好不容易, CFA lvl 1的考試終於過去了. 這兩個多月, 每天回家的路上都拿著pad一頁又一頁的滑過; 三千多頁的書看過去, 大部分都是通識課程等級的知識, 不知道多久以後又會全部忘光? 考完的隔週, 每天回家不需要抱著書看的感覺一開始很美妙, 有一點點像是當兵放假出來的感覺, 但是也維持不了多久, 現在又消失了.
謝謝在臉書上和我說生日快樂的朋友們. 想要一起回, 結果一不留心就過了一個多月. 週一到五有工作的日常, 想找出時間整理寫個網誌, 真的變得困難許多. 以下和大家報告一下又過了一年有甚麼變化…
從去年十一月中開始, 我就跑去上班了. 一方面也是自己做trading遇到一些瓶頸, 另外一方面就是辦綠卡雖然是EB2 NIW還是要有個工作比較妥當. 當時找工作也不能說是很順利, 不過運氣不錯遇到Deutsche Bank有想要找有數理背景的人. 寫了份考卷, 講了幾通電話, 就讓我去了, 雖然只能先簽半年當external contracting role. 運氣不錯的是, 去到的group裡面老闆人很務實很直接容易溝通, group裡面其他的人也都滿友善的. 而且居然還有認識的人在同一個group, 這真的也是很巧…
在DB的工作主要是一些interest rate和credit derivative pricing或是risk modeling. 出去工作在我看來很大一個好處是可以知道這些big market player是用甚麼樣的model, 很多面向自己沒有遇到實際的問題是很難想像的到的. 這些model很多說實在也不是多厲害, 主要的課題是要能夠accommodate market price, 然後有一些主要的feature像是tranche waterfall payout structure, interest rate term structure還有funding cost要有考慮到.
除了financial modeling以外, 工作見識到的另外一項日常, 就是read/debug/update code. 我是第一次接觸一個團隊這樣的project, 20年下來累積的code超過百萬行, 我負責的部分會看過去的也有個幾萬行吧. 這才了解到為什麼需要search而不能一行一行看下去. 有時候工作半天抽身出來, 想起來會覺得有點在code海裡游泳的感覺. 不過有趣的是這讓我想起了從大學的經驗來看, 其實我很擅長(debug)這樣的工作, 但是這個能力我在研究所完全沒有用到!
最後一件見識到的事情, 就是辦公室間人與人的相處模式了. 很有趣的是, 這方面溝通不良的問題遠比想像的嚴重! 不知道是不是公司文化的問題, 感覺分工分得很細, 各個project也都有PM在掌握進度, 但是細微的分工反而導致很多人對於似乎不在自己分工之內的問題不夠關心, 從而浪費很多時間. 舉例來說好了, 我還在DB的時候有一個月主要都在幫忙他們的CCAR team做Net Interest Income (Nii)的projection. 這整個工作我覺得有10個人左右在做吧. 講起來其實工作本身概念很簡單, FED給出一些economic scenario, DB research的人會負責去用他們的模型算出每個scenario的LIBOR rates, 然後整個Nii要做的事應該就只是把利率乘上本金加一加就完了!
那麼問題是甚麼呢? 開頭是各個line of business的紀錄很凌亂, 而請他們提供資料時, 他們並沒有善盡data cleaning的責任. 資料的格式和我們後端用來計算的model有點關係, 但前端並沒有把資料完全整理成正確的格式, 很多欄位可能資料還是缺漏. 這說起來是個溝通的問題, 也許front desk對model需要的input定義等等不是那麼理解, 但是後端光看他們提供的資料有時候也無法判斷正確的資料應該是甚麼.
然後就是決定計算的model的人和實際上負責implement的team是不同的; 負責implementation的人並不了解model而只是負責實作; 但是決定model的人並沒有小心的提供完全正確的例子和算法. 而在我的group和CCAR team之間也有類似的問題: 對CCAR來說是明顯的, 但是當初幫他們implement prepay model的我們的group人並沒有意會到他們也必須對將來的生意做prediction所以會有一些loan origination date是在未來. 甚至因為要輸入projected libor rates所以不能用我們一般based on market的interest rate model這點也沒有溝通清楚, 差點又要出事情.
我在裡面基本上就是個打雜的, 但是有一陣子我都覺得這銀行沒有我好像就要倒了…
這些細節的問題之外, 一個比較大的問題是當把一個很大的問題分包出去各自解決之後, 有時候各細部的model assumption各自看來都還算合理, 但是合起來給出的結果就變成是荒謬的. 是說後來, 雖然Nii的計算如期完成了, 但是CCAR最後還是沒有過. 那時我已經不在DB了, 所以原因也不是很清楚…
在銀行工作是也還ok啦, 老闆也很願意把我簽下, 但是還是回加州和老婆住比較實在~ 當時三月左右吧, 想說如果待紐約就繼續做就好, 也沒有特別認真找工作, 只有去半年前interview到一半的Ginkgo, 和朋友介紹的, 現在在的AllianzGI. 當時找工作就順利許多, 都有拿到offer, 所以就順利的回加州了~
現在的工作和在銀行裡不太一樣. 在buy side我們願意take underlying risk然後相對來說leverage就低, 所以並不像investment banking對數學或是risk modeling那麼斤斤計較. 不過相對的對underlying risk的了解的需要變多了. 股票為甚麼漲跌是甚麼因素, 現在不能說是個jump diffusion process就完了, 還是需要儘可能多的理解.
另外像我們一年turnover~100%來說, 資料的量真的相對作high frequency少很多. 而且時間尺度一旦拉長, 十年前好的投資方式現在還能用嗎? 也很難講. 我原本想像中的程式交易, 能適用的時間尺度似乎很難拉到這麼長. 當然我們有時候也會在想machine learning的development對我們這行有沒有幫助, 但是至少表面上看起來, 不如對市場的理解的幫助多些. 又最近看到許多市場很大的反應, 像Russell 2000和石油在這個月都出現了十五年一見的漲幅, 尤其股票居然在trump當選後是上漲, 真的是讓人跌破眼鏡不能理解.
同時因為現在也要顧一些operation方面的事務, 意會到一件有趣的事情: 其實作finance有兩種, 一種是數字很重要都要非常正確的, 而另一種是差不多就可以的. 有時候差很多也還是可以. 前者是類似於記帳的, 或是一些定義和規則, 我們交易的時候必須要很清楚知道; 後者則是model dependent, 或是說是對未來的預測, 因為範圍很大, 精確也沒甚麼用. 剛好我現在和之前那兩份工作其實都是處在兩種工作交集的部分. 我一開始沒有理解到, 但是心裡對精確度的要求把這兩者分開是非常重要的.
這篇文章標題我寫了living the dreams. 怎麼說, 我從小到大, 念書學東西根本上的動力, 其實就只是希望能更加了解這個世界. 學物理學了很多年, 有多學到一些物理, 但是老實說稱不上對世界有多甚麼了解, 某種意義上距離現實反而更加遠了. 現在的工作事務性的部分不談, 投資決策的部分真的可以讓人從很多不同的方向去看. 雖然說現在還不知道哪些事情是真的看得出門道, 也許做了半天很多事情終究也還是不知道, 但是我現在覺得很幸運能有這樣的機會.