查看: 1120|回复: 13
有没有同学做了今年Two Sigma的OA？
精华主题学分
中级农民-加分请看右边栏-多参与|分享|记录|反馈, 积分 256, 距离下一级还需 244 积分
在线时间 小时
月)-[]CS本科+<3个月短暂实习/全职
- 网上海投| 码农类实习@TwoSigmafresh grad应届毕业生
注册一亩三分地论坛，查看更多干货！
才可以下载或查看，没有帐号？
同学们有没有已经做了two sigma的180min, 两道题的hackerrank啊？能不能分享下什么题目，有没有换题
精华主题学分
在线时间 小时
精华主题学分
在线时间 小时
不是，发了简历给一个HR。
精华主题学分
在线时间 小时
没有。我发都没反应
精华主题学分
在线时间 小时
没有换题，地里可以找到截图
<p id="rate_030" onmouseover="showTip(this)" tip="很有用的信息！&大米 + 3 升
" class="mtn mbn">
精华主题学分
在线时间 小时
没有换题，地里可以找到截图
同学谢谢你！
精华主题学分
在线时间 小时
顺便，电面的题也一点没变
<p id="rate_030" onmouseover="showTip(this)" tip="很有用的信息！&大米 + 3 升
" class="mtn mbn">
精华主题学分
在线时间 小时
顺便，电面的题也一点没变
...为啥你们都拿到面试了啊...我咋没有 - -||fk~
精华主题学分
在线时间 小时
...为啥你们都拿到面试了啊...我咋没有 - -||fk~
是不是因为你面过two sigma的intern 了？对了，你intern onsite 遇到DFS DP之类的题目吗？还是都是design ?
精华主题学分
在线时间 小时
是不是因为你面过two sigma的intern 了？对了，你intern onsite 遇到DFS DP之类的题目吗？还是都是design ...
- -面了也应该鸟我了..都一年了..我再去找认识的人骚扰骚扰hr好了.
遇到了graph..貌似需要dfs解决..
没有dp问题..
有个data structure design和那个计算机design
精华主题学分
在线时间 小时
- -面了也应该鸟我了..都一年了..我再去找认识的人骚扰骚扰hr好了.
遇到了graph..貌似需要dfs解决..
请问什么叫“计算机design” ？
精华主题学分
在线时间 小时
不是，发了简历给一个HR。
请问楼主还有HR的邮箱吗？多谢
精华主题学分
在线时间 小时
请问什么叫“计算机design” ？
就是calculator design～字数字数
精华主题学分
在线时间 小时
内推俩三周了都没人鸟我TT
<form method="post" autocomplete="off" id="fastpostform" action="forum.php?mod=post&action=reply&fid=28&tid=203049&extra=&replysubmit=yes&infloat=yes&handlekey=fastpost"
onSubmit="
// TODO Howard 11/3/2015
var sbtn = $('fastpostsubmit');
sbtn.disabled =
sbtn.innerHTML = ' 回复发表中... ';
sbtn.setAttribute('background', sbtn.style.background);
sbtn.setAttribute('bordercolor', sbtn.style.borderColor);
sbtn.style.background = '#C7C7C7';
sbtn.style.borderColor = '#8B8B8B';
var form =
// --product--
var isValid = fastpostvalidate(form, null, 0);
if(!isValid) reoverBtn();
return isV
// --product--
// --testing--
//setTimeout(function() {
