確認過眼神，你也是做量化風險管理的人

文：虹姐

小編：唐晨卓

虹姐前言：

這篇關於 quant/risk management 的採訪終於出爐啦！如果你對量化或者風險管理感興趣，在讀量化金融 (quantitative finance），統計，數學等費腦專業，或者想在美國從事量化類工作，那一定走過路過不要錯過。

虹姐：量化男神你好！老規矩，先來給我們交代下你的具體犯罪…哦不，介紹下你的具體背景吧！

男神：好...我本科在國內讀的，專業是偏計算機方向的數學。大學畢業後申請到美國讀金融工程碩士，畢業後就留在美國，一直在銀行做風險管理相關的工作。先做過一段信用風險管理（ credit risk analytics），也做過銀行資金部的現金流風險資本金管理。一年多前換到了另一家大型銀行，現在做的是對銀行賬目上的金融衍生品的風險管理，其中包括資產擔保證券（Asset Backed Securities），房屋貸款抵押證券 (Mortgage Backed Securities) 等。

虹姐：不明覺厲…不過好多模糊的生詞啊…我腦力有限，你一會兒得給我整明白了。不過，還是先聊聊你的經曆本身。當時讀書的時候就決定要做風險管理嗎？為什麼決定讀數學？看你一直在銀行工作，為什麼當初不直接讀金融？

男神：當時的思路是覺得本科應該學個理科打基礎，而所有的基礎其實都是數學，所以選了數學專業。

虹姐：當時能有這個眼光很難得啊！不過也得有這個腦力。像虹姐我，即使想學數學也…所以，研究生申請金融工程算是正式想往金融方向轉了？

男神：對，當時讀大三大四的時候開始對金融感興趣，就申請了好幾所美國金融工程的研究生項目，那時候金融工程都算新型項目，不像現在這樣遍地開花。當時全美可能只有10幾所學校有吧。其實金融工程的課程還是偏數理多，金融課程很少，即使有，也是衍生品定價什麼的，金融基礎其實不能說很紮實。

虹姐：了解。那後來是怎麼確定要做風險管理方向的？

男神：我讀碩士那會正好趕上金融危機，風險管理方向就變得很熱門，我就決定把工作方向鎖定在這個領域。這些年整體看，風險管理這個領域在美國還是相對好找工作的。一是風險管理一般要求有一定的數理（quant）或者編程背景，來自美國人的競爭會相對少；二是從簽證政策方面對國際學生一般也比較友好。很多銀行政策上是不給辦工作簽證的，但是風險管理部門是例外，因為不招國際學生就不剩什麼符合標準的人了….

不過話說回來，當時金融危機對整個金融市場打擊非常大，尤其是銀行領域，好多公司都壓根不招聘了，都輪不上拿工作簽證卡你。

虹姐：所以當時你是怎麼找到工作留下的？

男神：我是通過一份暑期實習，畢業後拿到了return offer。現在看，要不是當年拿到了實習，很難說畢業後能不能留在美國了。

虹姐：能拿到實習也不容易啊！那你這第一份實習/工作是具體做什麼的呢？

男神：我這份實習是在一家國際汽車公司旗下的金融公司，說白了就是一家銀行。當時做的東西叫做經濟資本金（economic capital）， 沒在銀行干過的人估計根本沒聽說過這個。

虹姐：比如我。來，給咱小白科普一下，那是幹啥的？

男神：經濟資本是一個銀行專業辭彙，就是說假如出現了不可預見的極端情況，比如金融危機啊，自然災害啊，在這種情況下銀行就需要有足夠多的資本金才能活下去。我們就是去建各種模型預測這些情況，然後計算銀行需要有多少資金才能不垮台。

虹姐：哦。這個會不會想太多了？一般這種世界末日似的事件多少年才發生一次啊，還專門需要個部門去算這種資本金嗎？感覺銀行都戲好足啊。

男神：銀行跟一般企業可不一樣哦。一般公司倒閉了，最多會牽連它的供貨商和客戶，波及範圍不會太廣。但是一旦銀行倒閉了，連鎖反應會波及社會各個行業，因為各個行業都需要銀行的資金供應，資金鏈斷了，很多其他行業就像多米諾骨牌一樣連帶倒了，這就叫有系統性風險。所以你看金融危機期期間，美國政府出手救了很多這種有系統性風險的金融機構。

