作为华尔街顶级流量Quant
想必大家的印象是下面这样滴??
“整个金融圈都在抢Quant呢”
“刚入职就能拿到近16万的薪资”
“据说九大投行的H1B大多给Quant，给中国学生sponsor最多的岗位之一”
比起码农，好像当一名“矿工”似乎更有意思，更具“钱”途！
美国著名金融类网站Investopedia显示，一枚华尔街矿工的平均每年能挣50万美金！
如此“钱”力无穷，毕业想挤进金融圈的小伙伴不计其数，纷纷努力争当一枚光鲜亮丽的“Quant”！
今天我们就来了给大家详细科普下Quant到底是怎么一回事!
01
WhatisQuant？
Quant其实是一个形容词，指的是工作的属性是“量化”的。
作为一个职业，Quant并不是一个名词(有别于律师、老师等)。故而，Quant在不同的语境下可以代指不同的职位，所需要的能力也是非常不同的。
Quant是一个金融+数学+编程于一身的复合型岗位，利用金融的数学模型，来实现数据处理、风险管理、投资评估等工作，有点类似码农和金融狗的结合体，也被戏称为“矿工”。
按工作性质分，Quant可以分为卖方Quant，买方Quant，两者的区别具体如下：
卖方Quant
主要用数学、统计、计算机的知识设计金融产品并为复杂的金融产品进行定价、风险控制。
买方Quant
主要用数学、物理、统计、计算机等任何可能用得上的理工科的理论，预测价格走向，在证券市场中做交易。
02
Quant有何优势？
1.中国人友好
由于美国的本土文化影响，美国的本土学生一般不太愿意从事编程和Model的相关工作，所以这些量化分析岗位国际学生的竞争优势就很明显，尤其是专业是数学或者计算机、数理金融方向的留学生。
对学科背景、技能要求最综合多元化，与数字时代结合最紧密，同时人才需求巨大的Quant岗位，是最适合非英语母语、思维灵活、擅长技术的中国留学生的工种。
中国留学生占据了华尔街的Quant主场，因为Quan看重数学逻辑能力，而中国留学生普遍给人留下了数学能力优秀的印象，在求职时非常具备竞争优势，尤其是数学、计算机、物理专业的留学生，Buff直接叠加满了！
2.高薪
与Quant关联最多的词就是“高薪”??。不仅在社交平台爆料里，还是各大平台统计数据里，Quant的薪资都格外的亮眼。
知名猎头公司SelbyJennings曾公布北美薪资，Quant远超华尔街平均水平的薪资：
在卖方，BaseSalaryk-k，全薪可达k-k；
在买方，BaseSalaryk-k，全薪可达k-k。
并且起薪还在不断加码中！JaneStreet给Quant应届生BassSalaryk，Point72更是高达,...
因为太壕，圈内还流传一种说法：Quant薪资没有天花板??
3.留美友好
从去年开始，就有人说国际生找工作形势不容乐观，因为非STEM学生抽中H1B的概率太低的原因，在infosession中很多过去明确表示给sponsor的公司，今年就不给身份了。
过去三年中，H1B中签率分别是36.5%，36.0%，42.7%。也就是说，非STEM类即便是硕士学位，有60%的概率干一年抽不到签就走人。
但Quant被称为H1B收割机，Citadel、GoldmanSachs、Citi等名企几乎都是对Quant人才身份要求有求必应。
4.岗位需求量依旧很大
许多人觉得Quant不行了，主要是因为投行后台的Quant招聘数量有所下降。
因为在美国地区，Quant已经进入发展到成熟阶段，岗位数量区域稳定，没有以前大量扩招的现象，但并不代表Quant在走下坡路。
如今Quant不断被赋予新的意义。以前它还只在幕后工作，但随着Quant模型变得越来越常见，金融市场引入量化的概念，不仅帮助投资者定价期权和制定策略，还有助于保持市场的流动性。Quant也慢慢转向FrontOffice，并不是只在后面打辅助了。
金融行业的新形势是对data越来越重视，数据量越来越大，所以在未来的投资活动中，一定需要以高速的方式处理大量的信息，形成投资决策。而这个处理、分析数据的工作，可以是DataScientist来做，也可以是P-Quant来做。
更重要的一点是Quant不可替代性很强。对于做Quant的人来说，没那么容易被AI取代。因为Quant是既懂金融又会编程的复合型人才，既要求你得有良好的编程能力，还得有优秀的市场直觉，对各种金融产品有所了解。
03