// var isValid = fastpostvalidate(form, null, 0);
// if(!isValid) reoverBtn();
//}, 2000);
// --testing--
您需要登录后才可以回帖
回帖并转播
回帖后跳转到最后一页
Instant搜索更强大，不扣积分，内容组织的更好更整洁！目前仍在beta版本，努力完善中！
一亩三分地推荐 /5
地主Warald亲手做你的申请，针对你的背景和目标，考虑申请、学习、就业、移民等系列问题，制定申请策略。
“offer”指全额奖学金，免学费全免+每月工资，Berkeley, CMU, JHU, UIUC, Gatech, UMich, UCLA, Columbia，欢迎观赏。
电子工程、计算机、统计、金数金工、化工等, Stanford, Berkeley, CMU, Cornell, Yale, Columbia, Chicago, Duke, UPenn, UIUC, Brown, UMich, JHU等
有留学、申请、找工、职业规划上的难题？先上论坛提问！
论坛考古也帮不上忙，发帖得到的回答仍然不够？电话找Warald来解答！
WARALD新书上市啦：《你不知道的美国留学》清华大学出版社，各大电商发售
Powered by人家都签了nondisclosure的 谁敢回答分分钟compliance叫喝茶
人家都签了nondisclosure的 谁敢回答分分钟compliance叫喝茶
已有帐号？
无法登录？
社交帐号登录
是时候了/你在说啥？对冲基金 Two Sigma 为什么要举办人工智能比赛？相关技术如何运用在交易中？
【ChaoXu的回答(31票)】:
在two sigma工作，公司人不多，同样背景的很容易就能确定我是谁了，怕撞上同事，所以匿了。
这样说吧，我们公司一直号称是tech和big data公司，所以也很偏好geek，每季度都有hackday，spark day之类的全民活动，这个比赛也是类似。里面用的技术和交易没多大关系，要说相关的就是都用了machine learning吧。另外我们公司的相较别的的确更依赖data analysis相关的技术。所以公司也一直对新技术有很高热情，公司有很多study group，而且谁都可以发起。弄这个活动也是也就是geek对技术激情的表现。
【聂嘉炜的回答(7票)】:
谢邀，抛砖引玉不撕逼。
先回答第二个问题，AI相关技术怎么用在交易中。
交易员做交易的基本逻辑是根据基本面或者技术形态甚至是内幕消息完成对交易标的的分析判断，然后完成买卖下单。但由于信息量的巨大、自然人的各种性格弱点，基金们开始引入量化交易即用计算机代替人来实现上面的逻辑，即把股票价格、交易量、宏观数据、上市公司账目等统统量化成各类指标，然后建立模型，通过模型产生的指令直接进行交易。这个我们可以理解成在交易运用的第一步，模拟交易员的思考过程，做出决策。
随着统计学习技术的发展，尤其是深度学习的突破，聪明的对冲基金从业者们发现机器可以干的更多！原有的程式化交易，说到底交易模型还是由人去建立的，也是静态的，机器归根结底还是干了一个替人干机械劳动的工作。于是由于懒惰是人类进步的阶梯，人人都想坐着数钱，“贪婪的基金经理”们开始让机器自己在海量的信息中识别、抓取、处理、分析，并且同时考察交易标的的走势，把所有信息结合起来，让机器自己“学习”出一套最优的交易机制，从而自动进行交易。这可能是AI在交易中比较深度的运用，具体算法就见仁见智了。
比较著名的一个故事是Ben Goertzel，一个数学博士，毕业后曾在NY和Perth的大学里教书，后来他住在香港，还是厦大的一个Visiting Professor。他搞了一套AI交易系统，运用在美国股市上，第一天就取得超过2%的收益，当时引起不小轰动。
AI能在交易上有大作为基本已经成了量化基金的共识，除了Two Sigma，Renaissance Technologies，Bridgewater和Point72这些有名的基金都宣称要引入AI技术到交易系统里。
大概说清楚第二个问题后，回头看第一个问题，双西为什么要办AI比赛，我想有三个方面的考量。
第一，鼓励旗下交易员积极探索AI技术，做游戏的AI非常考验技术，涉及动态图像识别等很多复杂的算法，是非常有意思也有价值的演练。