金融危機之後，美國對銀行的監管越來越嚴格，就是因為銀行倒台的成本太大了。監管更嚴格對銀行來說不是好事，但是也正因為這樣，銀行風險管理這塊兒才需要更多的勞動力，才給咱國際學生提供了更多的就業機會。

虹姐：嗯，有道理。所以後來你一直在這家公司做嗎？

男神：並沒有。這家公司其實是為自己主營業務服務的金融公司，產品比較單一，接觸面有限，所以做了兩年之後我就想換換了。當時正趕上新的巴塞爾協議II（Basel II）出台，想換到真正的綜合性銀行做，所以換到了一家更大的銀行，繼續做 credit risk 相關的工作。

傳說中的 Quant 到底是幹什麼的？

虹姐：行，先打住，我先弱弱的問個我自己一直沒太捋清楚的問題哈~ 就是傳說中的quant數理類的工作，都是具體指什麼啊？都在哪些領域有工作機會啊？

男神：其實籠統來講，quant基本上兩大類的工作吧，一個是建模（modeling），一個是分析（analytics）。這兩個說白了是緊密相連的兩個function，但是要求的技能會有不同。

虹姐：仔細說來聽聽。

男神：先說明一下，其實有海量數據的行業都會需要設計建模和數據分析，不是只有金融行業才有。我這裡先拿銀行舉例子。

為什麼銀行後台需要有這麼多數理背景的人？因為銀行有海量的用戶數據，它可以通過數據分析來預測風險，設計產品。比如那些不還信用卡的客戶，都有哪些消費行為？可不可以通過分析這些行為來甄別未來有可能發生的拖欠還款？再比如，銀行整體的資本金水平符不符合監管標準？什麼因素會導致資本金水平變動？

這些問題必須通過建模來回答。建模聽起來簡單，其實學問很大。你有海量數據在資料庫里堆著，你怎麼收集整理這些數據？怎麼選分析的架構（framework）？用什麼統計方法？怎麼選擇變數？選出來的變數要怎麼測試？模型結果在商業上說不說的通？是不是有價值的？這些就是做 Modeling 要做的事。所以 modeling 的工作一般來說，需要比較紮實的數理背景和編程能力，有些職位需要涉及到演算法的甚至只招 PhD。

但是不是把模型做完就萬事大吉了。模型建好是要用的，用來更好的監測和預防。所以每天銀行有新的用戶數據生成，就要放在這些模型里運行，生成結果。那分析這些模型的結果的工作，就是 Analytics 來做的。

Analytics 不需要你會建數學模型，而需要你能理解模型的原理，能分析模型跑出來的結果。所以說 Analytics 不要求你必須編程出身，但還是要有一定數理教育背景，懂一些基本的統計知識，也要會一些統計和資料庫的基本語言，比如 SAS 和 SQL。

虹姐：了解了。那除了銀行，金融行業里還有哪些公司有 modeling 和 analytics 職位呢？

男神：純 Modeling 來說，金融行業里比較大的一塊兒就是我在的銀行風險管理。當然風險管理是一個特別大的範疇，包括信用風險管理啊，反詐騙啊，反洗錢啊等等方向。除了銀行之外，trading firm 一般也有很多需要 modeling 去建模設計交易策略（想了解 trading 這個行業的請看虹姐之前的這篇採訪《聽萌妹子交易員講美國trading市場那些事》）。除此之外，在 buyside 投資公司做 asset allocation 也是一塊兒。做 asset allocation 和做風險管理用的方法挺不一樣的，它們的 modeling 會應用到比如 monte carlo simulation 或者 mean variance optimization 這些。除此之外，research 相關的工作，比如在投資公司，或者在諮詢公司，也會有需要 modeling 的職位。

