如何看待紐約大學教授 Marco Avellaneda 的言論：Pure Quant 叱吒風雲的時代已經終結？

01-26

視頻訪談：Youtube: Marco Avellaneda: "The Era Of The Pure Quant Is Over"
觀點摘要：
1. 在過去幾十年間，數理金融方面的理論研究積累了相當多的工作，如今市場熱點開始轉嚮應用細節；
2. 金融危機之後，金融領域的監管越來越多，使得 Quant 需要從以往單純的理論建模工作轉向在深入理解業務的基礎上展開工作，特別是要從現實和宏觀的角度理解系統性風險；
3. 金融本身的邏輯愈加重要，抽象數學理論的作用逐漸弱化（市場並非完美，交易成本有重要影響等）；

4. 後金融危機時代，Quant 們需要在不同國家（語言）的跨度上展開合作，技術性工作（編程）增加。
其他：
簡單的 Google 搜索得到下面這個頁面：
Marco Avellaneda: "The Era Of The Pure Quant Is Over"
其中有人指出：
「Weve moved from the particle physicists we had before the crash to the programmers who can run stats and communicate effectively in the trading environment.」
註：以上全部為引用及摘要，不代表本人觀點。「叱吒風雲」一詞也只是對「Era」的拙劣翻譯而已，不應該作為問題的重點來看待。問題本身是想看大家對未來的熱點方向的看法，和由此引申出的我們該在哪些方面（技能，就業方向等）做準備，而非批判過去。

先說一下我對這個問題理解的前提：Pure Quant是以數理金融中的隨機微積分為基礎。並且採用題主的注，不糾結單個用詞是否過當，溫和的翻譯一下：Pure Quant要走下坡路了。

在這個前提下，覺得這個結論還是供需導向的。Pure Quant主要是的用途是在賣方銀行中為各種衍生品定價，而在08年危機之後，OTC市場衍生品（尤其是複雜衍生品）的交易下跌很厲害。我未能找到很全面的趨勢數字例證，只有下面這個圖反應個側面。（縱軸以millions為單位且數字很小，不知道統計的時間口徑是什麼）。危機之後急劇下降，雖然10年以來回升的厲害，但離距離以前的峰值還遠。其次在回升的交易量中，複雜衍生品應該占不大比重，因為客戶們的受的疼還沒忘掉呢。而比起標準的vanilla產品來，顯然複雜的東東是利潤率更高。（這裡打個跑題且不很貼切的比方，但意思能表達到。有家喜歡去的酒吧，啤酒和開心果等小吃的價格30元不貴----相對酒吧的市場價格。但是幾種簡單水果水果組成的「複雜」果盤最低的也要160。你看這利潤率差多大：）所以服務員每次推銷果盤的熱情都很高，但我們很少點過：））

總結上面啰嗦的結論，就是現在對Pure Quant的需求減少了，因為需要它的市場比起以前萎縮了。

Update 09.07：

是這麼簡單推理的，從Pure Quant本身的技術理論來說，主要的地盤定價領域並沒有被新技術滲透侵蝕，那麼只能是這個領域本身的需求減少了。畢竟這套造火箭的高精理論搬到金融市場中來了，就要受供需關係這個基本的制約。並不是其理論本身怎麼下滑了，雖然有各種不完善，但金融市場上直到現在也沒有過於完善的理論出現。退一步離開金融說，就是統計學習、機器學習這套理論本身也是有各種假設和不完善存在的；只不過用到金融上後加了更多地假設。（此外，當一個東西從最火的頂點開始滑落時，就會有不同的聲音開始出現，或激進或溫和。不止是Pure Quant這樣金融領域的東西，其他社會經濟元素，包括實體經濟企業，也是相同的待遇。而下圖中危機前增長曲線那誇張陡峭的斜率，說明了這個領域曾經「火」的程度）。