第二，吸引人才，这个交易方向需要很多技术范儿的Geek进来，这类游戏应该很能吸引他们这类人。
第三，可能有PR价值，毕竟Alpha Go那么火，双西也想借着这个话题宣传宣传自己基金，以后也好募资收管理费嘛。（顺便抱怨下，现在国内募资好难）
希望上述解释能基本说清楚这个事儿。
【雪琴的回答(18票)】:
当我写这个回答的时候，因为得截图嘛，我这个人比较懒，所有回答基本上都是一时兴起，觉得好玩，才写，不是很认真。正因为如此，才深深的体会到了知乎上很多大侠认真回答问题的专注精神，和所付出的努力，很多领域我也学到很多，本来那时间大侠们完全可以用来看动画片。所以这里先非常恭敬的感谢！谢谢！
当然了，也有不少人把知乎搞成跟电子竞技行业一样，称王称霸的，我觉得知乎也应该有这样一个机制，这样有的人愿意探讨问题，就探讨问题，有的人愿意在知乎获得无上荣耀，就给他们荣耀，这样他们也就有动力分享了。虽然也有可能劣币驱逐良币。
下面的这个回答并非我的擅长领域，题主你也知道我就一文科生，但是几天前朋友给到这个油管的视频的时候，我又中二了，很傲娇的觉得没什么，即便几年前我也搞机器人，设计算法，用来巡视服务器机房，接个保险丝什么的。但是这种傲娇不对。所以随着视频的翻译的完成，以及关注度的提高，会有更多的真正的技术大牛的分享，我就先抛砖引玉，所以说对说错的各位多包涵。
首先Two Sigma（双西投资）是一家值得尊敬的融资类的对冲基金，创办人John Overdeck和David Siegel是D.E.Shaw出身，没有记错的话是2004年设立，因为并不像大奖章那样有非常强大的天才级别选手，所以走的是靠人才堆砌来进行筛选人才的模式，所以会发现Two Sigma的招聘的员工是很多的，当然初始待遇还是可以的，实习一年有十几万美元的样子吧。他们主打的是量化牌和人工智能牌，应该还是有传统的投资策略的，这算是一种在华尔街利用热点融资的成功案例。作为实战派，最讨厌的是嘴把式，所以真刀真枪真金白银在市场里拼杀的Two Sigma就值得尊敬，而且他们旗下的一些基金产品近两年的收益还不错，尽管去年瑞郎事件他们旗下的一个基金那段时间也赔了12%。
至于Two Sigma Cup双西杯大赛，早先也举办的，只是今年因为google的Deep Mind大战李世石，炒的太火了，所以作为人工智能主打牌的对冲基金这方面是不会放过宣传机会的。当然，除了这个目的外，更主要的，还是强化内部团队管理，增加团队协同性、让员工了解到、关心、真正融入到一些新兴技术和热门领域。
正如CTO Alfred Spector说的：
The two sigma cup is ... an opportunity for two sigma employees to really get involved in new and cutting-edge technologies.
Really the medium is the message.
就是说，双西杯在管理层是为了让员工真正的了解并参与到新型技术里，把双西杯作为这样的一个媒介。
当然员工们之所以这么嗨，很多的原因是跟自身的极客基因相关的，这种东西跟兴趣有关系，而不是专业背景。当然技能树跟专业背景和之后的学习密切相关。
当然了，我中二病之所以又犯了，跟我没找到自己需要的信息，以及我觉得还应该更好有关系。这种成功的交易机构和个人、团队的公开信息，媒体报道，因为行业习惯的关系，我们这类人总会认真的进行分析，争取从中获取对自己有启迪的信息。那么下面就谈一下视频观后感。
一开始通过这个制作精良的视频，我们看到他们放了一个服务器机箱，链接了桌面，桌面上有一个架子，当时我就想，那架子没必要，除非上面放了摄像头。从围观的人和参与的年龄分布上来看，可以看出这个比赛的参与度和看热闹程度还是很高，也就是说大家都挺感兴趣的。在对冲基金中，因为策略和绩效的关系，有的团队、部门之间平时根本就不会交流的，所以是个难得的机会增加团队凝聚力。
然后我们来看中控服务器显示器的界面，这个图很清楚的，放大代码都可以看到。我们可以看到右边的蓝色小窗口是一个桌面情况的展现，绿色和橘黄色分别代表球和球杆，就是那个圆的上面有个把的击球的东西。而左边则是服务器的状态log日志信息，是一个监控。