虹姐：那Analytics呢？

男神：其實數據分析是個特別廣的範疇，比如 Marketing Analytics 現在是一個很大的如就業方向，各個行業都會需要，包括銀行這樣的金融機構。

虹姐：還有現在很火的 data scientist，也是跟這些類似嗎？

男神：Data scientist 跟 Analytics 很相似，但是更偏數據，就是在海量數據里尋找關係，這類職位會對編程要求更嚴格一些，但是不是非PhD不可，很多招Master的。之前很多矽谷的科技公司狂招 data scientist ，但其實不止它們，現在很多 marketing company，甚至零售商比如沃爾瑪啊，CVS 連鎖超市這些也都會招 data scientist。

銀行的資金部 （Treasury） 也需要做數據分析的？

虹姐：了解了。那你後來怎麼又換到銀行的資金部（Treasury ）了？

男神：當時覺得資金部可以鳥瞰銀行所有業務部門，幫我對銀行業務有個更完整的了解吧。

虹姐：我讀書少你可表騙我，我之前採訪的一位學會計的女神跟我講過，資金部可是屬於銀行的財務部門（Corporate Finance），不應該是學會計的才能做的么？你這算是改行做會計了么…

男神：哈，沒改行哈，我也做不來會計…

資金部（Treasury），財務會計部（Controller）和計劃分析部（FP&A）確實是公司財務部門的三個主要部分。不過資金部比較特殊，它負責跟現金流相關的一切決定。注意，不是收入和利潤，而是現金流。現金流和收入利潤這些不是一個概念，你可以在業務上飛速拓展，但是一旦現金流斷了，任憑你未來再光明，你也就死翹翹了。這就好像任憑再健壯的人，如果一時沒有了氧氣，蹦躂不了幾分鐘就掛了。

上面說的是一般公司，銀行的特殊在於資金部還需要對資本金 (Capital) 進行管理，我之前說到的經濟資本金就是其中的一部分。由於銀行存在系統性風險，資本金是保護銀行的一道屏障，當所需求的資本金超過了銀行的賬面權益，這就表明銀行處於風險之中，這樣你需要在資本市場募資增加權益，或者變賣高風險資產降低資本金需求。我負責的就是銀行的資本金的管理和如何分配給各個業務部門，衡量它們的風險和回報是否符合公司的風險容量 (Risk Appetite) 長遠規劃。

虹姐：聽起來…還是會計專業就可以搞定的事情。為什麼要你個有 quant 背景的人來做？

男神：對銀行來說，因為監管嚴格，很多測試需要建模型來做。剛才提到了，分配資本金需要根據各個業務部門的風險水平，這就需要有 risk model 來做支撐。再比如，很多監管要求的對資本金的測試需要你去測試不同經濟環境下需要多少資本金，在這些極端環境下，你的風險和你的資本是否匹配，這些也需要建模啊。這些也決定了你能剩多少錢發股息（dividend），或者你可以做多少股權回購（share buyback）。一般公司發多少股息做多少回購都是自己說了算的，但是銀行因為監管嚴重，所以銀行的這些決定都需要美聯儲先批准的。

虹姐：這麼苦逼啊！所以你們還得自己建模嘍？

男神：是啊，我們都得自己編程。

虹姐：問下你們都用什麼語言編呢？

男神：基本就是 SAS 和 R 吧。主要這些模型美聯儲都要看的，所以如果你用特別新穎的語言他們也看不懂，所以一般就用 SAS 或者 R 這種通用的。

虹姐：呃…連模型都要看么…管的可真寬啊。感覺美國的銀行活的真憋屈啊，各種被監管。所以，你在 Treasury 做了一陣什麼感受？

男神：我覺得一個比較深切的體會就是公司財務（Finance）部門總體上晉陞機會較少。公司財務部門一般都非常穩定，一個蘿蔔一個坑，前人不走，根本沒有機會提拔。而且，財務部門的規模和銀行業務增長並不匹配。也就是說，即使銀行資產翻一倍，也並不代表財務部門會多招一倍的人。這個時候，有一家非常大型的銀行，也就是我現在的公司，有一個做回 credit risk 的機會，我就決定換工作了。

