你為什麼勸退quant？

01-26

太浮躁，嚴重的浮躁。

風險中性原理完全不懂，二叉樹模型都要實習生才能講明白，就敢大談期權風險有限收益無限blabla。

連實際波動率和隱含波動率都分不清楚就敢扯期權策略，開倉了個跨式，不隨市場對沖就敢說做多波動率。

伊藤積分都能忘了二次項，就要拿布朗運動建模。

看漲看跌期權套利監測直接套書上的公式，結果發現到處都是套利機會。根本不理解看漲看跌平價關係是怎麼推出來的。

完全不理解希臘字母怎麼用，到最後就是賭方向。

其實就是，行業里根本沒有願意踏踏實實研究東西的人。

說白了，千萬不要把金融業的思維放在金工上。

你說招quant為啥喜歡博士？我覺得知識面是次要的，術業有專攻。關鍵是，讀博的人，都能踏踏實實做事。至少不是把快錢放在第一位，不是把忽悠放在第一位。

不論是干哪個行業，穩紮穩打才是王道。

關於關注點偏…樓下一些答案本身已經給出了詮釋…

建議大家在討論問題前先去了解一下「寫出賺錢的策略」這種類型quant占整個數量行業的多少，國內外分別佔多少，其他種類分別都是啥，站多少；然後再研究下僅在數量投資這個子領域裡，國內做那些「策略」的quant占整個數量投資領域多少。綜合起來就知道為啥叫關注點偏了。這也不奇怪為啥人人都開口2acj（就不談d了）

還有一個最大的誤解是某些人口中的「理論」和「頂尖的數學家才能做好的」，真的只是這個行業的基礎，而且稍好一點的本科生就能掌握，而且一點也不「理論」，相反《超應用》：

「老子做應用的」

「老子做應用的，洗數據用py…

原文：

我不勸退quant，我只是不勸進。

這個行業方差很高，但均值甚至沒有銀行職員和貸款公司高，且入行門檻和技能需求一年比一年高。

同時很多人對這個行業抱有了太多不切實際的幻想，相當一部分人因為國內行業，政策和從業者的局限性的這個行業有著畸形地窄且偏的看法。關注點全部堆在了幾個在整個行業甚至占不了多少比重的小點上。在毫無基礎建設的情況下蜂窩般的湧向個別看起來十分高端的方向，個個仿照2acj。誤解一年深於一年，以至於「量化」一次在黑貓的字典里已經成為罵人的話。

一個特別需要長期雕琢的行業里，短時間內竟然爆炸般的湧入了無數技術投機者，雖不至於藥丸，但前景也絕不光明。

國外的形勢也同樣嚴峻，1:300的pk率還是有的。

總之，雖不主動勸退，但是不勸進，望大家理智對待這個行業

很多人都只說到quant一小部分，先上個Quant大致的分類：

賣方：

1. Pricing、包括CVA（場外衍生品做市業務，複雜衍生品做市需要定價，core skills: stochastic, pde, probability and measure, monte carlo）

2. Risk Quant / capital quant（做VAR模型的，包括做IRC/CRM/SR/PD/LGD等regulatory risk metrics的，core skills: probability and statistcs, time series, monte carlo）

3. Execution quant（delta one/cash equity PB業務，代表客戶交易股票的經紀人，順便降低交易衝擊成本和費用，core skills: programming，market microstructure, optimization）

4. Model Review （審閱、測試別人的model，提出修改意見的，又叫model validation，core skills: documentaion, highly depends on the desk）

買方：

5. Statistical Arbitrage （「量化策略」的集中地，各類「xx中性策略」的集中地，中低頻為常見，core skills: statistics, time series, machine learning)

6. Asset allocation （研究如何有效分配資產比例，從宏觀上提高整個fund夏普率的，需要懂各類資產風險特性和macro hedging strategy，core skills: statistics, bayesian, optimization, macro-econ/finance）

7. High frequency trading （高頻做市的，都是流動性好的產品，日漸萎縮的行業，全球估計就幾千個人在從事，core skills: computer science)

8. Quant trader （就是拿著量化武器的prop trader，基本是想怎麼trade就怎麼trade，對自己pnl負責，core skills: general/mental math, game theory and probability, market structure, risk management, macro, programming, statistics)

9. Quantamental ( 一些equity shop開始蹭大數據的熱度，請一幫phd從數據挖掘角度篩選公司，和國內「選股」很相似，core skills: statistics, machine learning, finance)

多說一句，Quant trader大概是綜合要求最高的崗位，基本上要自己做model，做test，寫production code，交易，風控。雖然數學、編程、金融等子環節或許都沒有其他領域的人深入，但考慮其知識廣度，需要的前期準備基本是最多的

在美國，這個行業，基本上只有很小的一撮人在做有意思的事，其他的（或許90%）基本就是真的搬磚（好一點的implement model，有的review model甚至clean data；好多銀行quant都是和ccar/basel打交道的，和主營業務毫不沾邊）這90%的quant未來成長性都是非常有限的

不得不說，同一個title下（quantitative analyst, quantitative research, risk analyst, trader...）做的事情真的千差萬別，成長性上升空間也大相徑庭。

所以，勸退quant？我不勸退quant，我勸退的是model review，bank risk quant，automation quant等Dodd Frank法案後冒出來的一波新興quant，甚至給trader打工的pricing quant（有待觀察）

個人粗淺看法，只是一個角度

我不勸退。

作為一個junior quant, 我沒資格去勸退或者勸進任何一個想進這個行業的人。我只想講講自己的看法，我覺得quant 這個職業會越來越好，特別對於資管行業。