岗位选择
其实，Quant的求职领域从来都不局限于投行，对冲基金、商业银行、保险公司都需要Quant人才，而且有各种Quant的岗位任君选择。
Quant的种类
●DeskQuant开发直接被交易员使用的价格模型，优势是接近交易中所遇到的Money和机会，劣势是压力很大。
●ModelValidatingQuant独立开发价格模型，不过是为了确定DeskQuant开发的模型的正确性，优势是更轻松，压力比较小，劣势是这种小组会比较没有作为而且远离Money。
●QuantResearcherResearcher技能点偏统计，比如基础的线性回归，高阶的Machinelearning、Deeplearning，偏向用统计的方法寻找市场中如股价、交易量的固定的模式，通过统计的方式得到最后的结果。
●QuantDeveloper其实就是名字被美化的程序员，但收入很不错而且很容易找到工作。主要做PortfolioManager，QuantResearcher会有一些idea，但他们无法自己去实现这些idea，所以QuantDeveloper就要用CS的一些知识，去构建一些比如软件，比如应用、交易系统等等，去提供一些支持。
●StatisticalArbitrageQuant在数据中寻找自动交易系统的模式(就是套利系统)，这种技术比起衍生物定价的技术有很大的不同，它主要用在对冲基金里.而且这种位置的回报是极不稳定的。
●QuantitativeRisk是和Market相关的一个职位，分析的数据都是和金融市场相关的，比如股价、资产风险、资产组合的不同比例，技能和QuantResearcher有点类似，比较偏向于统计学，Machinelearning，DataScience。
这类岗位数量多，是金融工程、金融数学专业学生绝大多数都会去到的岗位。
●QuantTraderTrader偏向技能，如说博弈论、行为金融学、心理学等等，也偏向直接接触，比如市场上买卖股票的这种博弈。
他们有背景，会自己用模型，统计或非统计的，到最后会用这些模型去做交易的决策。
04
大学如何做准备？
如果将来想做以统计、数据分析为主的PQuant，那么最适合的是数学、计算机等专业。但是如果想做QQuant，主要依赖于随机分析、波动率模型、金融经济学、金融计量的知识。不过其实我们认为都行，不必太拘泥于本科专业。
有一种误区，认为做QQuant至少需要数学、物理的Ph.D。诚然，QQuant要求的数理基础比较深，所以我在本科阶段选择了很多数学、物理、计算机甚至工学的课程。但如果不做纯粹的ModelResearcher，更需要的是综合能力，这个行业属于要求知识面很广但不要求很深。
其实做量化不一定要问本科什么专业出身，现在跨院系选课这么方便，只要有足够的数理能力，补一些课程就足够了。有的课程是必须的，有的课程是锦上添花。比如如果是数学专业的学生，可以多补一下金融和计算机的课程。
一般来说，专业会坐落在四大模块之一，除了主专业再去补一补别的专业课就好。把以下课程学得差不多了，去投递简历，大概率可以顺利找到一份相关的实习。
数学类的必修课包括微积分、线性代数（建议修高等代数）、常微分方程、金融随机分析、数值代数（计算方法）；选修课包括偏微分方程（数值解）、凸优化、测度论、动态优化等。
统计类的必修课包括概率论、数理统计、计量经济学、时间序列分析、机器学习；选修课程包括深度学习、广义线性回归、高等多元统计等。
计算机类的必修课包括C++基础、数据结构与算法、程序设计，此外还需要掌握面向对象的编程，熟练运用Python、R等常用语言。
金融经济类的必修课包括经济学基础（宏观、微观）、公司金融、金融经济学（证券投资学）；选修课程包括固定收益证券、风险管理、基本面量化等。
最后，对于想申请MFE/Quant方向项目的同学以及未来有计划留在美国工作的，QuantNet是一份极具参考价值的榜单。
QuantNet作为金融工程/金融数学领域最具有权威的排名之一，年QuantNet最新金融工程排名出炉。基于全美高校不同的金工项目、录取结果以及毕业后的就业率等做了排名，大家可以做个参考。
总的来说，作为中国学生进入华尔街的捷径，Quant的优势无疑是明显的，然而如果想要真正成功拿到Offer，还需要做好大量的知识储备与面试准备，并且在将来的求职规划中也要不断加强自己的softskill~