WorldQuant Challenge: เส้นทางสู่งาน Quantitative Finance ด้วย Data Science

คงเป็นการยากที่จะปฏิเสธว่างานสาย Data Science กำลังเป็นที่ต้องการอย่างสูงต่างกับจำนวนบุคลากรที่ยังคงมีอยู่จำกัด ส่วนหนึ่งก็เพราะความเป็นสหวิทยาการที่ต้องอาศัยความรู้คอมพิวเตอร์ สถิติ และคณิตศาสตร์ร่วมกับศาสตร์อื่นๆ จึงเป็นการยากที่ผู้ที่สนใจในสายงานนี้ จะสามารถหาโอกาสการทำงานเพื่อเรียนรู้และสะสมประสบการณ์ในการบูรณาการณ์ศาสตร์ที่แตกต่างกัน บุคลากรที่มีคุณสมบัติครบถ้วนตามที่องค์กรต้องการ จึงยังไม่เพียงพอต่อความต้องการของตลาด

อย่างไรก็ตาม สำหรับผู้ที่มีความรู้ในด้านการเขียนโปรแกรม และสนใจเข้ามาเรียนรู้การนำ Data Science มาประยุกต์ใช้ในงานสาย Quantitative Finance โอกาสนั้นมาถึงแล้วกับ WorldQuant Challenge จากบริษัท WorldQuant บริษัทที่นำข้อมูลมาสร้างโมเดลการลงทุน



รู้จัก WorldQuant


WorldQuant เป็นบริษัทที่ดำเนินธุรกิจด้านการบริหารสินทรัพย์โดยใช้วิธีการวิเคราะห์เชิงปริมาณ ตั้งขึ้นเมื่อปี 2007 ปัจจุบันมีพนักงานกว่า 600 คน ทำงานอยู่ในสำนักงานกว่า 25 แห่ง ใน 15 ประเทศ WorldQuant มุ่งเน้นในการพัฒนากลยุทธ์การลงทุนในหลากหลายสินทรัพย์ทั่วโลก โดยใช้กระบวนการวิจัย และการจัดการความเสี่ยงของบริษัทเอง สำนักงานWorldQuant ในประเทศไทยมุ่งเน้นในการทำวิจัย เพื่อสร้างโมเดลการลงทุน (ที่เรียกว่า alpha) แต่ไม่ได้มีการซื้อขายหลักทรัพย์ สามารถอ่านรายละเอียดเพิ่มเติมเกี่ยวกับ WorldQuant ได้ที่ We are WorldQuant

บทบาทของ Big Data


Big Data เป็นสิ่งที่ WorldQuant ใช้ช่วยในการตัดสินใจลงทุนมาตลอดระยะเวลาหลายปี WorldQuant ได้ลงทุนกับทีมนักวิจัย ซึ่งประกอบด้วย Quantitative Researcher หรือ Quant โดยดึงเอาผู้มีความสามารถด้านคณิตศาสตร์ วิทยาศาสตร์ และคอมพิวเตอร์จากทั่วโลกมาช่วยกันประมวลผลข้อมูลที่เพิ่มมากขึ้นทุกวัน โดยใช้เทคโนโลยีเป็นเครื่องมือ เพื่อให้ฝ่ายลงทุน นำไปใช้ลงทุนจริงได้อย่างมีประสิทธิภาพ (อ่านบทความฉบับเต็มได้จากที่นี่


คุณสงกรานต์ จารุสิริสวัสดิ์ และ คุณวัชรินทร์ เหลืองวัฒนากิจ ผู้รับผิดชอบโครงการ WorldQuant Challenge ในไทย

WorldQuant Challenge โอกาสสำหรับผู้ที่สนใจด้าน Quantitative Finance


WorldQuant Challenge เป็นโครงการที่เปิดโอกาสให้บุคคลทั่วไปได้เรียนรู้การทำงานสายการเงินด้าน quantitative finance โดยผู้ที่สนใจหรืออยากท้าทายตัวเอง สามารถสร้างโมเดลจำลองกลยุทธ์ในการลงทุน หรือ alpha แล้วส่งเข้ามาแข่งขันในรายการนี้ ซึ่งมีผู้เข้าแข่งขันมาจากทั่วโลก