虹姐：也是因為這家規模更大嗎？

男神：對。美國一共有3000多家銀行吧，但是真正算的上是 superbank 的可能就是頭5家。絕大多數都是你沒聽說過的區域性的小銀行。我現在這家公司絕對不算 superbank 最大的，但是至少是其中之一了，我覺得平台會更給力。而且我過去可以帶比較大的團隊，機會也很好。就決定跳走了。

託管銀行...又是什麼鬼？

虹姐：所以你還是做回算資本金之類的老本行嗎？

男神：還是 Credit risk modeling，但是做的產品不太一樣。我們銀行是主營業務是 custody，翻譯過來就是託管。託管你了解嗎？

虹姐：呃…我說了解你信么…

男神：其實挺好理解的。比如你投資去買市場上的基金，你有沒有想過你投進去的錢放在哪裡？

虹姐：呃…基金公司幫我看著呢唄…

男神：那如果基金公司卷錢跑了呢？

虹姐：呃…這是個好問題…

男神：為了避免這種情況的發生，像這種資產管理產品的資金一般都放在一個獨立的第三方機構，通常是個有託管資質的銀行。每一天基金經理會告知託管機構ta想做什麼交易，然後託管機構負責具體操作，包括資金劃撥啊，債券交割啊，清算啊，核算啊這些後台操作。等於你的錢從始至終是捏在託管機構手裡的，這樣就不用擔心基金經理跑路了。

虹姐：哦，原來是這樣。

男神：不是什麼人都可以做託管的，一般都是有一定業務基礎的大銀行，才能獲得託管的資格。但由於託管銀行服務的大多數是金融機構，所以很多人都沒有聽說過。

虹姐：這麼低調？我喜歡。不過，託管也需要風險管理嗎？你具體去做什麼？

男神：銀行託管業務的客戶都是對沖基金（hedge fund）啊，共同基金（mutual fund）啊這些。這些基金經理經常在季度末都會有一堆證券要賣，賣掉了就有一堆現金堆在銀行的 balance sheet 上。這些錢不能拿去發貸款，因為有可能很快又會被用來買別的證券，但是金額巨大啊，隨便賺點利息都還是挺多的。

所以一般銀行會用這些短線的錢買一些流動性非常好的資產，安全性很高，要出手也很容易，但是還能稍微賺一點。比如其中一類這樣的資產就是資產抵押債券，Asset-Back Security（ABS）。就比如學生貸款啊，汽車貸款啊，被打包然後證券化，變成可以在二級市場交易的標準化證券產品。我們乾的事，就是去衡量我們銀行買的這些ABS的風險有多大。

當然，ABS只是其中的一小部分，我們需要負責的產品還包括當年金融危機的罪魁禍首的個人和商業地產貸款抵押證券(MBS)和擔保債務憑證( CLO/CDO)。如果想知道更多背後的故事，推薦觀看<大空頭>電影。

虹姐：廣告來的這麼突然...那怎麼衡量這些東西的風險啊？

男神：我負責的組主要就是去分析組成這些ABS和其他衍生品的原始貸款（underlying collateral）的質量。這就需要去預測這些貸款未來的現金流。聽起來簡單，但是其實需要非常複雜的模型，所以我們團隊基本都是學數學啊物理啊統計啊這樣非常數理的專業的，編程也是必須的。

整點兒實誠的...關於求職，招聘，證書和編程

虹姐：好了，知識介紹的差不多了，再聊該掉粉了。來說說大家最關心的求職和招聘吧！

先問下選擇專業的問題。對於想從事 quant 或者 risk 相關工作的學生，什麼專業最對口？Financial Mathematics/Financial Engineering/Computational Finance？Statistics？Business Analytics? General Finance? Computer Science？

男神：專業本身不是特別重要。對於銀行信用風險管理來講可能統計更對口。Financial Math 這種偏金融的項目一般不怎麼學統計，都是學衍生品定價，怎麼對衝風險這些，可能更偏向於市場風險，Trading firm會更喜歡。