而击球控制系统，采用的是从cable cameras的灵感，更准确的说是skycam的场地线控走位控制，这样来控制球杆击球。这样的伺服电机绞盘总共有八个遍布在桌面上，对手方区域各四个，不用看也知道肯定是四个角。
但是这样的转盘有两个问题，这个就是我的中二病犯的原因。
一个问题是，绞盘所采用的伺服电机，稳定性不同，比如德国、美国产的，不同型号，不同配置，所激活的时间，精确度，轴心偏离，等等都有不同，而如果我自己搞机器人，倾向于选择质量精益求精的，稳定性强。但是看视频的话你就会发现，每区域控制的四个绞盘的伺服电机的响应和具体参数是不那么精准的，另外，绞盘本身从视频中也可以看出来并不是稳定的平面状态，它转的时候，是有偏移的。这个就做的比较粗糙。
另一个问题是，绞盘的话，上面的线，是缠绕的，而不同的缠绕方式，出现影响的放在场内的线的长度是有细微差别的，那么对于击球，就会导致角度偏离，要知道这种桌面曲棍球，球杆边缘与球角度的细微差别就会导致球的轨迹的区别很大。
第三个是，他们所采用的线，刚开始我以为是鱼线，但是认真观察后发现是铜线。如下图：
铜线比鱼线好处在于鱼线有弹性，但是铜线没有，想对更容易控制些。但是铜线具有一定延展性，抻拉会有一定的长度变化，随着比赛进行，而且还要考虑到其它三个绞盘对单独绞盘的用力影响。
而上面的这些，都是可以通过算法来解决的，但是并没有看到这方面的改进，以及基础设备的强大支持。
skycam用于转播美式足球用的摄像机，就是这种，而Two Sigma把球杆这样控制。skycam用于转播美式足球用的摄像机，就是这种，而Two Sigma把球杆这样控制。
你们知道在模式识别和计算机视觉追踪领域一看带颜色的标志，就很容易联想到识别标的物和标示的。
（后半部分和算法部分有空接着写，闪先）&－－－没有这句估计这个就烂尾工程了～接着来：
这种带颜色的识别标记，在机器视觉过程中是最节省计算资源的，因为即便不是计算资源紧张，但是能尽可能的提高效率在高频交易和低延时交易中的意义也是相当大的。通常情况下，这样的颜色识别标记，可以把物体的高像素精简成单像素点，也就是说，用一个二维点（x,y）来直接实现位置判定，而不用随时识别追踪物体，那么对于计算压力，以及在高速击球的比赛中丢失目标基本上就成了不可能，也就是说，是精简几十倍几百倍数据处理的方法。
而看到了颜色标示，我第一反应是想起了多年前Pranav Mistry在ted的演讲，第六感技术，这个年轻人天才的地方在于，他用颜色标记，来让当时的运算水平的便携智能设备，能够轻松的识别手势，并用一个小型投影仪实现了交互，更可贵的是，全套硬件的成本极低。当然仅凭这个技术和展现出来的解决问题改善世界的极客基因，这个优秀的年轻人不但获得了三星的青睐，据说还找到了一位中国美女的爱人。
我不知道大家看ted的速度怎么样，所以找了个其他的链接，如果这个失效了，就还是看ted原来的比较好：
ted的原始链接：
所以我一开始认为Two Sigma使用了第六感科技摄像机手势识别的技术，这样也就能解释球台上面的架子的作用了。但是很快我就意识到我错了，因为他们自己介绍了：
他们用了两个PlayStation Eye cameras，而且非常明确的说明：
蓝色的桌面，红色标记的手柄，绿色的球这样用颜色标记进行识别；
两个摄像头拍摄两个角度的图像，利用颜色来判断球和球杆的位置。
他们用了两个摄像头，而不是一个放在架子的正中间，虽然没有非常清楚的标记摄像头位置的截图，但是从这个图我们可以看到，那两个摄像头放在了架子的两端的正中的位置，但是角度看不清，而既然是利用两个摄像头一起判断，那么两个摄像头的视域应该都覆盖全部桌面，且角度是直接垂直桌面的。
根据最近人工智能的热度，以及大家用来做噱头的热情，我知道一定会有很多人说，哇塞，Two Sigma用了人工智能来做目标追踪耶～然后就有人开始讲深度学习算法什么的了吧，最近这些金融公司和机构都是这样宣传的。但是如果你真的这么想，恰巧你又是金融从业者，恭喜你！下次金融危机可能就会是你引起的。模型的滥用在金融业从来没有停止过，现在借着人工智能的热门，不少人和机构又把这个当噱头了，包括高盛。根据我的估计，应该是以下这样的设计，电脑画图太麻烦我就随便画了个：