未來怎樣是很說不好的話題，不過買方角度需要的一些技術會是長盛不衰的吧，畢竟金融市場一直不缺火中取栗搏收益的基金等機構。尤其是很熱的大數據新技術，也主要是應用在買方的（就我有限的了解範圍內的幾個銀行，定價領域目前還是上面說的Pure Quant主場，沒有應用新技術的跡象）。有個給出了這方面的三個大方向：理論創新者，實際應用者，和工具提供者。第一個離大多數職場人士太遠，後兩者中最多的還是第二類實際應用者。因為已經有很多專業甚至開源的工具現成了，對老闆來說，能直接生產效益的職位顯然是最受歡迎的--顯然這是第二類的範疇。如果有些特別的工具需求（更多的是計算機方面的，比如為更好的性能想用CUDA加速一些計算，或者想要個公司特製的統一語言開發平台等等），第三類需求就出現了。但比起第二類來不多，因為第二類就是「日常」需要的。甚至有的機構會從外面請專門的人來花一兩年做這事。（貌似在歐洲這種「Contractor」的工作模式比較多，但國內好像不流行，至少是大多數求職者不怎麼感冒。）

最後個人覺得買方應該也有Pure Quant的需求，但量多量少就不清楚了。有朋友在做銀行做外匯的資產組合管理，覺得這應該是偏買方的。但他們組合中的倉位很多都是衍生品，這就難免會用到Pure Quant的吧，畢竟你要買用它做出來的東西。其次在波動率的交易中，尋求交易機會很少用什麼隨機波動率模型的，而是用像volatility cone（google有很多鏈接）這種簡潔的統計工具，而一旦option買入手之後需要對衝掉delta時，其實就已經與Pure Quant的內容打交道了。

這個話題啰嗦了很多貌似也沒有說出確切的結論，唯一覺得的如果已經在一個方向領域工作挺長時間的話，不建議很大的轉變，否則要面對重新學習成本與以前付出的沉沒成本，後兩者中根據自己的積累、擅長及興趣，確定發展方向吧，或兼顧或擇一。不過這也是很不好確定的事（又是廢話：），我的一個前同事就離開金融行業去做純大數據方面的創業，算是從金融行業的第二類轉到了IT行業的第二類，目前也風風火火的。如果題主有不同角度的想法歡迎交流。

從來沒有叱詫風雲過。那些礦工叱詫風雲的故事都是礦工們自己搞出來意淫的。

xieyao. correct. market more efficient. exotic beta diminishes. fake alpha (put-selling, vol-selling, ...) collapsed. central banks twisted markets. elegant mathematical solutions? aka. white rabbit...

Quant只是一種工作，沒必要把它妖魔化。以前銀行里需求，未來銀行里也是需求，前台的會有，後台的也會有，只是側重會出現變化而已。現在regulator的成分確實很重要，所以quant也要懂遊戲規則，而不是純粹的懂數學而已。

Avellaneda本人其實也是個quant，跟rama cont這幫子教授開了個finance concept的諮詢公司。說實在的，作為一個還是身處academia的人，我覺得Avellaneda這幾年的文章大多偏向了risk和統計，使他更像是商學院，而不像Coruant人，不是數學了。或許他認為這是趨勢，但和他差不多地位，甚至更知名的rama cont還是一直在數學裡做文章，開創並發展了functional calculus，在業內也作出了不少成就。每個人對未來有每個人的看法，沒必要因為一個人的話而去改變自己的三觀。

但quant需要更懂規則是必然的趨勢。

這是個無法回答的問題，每個人都有他的觀點，我來扯點跟問題無關但又確有聯繫的東西，姑妄看之，輕拍。先看下這個圖片，也就是訪談的背景，全球衍生品交易不過20年出頭的光景，從英文傳統的詞義來講，叫「Era"其實有點自抬身價了。

事實往往很殘酷，資本市場現實上是個狩獵場，參與者都以為自己是獵手，卻經常成為獵物。在這個遊戲中，各種手段無所不用其極，從原始的坑蒙拐騙，傳統巫術和現代巫術（預測？）、從技術分析到複雜的金融對沖、高深的數學遊戲、高科技通信、數據挖掘、人工智慧都有人在玩，也都曾在一段時間內風光無限過或者正在升溫中。