虹姐：你覺得對於本科是沒有任何編程背景的純商科背景的人，研究生應不應該選擇這些quant的項目？尤其很多項目是一年的，短時間惡補編程，在面試中會有露怯嗎？影響有多大？

男神：我個人感覺，如果你想找這類的工作，至少要熟悉一門編程，學點統計，這對文科背景出身的同學可能會比較有挑戰。

不過話又說回來，不是說理工科背景出來的人就一定能面好，面試準備也是非常重要的，尤其是entry level的職位，你能不能講清楚學校里做過的項目在面試中至關重要。

還有就是有沒有比較與眾不同的經歷，尤其現在很多學校的這類金融數學項目大多數都是中國學生，簡歷拿出來都是一樣一樣的，不僅學位是一樣的，課上做的項目也是一樣的，這時候就看你自己有沒有比較獨特的經歷或者課外去接觸一些相關的project，這樣面試官會對這些相關的項目感興趣，當然還需要看你是否能把這些項目講的清楚。

虹姐：那一般這種 risk 或者 analytics 的職位會面試當場考 coding嗎？

男神：要看面試官風格，一般可能性不太大，但是確實會有一些 technical question，比如給你個情況，問你這個問題怎麼處理，什麼思路。

虹姐：我看風險管理相關的有很多證書，什麼FRM（Financial Risk Manager - GARP ）, PRM（The Professional Risk Manager -PRIMA），Chartered Enterprise Risk Analyst? (CERA - SOA)；Certified Risk Manager (CRM)；Risk and Insurance Management Society Fellow (RIMS Fellow)....暈掉了，這些證書有必要嗎？哪個最推薦？

男神：如果做風險管理相關我覺得最推薦FRM，這個在業界比較公認。但是證書也只是錦上添花，你不能指望人家看你有證書就直接錄取你，只有在大體沒有問題的基礎上，證書才會有加分作用。

虹姐：那一旦進入這個行業，證書對升職加薪有幫助嗎？

男神：個人感覺作用不是特別大，主要是進門用。

虹姐：再問問編程技巧。能不能評價一下哪類工作更喜歡哪種語言背景的？R？SAS？Python? Matlab?

男神：剛才提到了，銀行最常用SAS 和 R。Python 和 Matlab 也用。如果要處理海量數據用 Python 多些，比如很多 trading firm，或者做 Data Science 的都要用 Python。一些科技公司或者做市場營銷分析的 marketing 公司會用 SQL。 其實我感覺編程不需要都會，精通一個到兩個就行了，編程的邏輯是一樣的。

虹姐：那從地域來講，在美國想找 quant 相關的工作，像東西海岸有沒有比較不同的機會？

男神：Quant 可能每個地方都要，但是重點不一樣。比如芝加哥更多的就是trading，以及 risk 相關的，marketing 也挺多的。波士頓就是資產管理公司（asset management firm）比較多，所以 buyside 的機會多些；康州偏向對沖基金 (Hedge fund)；紐約是宇宙中心嘛，各個方面的機會都很多。西海岸銀行很少，主要是在科技公司的 data scientist，做 marketing 的，或者創業公司。哦，還有西雅圖，有微軟和亞馬遜，我身邊很多朋友這兩年都被招過去了。

大數據的未來在哪裡？

虹姐：最後，我也很好奇你對未來大數據的發展的看法，還有對中國美國機會的比較。

男神：我還是很看好這一塊的。未來10-20年人工智慧（Artificial Intelligence），機器學習（machine learning）這一塊兒的發展會顛覆我們的想像，尤其未來數據量越來越大，能做的事情會越來越多。這會對我們每個人的職業發展產生影響。

我一路走來，覺得還是要把自己的長處和未來的趨勢結合起來看。之前我一直會覺得做 Finance 相關的最高大上，但是其實對我最合適的切入點還是跟數據相關的，而且職業發展越往下走就越需要專，選對自己的切入點很重要。

