深度好文｜当别人嘲讽Quant时，该如何优雅的怼回去？

——”Quant只是个用数学唬人的胡乱猜想”。

——”不要仗着自己会用数学模型就觉得自己很厉害，做分析工作的人同样也会数学。”

——”不是在吃饭、遛弯、休闲的时候，还在辩论各种Web框架谁好谁坏，就代表你们很懂！”

——如果有人质疑你的决策结果，直接上大招！

——Quant一定要会手推Black-Scholes公式。

✅不好意思，我在买方从事量化研究。或许我这一辈子都用不到随机微积分。

这通常是卖方从事衍生品定价，特别是Exotic Derivatives定价，是Quant需要掌握的。

——买方的Quant，所有品种通吃。

✅天呐，研究股票的Quant可能与研究信用债券或商品期货的同行难以交流。他们都不懂互相都在说些什么鬼？

Quant在不同研究领域之间确实存在着巨大差异。不同的领域有着截然不同的方法和关注点：有人注重量价关系，有人关注基本面因素；有人专注于大盘股，有人只研究流动性较差的股票；甚至连港股和A股的量化交易员之间也存在显著差异。

——必须要数学物理Phd，才有资格从事Quant。

✅原来我看起来真的这么厉害。不过我们不是医生、老师、律师。必须要像医生毕业于医学院，律师必须学法律。是谁规定的Quant不能是包揽在校奖学金的计算机系心理学大神？

Quant的背景千变万化：物理、数学、计算机，甚至有心理学毕业的。不同公司对量化交易员的学历要求也各不相同：有些喜欢数学物理博士，有些追求特定学校的毕业生（尤其是创始人母校的），有些看重获奖经历，有些需要金融市场经验，甚至有些不在乎你是否懂股票。

尽管一些TOP基金公司偶尔会打破传统，但为了提高面试成功率，建议在有条件的情况下充分学习线性代数、微积分、统计学、机器学习和编程等课程。

——Quant都是机器学习深度学习的专家。

✅Quant在你心里这么厉害，我表示很欣慰。

绝大多数Quant对于机器学习的应用止步于XGBoost，甚至都不知道LSTM的原理，更不会用Pytorch、Tensorflow。研究讲究效率，并不需要成为这个领域的专家。使用机器学习的Quant，绝大多数就是个调包侠。

——Quant研究是有尽头的。

✅我承认一招吃遍天下是所有人的梦想，Quant也是。但你还是继续做梦吧，梦里什么都有。“发现圣杯，坐等升天”不可能。

无论是金融市场、经济学还是其他领域，Quant研究始终在寻求更加精确的模型和更深入的洞察力。每个新的发现、新的算法、新的市场波动都将激发Quant研究者的好奇心和探索欲望。市场的复杂性、随机性和人类行为的不确定性都使得Quant研究无法预测一切。

根据职能的不同，可以把Quant的细分为六种：

✅Desk Quant：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。

✅Model Validating Quant：独立开发价格模型，一般是为了确定Desk Quant开发的模型的正确性，优势是更轻松，压力比较小，劣势是这种小组的发展空间较小薪资报酬偏低。

✅Research Quant：尝试发明新的价格公式和模型，有时还会执行Blue-Sky Research。优势是比较有趣，而且可以学到很多新东西，劣势是个人价值很难被发现（跟科学家一样，没有什么大的成果就没人注意到你）。

✅Quant Developer：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，这种工作变化很大，它可能是一直在写代码，或者调试其他人的大型系统。

✅Statistical Arbitrage Quant：在数据中寻找自动交易系统的模式（就是套利系统），这种技术与衍生物定价的技术有很大的不同，主要被用在对冲基金里，而且该位置的回报极不稳定。

✅Capital Quant：建立银行的信用和资本模型，相比衍生物定价相关的工作它没有那么吸引人，但是随着巴塞尔II银行协议的到来，它变得越来越重要，而且压力较小工作时间也相对稳定，得到的薪资也算不错。

✅FX（外汇交易）：合同趋向于短期，大量的金额和简单的规定。所以重点在于很快速度地建立模型。

✅Equities（股票和指数的期权）：技术偏向于偏微分方程（PDE），市场较小。

✅Fixed Income（基于利息的衍生物）：从市值上来说可能是最大的市场。对数学能力的要求更高。

✅Credit Derivatives（建立在公司债务还清上的衍生产品）：该职位发展迅速且需求量大，收入普遍偏高。

✅Commodities：近几年生活用品的价格普遍上涨，促使该领域发展迅速。

✅Hybrids（多于一个市场的衍生物市场）：典型情况是利率加其他，它主要的优势在于可以学到多领域的知识，是目前炙手可热的领域之一。

与Quant最相关的词是“高薪”。Quant的薪水尤其令人印象深刻，不管是从社交媒体中的信息，还是在各大平台的统计数据中也是如此。

如果你将来想做P Quant，专注于统计学和数据分析，那么最合适的专业是数学、计算机科学和其他相关领域；如果你想做Q Quant，你主要依靠随机分析、波动率模型、金融经济学和金融计量的知识。不要太局限于本科专业。

而且Quant并不一定需要学士学位或专业背景，只要一个人有足够的数学和物理能力并参加额外的课程。有些课程是必要的，而另一些则是锦上添花。

想快速提升能力，通过面试，系统学习量化/交易/资产管理/风险管理/对冲基金面试知识点，一次刷完经典刷题圣经 + 实时更新的业界面试题，理清解题思路，告别死记硬背，一个课程就够了！

由横扫九大投行、对冲基金的大牛合力研发，三周带你从0到1逆袭，华丽转身为全球疯抢的Quant！

北大清华面霸教研组，对知识点和考点有深刻的理解和精准的把握。刷题班由教研组结合历年投行、买方面试真题合力研发，全面覆盖考点难点易错点，确保同学们Technical面试不踩坑。

另外，我们还安排了相应的导师Office Hour直播在线答疑，确保同学们可以有更多时间和导师深度互动，绝不把问题留到明天！！！

👇课程大纲👇

课程采用录播+直播相结合的方式，课程有效期内#免费无限次课程回放，帮助你补课或者反复复习，满足你的时间弹性和多次学习需要。

#求职资料实时更新，保姆式为你的求职之路保驾护航。更有创新自主学习平台，一站式管理学习资料&课程进度；#Quant专属交流群，结识志同道合的求职伙伴，扩大职场社交圈！

该课程已经帮助数千学生顺利进入CITI Bank、JP Morgan、BOA、D.E. Shaw等顶级公司的量化岗位，并收获无数五星好评🌟。感兴趣的同学请尽快抢位报名！小班教学，报完即止！