การเข้าร่วมการแข่งขัน ผู้ที่สนใจเพียงแค่ลงทะเบียนผ่านหน้าเว็บ WorldQuant Challenge เมื่อเข้าร่วมการแข่งขันแล้ว ทางบริษัทจะมีเครื่องมือสำหรับสร้างกลยุทธ์ในการลงทุน (alpha) เอาไว้ให้เสร็จสรรพตั้งแต่ simulator บนเว็บ (WebSim) ไปจนถึงข้อมูลสำหรับวิเคราะห์ และสร้างโมเดล

ยิ่งไปกว่านั้นสำหรับผู้ที่สนใจแต่ยังไม่ถนัดในการเขียนโปรแกรม หรือไม่มีความรู้ด้านการเงินการลงทุน WorldQuant ก็มีวิดีโอ tutorial สอน ให้ด้วยเช่นกัน โดยเริ่มตั้งแต่การสร้าง alpha ตัวแรก เรียกว่าขอแค่มีความตั้งใจที่จะเรียนรู้เท่านั้น ก็สามารถเข้าร่วมโครงการได้


ตัวอย่างดาต้าสำหรับวิเคราะห์และสร้างโมเดลของผู้เข้าแข่งขัน


วิดีโอ tutorial

ทั้งนี้ การแข่งขันในโครงการ WorldQuant Challenge ไม่มีกำหนดปิดรับสมัครหรือสิ้นสุดการแข่งขัน โดยโครงการนี้จะเปิดรับผู้เข้าแข่งขันและผู้ที่สนใจหน้าใหม่เรื่อยๆ ผู้เข้าแข่งขันจึงมีโอกาสในการส่ง alpha เข้าไปได้โดยไม่จำกัดจำนวนครั้ง พร้อมๆ กับการปรับปรุง และพัฒนาทักษะของตัวเองอยู่ตลอด

ตัวอย่าง Alpha Expression และผลการ backtest บน WebSim

Alpha ที่ส่งจะได้คะแนนแตกต่างกันตามคุณภาพของ Alpha นั้นๆ โดยคะแนนของผู้เข้าแข่งขันจะเป็นคะแนนสะสมของ Alpha ทุกตัวที่ส่งตั้งแต่วันแรก และเมื่อคะแนนสะสมผ่านเกณฑ์ก็จะเปลี่ยนสถานะผู้แข่งขันไปสู่ Level ถัดไปได้แก่ เหรียญทองแดง (1,000 คะแนน), เหรียญเงิน (5,000 คะแนน) และเหรียญทอง (10,000 คะแนน) โดยผู้เข้าแข่งขันสามารถดูข้อมูลคะแนนและอันดับของตัวเองได้จาก leaderboard



ตารางคะแนนของผู้ใช้ WebSim จากทั่วโลก

อย่างที่เกริ่นไปว่า WorldQuant Challenge เป็นโอกาสสำหรับผู้ที่สนใจและมีความสามารถ โดยผู้เข้าแข่งขันที่ได้รับเหรียญทอง ในอนาคตจะมีสิทธิ์สมัครร่วมงานกับ WorldQuant ในตำแหน่ง Research Consultant แบบพาร์ทไทม์ ภาระหน้าที่ของ Research Consultant คือการใช้ความเชี่ยวชาญทางด้านการวิเคราะห์ข้อมูล และความรู้ทางคณิตศาสตร์ ในการสร้าง alpha ส่งให้บริษัท แต่คราวนี้จะได้รับค่าตอบแทนขึ้นกับคุณภาพของผลงานที่ส่งเข้ามา (ตามที่ตกลงกันในสัญญา) เมื่อ alpha ของตัวเองที่ถูกนำไปใช้ในการลงทุนจริง

สำหรับผู้ที่สนใจสามารถเข้าไปดูรายละเอียดและสมัครเข้าแข่งขันได้เลยที่ WorldQuant Challenge

Topics: CompetitionFinanceBig DataAdvertorial