華爾街大投行集體發聲: 這個崗位，只鍾愛“非金融專業的”學生！
2019年的秋招已經在各大高校開始，不少同學已經不是在等待面試通知，就是在去面試的路上了...很多向往金融但又不是出身金融專業的小夥伴們該怎麼辦呢？有一個崗位學長告訴你，他們對於非金融專業的喜愛超乎常人！
這個崗位就是 Quant 了，這些崗位的一部分學生競爭優勢是很明顯的，我們以今年花旗招聘為例：
數理方面的學生很有優勢哦！尤其是那些本科就是學習數學的小夥伴喲！
一、大資料時代的風口行業
Quant （俗稱“礦工”）的工作是設計並實現金融的數學模型（主要採用計算機程式設計），包括衍生物定價，風險估價或預測市場行為等。
所以 Quant 更多可看為工程師，按習慣性分類方法就是理工類人才，這個和金融有一定的區別。
1.一畢業起薪超過70W
在美國投行，一個沒有經驗的 Quant 每年大概能掙到平均12萬美金的 Base Salary。這是Quantitative Trader方向：
再加上股票獎金、佣金、年終分紅等獎金，以Citi為例，Total Compensation一般會超過14萬美金。
2.Quant 的六個分支
1）Desk Quant
開發直接被交易員使用的價格模型。 優勢是接近交易中所遇到的 Money 和機會。劣勢是壓力很大。
2）Model Validating Quant
獨立開發價格模型,不過是為了確定 Desk Quant 開發的模型的正確性. 優勢是更輕鬆,壓力比較小. 劣勢是這種小組會比較沒有作為而且遠離 Money。數學，計算數學專業的比較適合，可以幫助快速掌握模型思路。
3）Research Quant
嘗試發明新的價格公式和模型,有時還會執行 Blue-sky Research，優勢是比較有趣，前提是對喜歡這些人來說,而且你學到很多東西。劣勢是有時會比較難證明有你這個人存在，跟科學家一樣,沒有什麼大的成果就沒人注意你。數學、物理、金融數學專業的人可以考慮。
4）Quant Developer
其實就是名字被美化的程式設計師,但收入很不錯而且很容易找到工作. 這種工作變化很大. 它可能是一直在寫程式碼,或者除錯其他人的大型系統。
5）Statistical Arbitrage Quant
在資料中尋找自動交易系統的模式(就是套利系統). 這種技術比起衍生物定價的技術有很大的不同, 它主要用在對衝基金裡. 而且這種位置的回報是極不穩定的。統計專業、數學專業等等都是不錯的選擇。
6）Capital Quant
Capital Quant 建立銀行的信用和資本模型. 相比衍生物定價相關的工作,它沒有那麼吸引人,但是它變的越來越重要. 你會得到不錯的收入(但不會很多),更少的壓力和更少的工作時間。
7）這些公司都在招Quant
a.商業銀行(HSBC, RBS)
商業銀行對你要求少，工資也少，工作較穩定。
b. 投行 (高盛,Lehman Brothers)
投行需要大量的工作時間但工資很高，不是很穩定的工作。總的來說, 美國的銀行收入比歐洲銀行高，但工作時間更長。
c. 對衝基金(Citadel Group)
對衝基金需要大量的工作時間和內容,他們也處在高速發展同時不穩定的情況中。你可能會得到大量的回報，也可能幾個月後就被開除。
d. 會計公司
大型會計公司會有自己的顧問quant團隊，有些還會送他們的員工去Oxford讀Master。主要的劣勢在於你遠離具體的行為和決策,而且厲害的人更願意去銀行,所以你比較難找到人請教。
e. 軟體公司
外包quant模型變得越來越流行，所以你去軟體公司也是一個選擇。劣勢和會計公司比較類似。
二、對數學，科技專業學生情有獨鍾的 Offer
Quant作為華爾街冉冉升起的巨星，不僅行業發展勢頭好，金融市場更是對Quant人才求賢若渴。
由於金融專業很多學生一般不太願意從事程式設計和 Model 的相關工作，所以這些量化分析崗位學生的競爭優勢就很明顯，尤其是專業是數學或者計算機、數理金融方向的學生。
一直以來，很多學生都發揮著理工實力作為 Quant 的排頭兵，求職 Quant 也算是進軍金融圈的相對最便捷的一個方式。
不僅 Quant 被稱作H1B收割機，薪資和 CS 專業不相上下，因為職位本身需要很多量化知識背景，較高的專業壁壘也讓 Quant 員工比起前臺 Trader 更加穩定。
三、Quant 最招愛這樣的學生
1.對口專業最有優勢
專業是數學或者計算機、數理金融方向的學生會得到偏愛，MFE（金融工程碩士）、MQF（量化金融碩士）、MMF（數理金融碩士）可以說是Quant 對口專業了。
其課程基本會涵蓋了 Quant 必備的程式設計+數學+金融三方面的內容。同時，這三個專業出來的就業一般都不錯。下面是這三個專業TOP10院校的畢業生的平均薪資：
2.你還需要掌握以下技能
舉個例子，我們來看看九大投行之一的 Morgan Stanley 偏愛怎樣的人才：
金融知識：金融基礎也還是必備的技能，需要 瞭解Qunat 各種金融資產的性質和交易規則，對金融市場有強烈的興趣。
數學程式設計：要做 Quant，你應該對對數學和程式設計相關的工作都有一定的熱情。擁有紮實的數學能力，嚴謹的數學思維。從掌握Class/Iostream/Reference最基本的概念到熟練運用Python/Java/Scala/R。
雖然對於面試者素質和技能，量化分析師雖然很多工作內容不同，但是最核心的是數學、程式設計和金融知識。
來源：International Ideal
------------------------------------------------------------------------
相關閱讀推薦：