市場規則也在快速地進化，有些市場管理者清楚地明白不能允許太多的惡行，以免把市場本身給玩跨了，於是規則越來越嚴格，有的還在相對原始的階段，還經常可以看到一些歷史遺迹。

但人性在這個沒有硝煙的戰場上暴露無疑，利益的驅動會促使參與者不斷加大投入，因為中間環節比較少，獲利鏈條相對短促使這個行業的參與者越來越向裝備競賽的模式發展，只要能獲利，即使是犯罪只要沒被抓住，什麼手段都在被嘗試使用，自然也吸引了其他領域的人士也努力地想用各自的獨門技術來這裡分一杯羹，所以純粹的quant就顯得越來越少了。

那是早就可以預見的, 因為數理金融的假設實在是不切實際. 之前沒人講是因為包含金融高管跟火箭科學家在內都是利益共同體, 不方便明講罷了. 現在開始講, 無非是夜路走到了盡頭

一般科學研究都是先有對現象的描述測量, 才能有理論去驗證並預言這些現象, Pure quant卻反過來, 物理學家看了一眼金融走勢便覺得跟布朗運動有些形象, 順手沿用了理性人衍生無套利假設, 並以此作假設發展了理論, 加上數學家發展出來的隨機微積分就變得更有趣味, 整個數理金融可以說是遊戲之作, 一開始沒人想藉此賺錢, 也沒人去驗證假設是否真實. 雖說是遊戲但也是能認真玩的, 以至於那些理論還是有些貼近真實, 在還不成熟的金融市場的效果一開始還算不錯.

金融高管看了這些理論, 認為是實務可以用來宣傳行銷的東西, 把正經八百的投資遊戲化, 變成賭博算牌似的東西吸引眼球, 反正公司破產也不會死到他們. 加上金融高管開得薪水實在太高, 以至於那些火箭科學家不想太較真跟錢過不去

也是有從實際出發去發展理論的, 只是那些都沒有pure quant的物理遊戲這麼吸引眼球, 不好行銷集資

直接看這個的回復足夠了，已經說的很清楚了：

【P Quant 和 Q Quant 到底哪個是未來？】我：首先你們這些初中級員工和正準備入行的門外漢是不了解我們這些高層是怎麼想的，你們接觸的信息，多半是金融分析師CFA和數量分析師CQF認證培訓的內容，大學裡面教你們的東西，即便你們到PHD，其實也是為了學… P Quant 和 Q Quant 到底哪個是未來？

然後你的關鍵問題在於只認識到工具的重要性，就是數量和IT工具，但是卻沒有意識到與盈利密切相關的盈利經驗、運氣、和方向的重要性，後者是前者所不能習得的。比如方向，很多人智商情商不低，同樣努力，但是方向不對，一樣不能盈利，但是公開信息，又很難有人告訴你正確的努力方向的，這個，就是即便剛剛經濟危機爆發沒幾年，但市場整體素養不但沒有提升，反而實際有所下降的原因，也是很多人自己鼓搗了七八年也沒能穩定盈利的原因，更別提財務自由了。這點對個人和機構同樣適用。

基本面量化是未來的方向，這個微博上早有人說過了。看一下橋水的模型，那個就叫基本面量化。

噴一下樓上那個量化交易平台的人：

呵呵，因為你是利益相關者。當碼農都能寫個策略在你們這種過家家的量化平台上掙錢的時候，量化還有多少賺錢效應呢？金融的內在邏輯是社會學的，所以哲學模型和數學模型不可偏廢。

