公司(Numerical Method Inc.)的CEO。数值方法股份有限公司是一家从事量化交易研究和分析咨询的跨国公司，致力于为世界各地的经济体和基金提供服务，拥有多个高净值的公司与个人客户。在此之前，李教授担任过纽约、伦敦、东京、新加坡和香港等地多家投资银行的量化交易员和量化分析师。李教授拥有芝加哥大学数学专业的理学学士学位、金融数学的硕士学位，安娜堡密歇根大学的计算机科学与工程专业的硕士和博士学位。李教授是多所大学的兼职教授，曾任教于新加坡国立大学(数学学院)，新加坡南洋理工大学(商学院)，复旦大学(经济学院)，以及香港科技大学(数学学院)等多所高校。

Dr. Haksun Li

35

团队成员

Kevin Sun 博士是经验丰富的统计学家，专注于为金融领域提供统计与计算方法。Kevin 曾在一家知名投资银行担任量化分析师，创造了众多数学模型用于实际交易。Kevin 获得了新南威尔士大学数学系的本科和硕士学位、斯坦福大学的金融数学硕士和统计学博士学位。

Dr. Kevin Sun

Dr. Wei ZhenWei Zhen博士担任美林证券公司的银行(香港)的高级投资战略分析师，为世界上最大的资产管理公司提供宏观、基本面和量化投资策略。加入美林前，Zhen曾在野村证券(香港)和雷曼兄弟(亚洲)担任固定收益策略师，业务包括为亚太顾客提供跨资产品种的产品和策略。Zhen获得了斯坦福大学的金融数学硕士学位和统计学博士学位。他本科毕业于北大统计学系，并且辅修了计算机科学学位。

36

团队成员

Dr. Ken YiuKen Yiu博士是软件设计与体系结构专家。他是 SuanShu 和 AlgoQuant 的首席软件构架师。Ken曾工作于一家投资银行，带领一支团队设计并构造自动高频交易系统。Ken获得了香港科技大学的学士、硕士和计算机科学与技术的博士学位。

Ramesh KadambiRamesh Kadambi 是 Sumitomo Capital Markets 公司的副总裁和量化交易专家。Ramesh 从1994年起就在金融业的不同技术领域工作，他首先于 Cooper Neff Technologies 公司任数学程序员，随后先后就职于 BNP Paribas、纳斯达克交易所、UBS、Pipeline Trading、Citadel Securities等公司。一路走来，Ramesh 实现过包括从后台系统到高频/低延迟前台交易系统的多类系统。Ramesh 的兴趣包括设计模式、高频交易、GPU在高频交易中的应用、量化方法等多方面。Ramesh拥有金融数学的硕士学位(芝加哥大学)，计算机科学与机械工程硕士学位(维拉诺瓦大学)。

37

团队成员

Ding Hao博士是时间序列建模和预测领域的统计学者。他拥有清华大学数学系本科学位和香港中文大学金融工程博士学位。

Dr. Ding Hao

38

团队成员

by Numerical Method Incorporation Limited