虹姐：非常誠懇的體會。那中國市場的發展你怎麼看？自己有考慮回去嗎？如果有學生想回國做這方面你推薦嗎？

男神：美國確實有很多領先中國的地方，但是我覺得在金融科技Fintech這個領域，美國已經落後中國挺多的了。一方面是美國的監管很嚴格。剛才我也提到過，美聯儲很保守，喜歡用傳統的框架，不喜歡新鮮的東西，也不喜歡不能解釋清楚的 blackbox 一樣的科技，這就限制了很多創新。而且美國非常保護個人信用，它的法律限制了公司可以使用個人數據的程度。不能輕易獲取數據會非常限制這些公司去做這些大數據方面的嘗試。

虹姐：呃…美國為什麼要這麼死板？這樣不就都被別的國家超了嘛！

男神：兩個國家側重不同吧。監管是雙刃劍，雖然抑制了創新，但是最大程度的保護了終端個人投資者的利益。美國的理念就是這個最重要，它要替那些不懂的個人投資者把關。

虹姐：那中國呢？

男神：中國相比就是監管沒這麼嚴格，整個行業都是在學習探索的狀態，包括監管。而且中國的理念是以效率為先，有新研究就拿來讀，有新點子就做出來看看，不好就捨棄，好的就留下，所以進步速度很快。當然，這當中可能就會有不靠譜的產品坑了無知群眾的情況，所以說監管是雙刃劍，從國家的角度來看監管松可以促進創新，但是從個人投資者角度來看，這種監管環境就不見得是好事。或者說，這樣的超速發展可能需要建立在犧牲一小部分人利益的基礎上。

中國還有一點優勢就是基本所有消費相關或者人相關的數據都被幾家最大的幾家公司壟斷，這對於演算法發展是好事。因為數據量沒有到達一個程度的話，做出來效果有限，所以消費者數據集中在這些公司，數據使用環境更好。

虹姐：說起中國的消費者數據，我想起前兩天李彥宏出來說了句「中國人對隱私沒那麼敏感，願意用隱私交換便利性」，結果被罵的體無完膚。公開這麼說我覺得情商有待考量，但是我覺得也反應了一部分現實。

男神：有這個因素。但我認為主要是中國保護消費者隱私的法律規範還沒有發展到美國的程度，而中國消費者對個人隱私的保護觀念也還正在緩慢形成，這些巨頭才能有大量的用戶數據，可以用來做各種嘗試。

虹姐：不過國內發展確實太快了。我去年回國的時候被震驚了，到處都是微信支付。美國這邊好多地方還需要寫支票（check）呢…真是差出十萬八千里。

男神：其實這也挺有意思的。美國之所以移動支付一直沒做起來，一方面是監管太嚴，另一方面美國的信用卡普及的很早，所以從信用卡到移動支付，在方便程度上的跨越沒有這麼明顯，創新的動機和消費者的需求程度沒那麼強烈。

中國不一樣，從現金直接到線上支付，跳過了信用卡這個階段，這對方便程度的提升是質的變化，所以市場需求特別大。而且有這些已經掌握大量消費者用戶的巨頭公司來做，推廣效率事半功倍。

虹姐：所以聽起來，你是贊成回國做數據相關的工作嘍？

男神：是的，剛才說的，中美已經拉開了差距，而且從風險管理這個領域來看，中美監管環境不一樣，在美國積攢的經驗很多是針對美國的監管環境的，在中國目前的階段用不上，所以你在美國積攢的經驗價值曲線會隨著時間的增加趨於平緩。但是在美國工作個兩三年還是值得的，因為你看到了更加成熟的職業環境以及未來中國可能的發展方向，對回國工作會有幫助。總的來說我還是建議，如果想回國發展，不要在美國做太久，早點回國會更理想。

虹姐：感謝你的分享！好多乾貨啊，我得回去好好梳理梳理。謝謝男神！

男神：沒問題。祝大家成功！

虹姐說文章全部原創，版權歸虹姐所有，如需轉載請聯繫虹姐。

歡迎關注虹姐說微信號（hongjieshuo123） 知乎及簡書專欄：虹姐說

虹姐郵箱：hongjieshuo@gmail.com