AQR在伦敦、法兰克福、香港、东京和悉尼,以及格林威治、芝加哥、波士顿和洛杉矶设有办事处,据悉该公司正在全球范围内裁员。

而位于康涅狄格州格林威治的WordQuant的裁员人数多达130人,占各自员工总数的10% 到17% 。大多数裁员是在曼谷、墨西哥城和东欧等即将关闭的分支机构进行的。

那么,在2020年,该行业还会出现更多的裁员吗?曾经风光无限的Quant人员甚至沦落到大街上寻求工作。

实际上近年来关于Quant的争议可谓不断,甚至有人公开表明Quant已死。

Quant最惨的时候大概就是在知乎上被公开diss了吧。在北美,去年Quant的招聘数量有所下降,许多人觉得Quant不行了,甚至有人在知乎上表示Quant走到尽头?

一名tier1 MFE的学生表示:“美国Quant finance行业接近饱和,工作越来越难找!”Quant真的风光不再了吗?

尽管大家几乎清一色地认同现在美国Quant finance行业接近饱和,其实主要原因在于投行后台的Quant招聘数量有所下降。因为在北美地区,Quant已经进入发展渐趋成熟的阶段,岗位数量趋于稳定,没有以前大量扩招的现象,但并不代表Quant在走下坡路。

但恰恰是因为Quant的薪资和CS专业不相上下,而且职位本身需要很多量化知识背景原因,较高的专业壁垒也让Quant员工比起前台Trader更加稳定,甚至随着国内量化的发展,Quant依旧是那些金融学生最想从事的岗位。

还记得前段时间火锅节届老大海底捞高调进军量化投资的新闻吗?事实上,不单单是海底捞,量化投资在2019年彻底火了一把,甚至一度成为金融圈内的小网红。2019年以来,量化投资的关注度开始逐步提升。尤其是最近两个月,私募排名网主站搜索排名前10的私募中,有8家为量化私募,搜索量排名前50的公司中有29家为量化私募。

随着金融科技的发展,金融行业正在大规模的进行AI替代人工,很多投行都开始大规模裁员,但是对于来量化岗位人才需求却依旧不减。在金融圈,Quant作为各大投行内部不可或缺的职位,尽管各大金融机构纷纷裁员,但量化分析师却一直属于扩招状态。仅纽约一地,量化分析师的人才缺口就高达5万人。简而言之,量化分析师的工作就是设计并实现金融的数学模型,包括衍生物定价,风险估价或预测市场行为等。

在美国投行,一个没有经验的量化分析师每年大概能挣到平均12万美金的Base Salary,再加上股票奖金、佣金、年终分红等奖金,以Citi为例,Total Compensation一般会超过14万美金。而在国内进入量化行业的应届毕业生,被任用为正职后,可拿到10k左右的月基本工资。要知道,普通大学生平均毕业薪资甚至不到六千左右,所以,做Quant妥妥的赢在了起跑线上。

MFE(金融工程硕士)、MQF(量化金融硕士)、MMF(数理金融硕士)可以说是量化分析师的对口专业了。其课程基本会涵盖了量化分析师必备的编程+数学+金融三方面的内容。同时,这三个专业出来的就业一般都不错。下面是这三个专业TOP10院校的毕业生的平均薪资:

受美国的本土文化影响,美国的本土学生一般不太愿意从事编程和Model的相关工作,所以这些量化分析岗位国际学生的竞争优势就很明显,尤其是专业是数学或者计算机、数理金融方向的学生。对学科背景、技能要求最综合多元化,与数字时代结合最紧密,同时人才需求巨大的Quant岗位,是最适合非英语母语、思维灵活、擅长技术的中国留学生的工种。

另一方面,Quant作为H1B收割机,是给中国学生sponsor最多的岗位之一,所以对于那些想要留美的学生来讲,Quant绝对是值得从事的工作。

Desk Quant 开发直接被交易员使用的价格模型。可以接近交易中所遇到的Money和机会.但压力很大。

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(对喜欢这些人来说),而且你学到很多东西。劣势是有时会比较难证明有你这个人存在(跟科学家一样,没有什么大的成果就没人注意你)

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。

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,它变的越来越重要。你会得到不错的收入更少的压力和更少的工作时间。

不同金融机构的量化分析工作内容、岗位职责是不同的,但是要求掌握的技能主要是数学、编程以及一定的金融知识。比如美国银行的量化金融分析师要求是30% 编程、60% model、10%金融;比如金融衍生品的量化分析师需要了解很多的金融模型;比如Black Scholes Model、短期利率模型等模型;再比如银行的CCAR DFAST的要求是40%编程、50%统计的regression、10%金融知识。

Hadoop显然是你必须要了解的一个重要工具。Hadoop只在少数项目中能够用到;基于C/C++或者Java创建的定制环境(Custom Enviroments)要相对重要一些。

C/C++/Java/MATLAB依旧是你最需要了解的,同样高效的Python和R越来越成为Quant从业人员的必备技能。尤其是Python,更是成为各大量化岗位招聘信息上的常客,可以说,想从事Quant岗,请先学会Python。

很重要的一点是要记住投行业基本属于*nix世界(比如Linux,等等),所以了解这些系统是很必要的,同时还要了解SQL(在短期内还不会消失)和NoSQL数据库方面的知识。

理想的候选人必须熟练掌握统计分析、预测模型和微积分(包括微分、积分和随机形式)。

相对于Modeling和Coding这样的硬实力,Finance显得没有那么重要,但肯定是不可不知。 Quant行业因为人才缺口和超高薪资,以及签证优待,竞争越来越大。 其中不乏很多Finance Engineer等偏商科专业的竞争者。所以Financial knowledge会在Quant求职中越来越重要。

你必须有很强的好奇心和持续的兴趣,深入挖掘新想法和新技术,从而为不断出现的复杂问题寻求可能的解决方案。

最后Uni酱想说,从2017年起,高盛、摩根大通、贝莱德等各大顶级投行和金融机构纷纷转型和布局人工智能,大批交易员和分析师被自动算法取代,越来越多的公司依赖算法进行投资决策。所以在这个AI取代人工的年代,Quant只会越来越重要。如果你真的想进入金融行业,那不妨从Quant做起。

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注