金融這個行業，靠的是信息不對稱，關係和信任。以前這個世界信息少，靠人腦就可以處理完。信息不對稱主要是獲得信息的能力不對稱。所以有人挖掘內部消息，有人靠信息不對稱賺散戶的錢。但隨著科技進步，信息的獲得越來越容易，數據量也越來越大，已經超越了人腦能處理的極限。信息不對稱也體現在了處理信息的能力不對稱。在未來的投資活動中，一定需要以高速的方式處理大量的信息，形成投資決策。這個處理的工作，可能是data scientist來做，可能是P quant, 也可能是我們現在還不清楚的新興職業。但我相信，擁有量化能力和金融思維的從業者能在未來的金融行業擁有重要的一席之地。

Q-quant和P-quant加起來還不如D-quant多，D-quant是什麼？Development Quant（區別於quant developer）

本來我想說，因為很多想入行的人對quant的理解停留在十年前。

不過轉念一想，有什麼關係呢，這個行業確實停留在十年前啊。

然而，十年的時間，足以證明一個經濟學概念：邊際效益遞減。

------------------------------

當這個行業沒有創新，沒有新產品時，大部分quant的價值就體現在，讓交易自動化程度更高，讓模型/演算法更精確，讓風控更完善。

這些都是「養寇自重」的活。即，大部分的quant工作的意義，是讓自己的工作體系化程序化，讓自己的這個組這個崗不再需要那麼多的quant，就能完成一樣的business。反之，如果有持續的活需要同樣甚至數量更多的的quant做，那養這麼些quant的價值體現在哪裡呢？這就是目前quant行業的悖論。

僅限美國，中國不了解。

量化這個行業，是少數可以憑藉硬實力說話的行業。你學歷好，科班出身，大公司，足夠的資金，寫出來的不賺錢就是不賺錢。老子垃圾學校畢業，窮B一個，沒背景，全靠自學的，用的那些SB說沒法預測市場的機器學習，還是自己的錢一點點跑起來的，能賺錢就是能賺錢，老子的簡歷連那些大公司的海選關都過不去，但是這些所謂的有名的公司，你們有幾個人從獲取數據處理數據到寫模型加容錯全是一個人做，還能穩定一個月10%以上的超額收益？（老子最好的倉一個月30%超額收益）。

這是少數幾個沒有背景的程序員，能夠就憑藉硬實力，站著還把錢賺了的行業。你們那些既得利益者就不要在那裡劃胖哭窮地勸退了。

所以我並不勸退，相反，我鼓勵有自學能力的人來做quant。這是少數幾個你能憑藉數據，不用去討好任何人，市場會給你的辛勞回報的行業。就算是所謂的最公平的高考，北京上海的學生比你天然更容易上重點大學，但是量化這個行業，他們也得和你扯到同一水平線上競爭。

既然得公平競爭了，他們當然整天勸退你們咯。

反對@子楠的回答，看此人像騙子，各位小心。

沒資格勸退，不過作為junior，最大的感受是大部分時間我在提高數據質量，非常心酸

參考有效市場假說中，半強有效和強有效的區別：

在半強式有效市場，量化的目的，從來都是在挖掘內幕消息。但是內幕消息，一些能人一般有更好的捷徑可以選擇——直接去找相關政府人員，或者找大資管的從業人員。

至於量化中的一些套利，只是在半強式有效市場中，信息流動時產生的摩擦從而帶來的盈利機會。你說說，這個方向還有錢途嘛（逃）

因為我找不到工作呀（攤手）

找到的總是有恃無恐

以前quant工資高是因為整個行業收入高和錢沾邊就能大筆bonus 因為現在市場上賺錢越來越不容易所以職場efficiency也越來越高體現出來的就是好職位bar越來越高工資反而可能降低水的人到哪裡其實都是搬磚（有你沒你隨便換個人結果差別不大）無非是背景好的人能去好的地方辛苦錢賺的多一些而已（感覺以後可能都不過是特別多了，畢竟平均主義只能導致牛人走水人留）背景好的牛人遲早能找到適合自己的地方或者是自願去輕鬆一點的地方工作唯一可能是背景沒那麼好的但是其實有很大潛力的牛人容易被埋沒吧感覺沒有勸退或者勸進吧，其實你說咱們這些編程也不過硬的人還能去什麼行業呢現在轉dev也不在少數了而且轉cs可能也不比做wuant容易現在金融還是比其他工程要收入高吧

因為大多數人只能做賣方。。。

找工作已經越來越難了難道勸進一群新人和自己搶飯碗

如果問題改成：你為什麼鼓勵大家來從事量化研究？

底下的回答會不會變成一邊倒來說quant的好？

問題誘導性比較強

不勸退，，，反正好工作也不多

選擇太窄了

quant 期望難道不為負

的確，這個行業要求，投入高，回報跟提成相關，不然收入低，中年大叔的我尷尬

I mean...Quant如果單指資產管理的話未免過於狹隘。

推薦兩本書《華爾街頂級數量金融大師的另類人生》和《寬客人生》。Asset Manager 和 Quant Researcher 的技能包是有很大區別的。

所以，如果以研究為目的真正熱愛的Quant又何必勸退？而對Quant報以不切實際幻想的人自然會在殘酷的市場中接受再教育。

我們招聘交易員不看程序代碼，我們不看夏普比率，我們不看勝率，alpha，beta……我們的目的是賺錢不是搞研究！什麼你還沒開戶？什麼你還沒有實盤交易記錄？這個，哈哈……出門，右拐那兒有家投資顧問公司（就是拉客戶的）~