不是Quant也沒有任何金融經驗，純粹興趣關注點罷了。

個人覺得三個原因吧：

1. 由於Big Data太熱了，Pure Quant之前的光輝全部被吸引過去了。個人覺得在Big Data之前都是以金融數學為主導，所以找了很多physicist來做模型。可是到Big Data風風火火的時候，大家突然覺得咦，用數學解決的方法好費力哦，我們全部交給計算機來做不久好了嗎？然後就有些轉變，更需要的是programmers來建立程序來分析Data，建立模型。

2. 外界環境因素，你說到的金融監管機制越來越嚴格導致以往單純Quant的工作變得更加實際化了，這是毋庸置疑的。另外從tech角度來說，由於分散式處理和集群計算的可用性大大提升了，計算比以前要高效了太多了，這也是推進Big Data熱的一個很主要的原因。

3. 時間因素，從理論到實踐來說，這個時間點上應該是實踐cycle的上升期，之前的理論積累一定程度上導致了現在Quant更多的是偏向Tech。從另一方面來說，也只能說是之前實踐不夠，沒有達到和理論平衡。

說白了，就是人懶了，思維瓶頸了，那交給機器去玩好了。

我也去了Marco的office hour，他主要講了兩點：

1. 以後quant會成為像律師、審計師那樣專門的事務所，獨立執業。

2. 如果有選擇，不要學MFE，學Data Science.

感覺Marco是非常強調直覺的。他的衍生品的課其實可以非常數學，但是卻講的是最casual最有意思的(可能他經歷太豐富，經常發散的很開。。) 高票學姐？答案其實已經講了很多，我就補充一個細節。。

在課上有次有個學生提問，某個公式該怎麼理解，為什麼是那樣的。他跟我們說（意思大概）：

Donk look at the formulas. Why should I care about them? I would rather wake up every morning next to my wife and see her beautiful face than look at these formulas.

從伯南克時代開始，我覺得這個金融圈已經變化了，不過金融圈的人管金融的事情。雖然從宏觀上看，金融更多是為了服務實體經濟的分支。但從學術的結構看，經濟學和金融學的本質是相反。經濟學是微觀到宏觀，金融學是宏觀到微觀。從數理金融學的學科結構看是經濟學-現代金融學-數理金融學這樣的分支。因此在未來的方向，我個人覺得並不是題主所說的，從理論轉到銷售的方向。更多是從微觀市場轉向宏觀市場結構發展為主。

quantamental

萬法歸一，認為P和Q是互相割離的概念的其實是做的太微觀或者太宏觀而忽略了兩者實際上不斷收斂的。看懂

A New Perspective on Gaussian Dynamic Term Structure Models

這篇論文相信對P和Q的理解會更深，也會解決一些答主和其他提問者的疑問。

玩命寫paper，不打算贅述。

正好這段時間在忽悠我們公司的那些經驗主義者(其實是因為自己沒多少經驗)，就從最樸素的common sence上談談自己的想法

我雖然讀書不多，但是一直以來一個很深的感覺是，數學負責解決科學問題，科學以外的問題，尤其是我們日常遇到的一部分問題，往往都要歸到哲學範疇，所以數學和哲學合在一起就是解釋世界的完整視角，而經驗，不論是行業的還是生活的，都是哲學中最接地氣的部分。

所以如果拋開高大上的哲學概念單說經驗，視角聚焦到產業層面，數學結合經驗是企業不斷增強競爭力的源動力，也是所有行業爭取的發展方向。

但問題在於數學與哲學這兩者總會有一個在某一情況下更領先一點，因此我們才會看到大數據在互聯網行業以外的地方產生了各種各樣的變革，這就是數學開始領先於經驗的地方；在金融行業我們則經歷了經驗主義時代以及火箭科學家們對金融業的洗牌，可以說沒有比這個更活生生的例子了。

所以有人提出現在quant的發展已經呈現出無法支撐進一步精確的描述現實的趨勢可以說是情理之中。也因此在新的方法出現之前這部分數學描述的空白都會讓位於經驗來解決

從這點來看，個人認為所謂的「大數據」對於社會的影響導致金融行業可能會迎來新的變革。