长方形的桌面，(0,0)是桌面正中心，XL是左边的摄像头位置，XR是右边，都位于四分位的中间，我们简单的把四分之一的长度设定为1，那么下面的两个长方形就是左右摄像头的桌面图像，XL和XR分别是这两个摄像头的视域中心，阴影部分就是非桌面但是在视域内的。那么当判断球和球杆的位置的时候，只要判断像素点在两幅图像中的位置，对于二维位置(x,y)，y是应该一致的，那么就有助于两个摄像头的相互校准，而真实的横向位置x则是两幅图像中的x的和的平均。对于橘红色的球杆，两个颜色虽然一样，但是球杆有限定活动范围，所以只要多加一句判断语句来根据x划分两个对手即可。图中是矢量化的位置，这样的好处是，本身的数值范围的意义就不大了，摄像头的高度只要保证视域能够覆盖远端桌面边缘即可。按照极客的要求的话，那个高度应该是正好在比视域覆盖远端桌面边缘多一点吧，这样可以尽量精简摄像头架的使用材料。
你会发现Two Sigma的工程师在这个设计上，充分体现了简洁之美，用简单的方法解决问题是相当重要的对冲基金的从业者素养。而且实用至上。这样的团队和风气是值得敬佩的。但是根据视频来看，十有八九，Two Sigma用手测量了球和球杆的底盘半径并用手工进行了参数输入。
但是这样是有问题的，最主要的一个问题就是在人工对战机器的时候，人工无法真的上手上场，而必须采用虚拟的操作方法，通过一块数位板来操作，这大大的限制了人工选手的战力。这点从视频中也可以看出来。
（看到回答中有Two Sigma的大侠，如果哪里猜测的不对烦请指出，大家多交流。［抱拳］大概还三分之一吧，关于获胜团队标普五百和中二的我的话会怎么用算法搞这个东东，闪先，国内的大家五一快乐！）
【侯小宝的回答(10票)】:
又被投诉了，还能不能让人说了？ 看看xxx，就是发一些故弄玄虚的，吸点粉丝，特别是骗刚刚入行的矿工，title吓死你，呵呵。然后上上量化培训班。现在可好被大家揭露真相了，就天天投诉，洗地，也理解。本号跟xxx无任何瓜葛，就是不想各位知乎粉丝被骗。当然xxx有权利在知乎回答问题，其他知友也有权评述你的专业度，揭穿xxx并不是一个真正的从业者。。
【李琦的回答(1票)】:
其实交易与之前很火的围棋对战很像，都是在大量的数据中寻找可行的规律，从而辅助我们在一定规则的游戏中占据优势。
遗憾的是，规律和优势都是可变的。以金融市场为例，一段时间内有效的策略，可能随着市场风格的变化，很快就失效了。所以我们可以看到公募基金中，很多上一年的公募冠军，在之后的年份中就变得平淡无奇。原因无他，就是他的策略不再适合市场的风格。
而机器学习要解决的问题，就是不断的通过数据进行学习和训练，从而去适应市场。如果你让一个做了10年科技类成长股的投资人，转去做大盘蓝筹，他一定会觉得非常痛苦、非常不适应；但是机器不存在这样的问题。只要通过学习、判定当前的市场就是蓝筹的风格，他会毫不犹豫、不带感情的进行策略的执行。
做过投资的人可能都明白，很多时候投资需要信仰。如果你相信或者验证过某种策略可以赚钱，那么对于人类来说，坚持这种策略或者信仰往往是比较好的。如果贸然的进行切换，可能会被两边打脸。
这时候有人会说，你刚刚讲要适应市场，现在又说要坚持信仰，这不是自相矛盾么？然而事实就是这样：作为人类，我们是有缺点的，适应市场，意味着我们要在一定程度上放弃一定的投资积累，以全新的角度和思维去看待市场；但是人类的学习能力注定我们没有办法在短时间内完全适应和应用新的投资方法，从而错过了适应市场的时间窗口。等待人类学习的差不多的时候，市场可能又起了新的变化。
而机器学习的目标，恰恰是为了弥补我们人类在这方面的短板。机器学习将学习的过程程序化，通过大量的数据和高速的计算能力，让计算机去学习适应当前的市场，从而可以抓住当前的时间窗口，进行有效的投资。
以上是我的理解，欢迎各位达人批评指正。
&&&&&本文固定链接:
【上一篇】
【下一篇】
您可能还会对这些文章感兴趣！
最新日志热评日志随机日志人人网 - 抱歉
哦，抱歉，好像看不到了
现在你可以:
看看其它好友写了什么
北京千橡网景科技发展有限公司：
文网文[号··京公网安备号·甲测资字
文化部监督电子邮箱：wlwh@··
文明办网文明上网举报电话： 举报邮箱：&&&&&&&&&&&&更多公众号：fdfzoverseasfndn复旦附中海外基金会是校友建立的非盈利组织，旨在支持学校的教育建设和增进海外校友之间的联系。关注我们，即时获得基金会和复旦附中的最新消息。最新文章相关作者文章搜狗：感谢您阅读Two Sigma的MD：我的少年时代，本文由网友投稿产生，如果侵犯了您的相关权益，请联系管理员。