MetaTech｜在校生Quant进阶指南

首页

乾象动态

新闻中心

新闻中心

2024.06.21

（皮一下）

—听说你想做Quant？

—等等，不如先看完以下内容再想！

前言

所谓Quant，即量化行业戏称的“矿工”，是 Quantitative Researcher（量化研究员）的简称。量化研究是一种运用数学、统计学和计算机科学等工具来分析和解决金融问题的方法，Quant通过定量技术和模型来实现投资策略、风险管理和金融衍生品定价等工作内容。

江湖上关于它的传言有很多，有人说它是金融行业的金字塔尖，不用996，dirty work少，稳坐人生赢家；有人说它门槛高，淘汰率高，压力太大，35岁前没做出成绩即前途未卜。

关于对冲基金和顶级的自营的工作机会，自媒体“量化投资与机器学习”曾估算过录取比率：offer/简历数量=0.2%，甚至不足1%。

可以说，它确实是一份竞争激烈、付出多、回报直接而显著的工作。

在本期内容中，我们邀请了乾象投资六位来自不同学校和专业背景、拥有丰富从业经验的Quant共同谈谈——“成为一名Quant，在校期间可以做哪些准备？”

希望能给在路上或即将启航的Quant们带来启发！

Part I - Quant的“门槛”到底有多高

Q1: 请问大家了解量化行业的契机是什么？最终为什么选择做Quant？

C同学：第一次接触到这个行业是在本科期间，当时正好有同学在量化机构实习，于是了解到这个行业。虽然当时没有太深入了解量化的运作机制，但对“运用数理方法，发掘数据的可预测性从而在市场中获利”的理念充满好奇。量化行业注重工作和生活的平衡，待遇也很好，对我来说是个理想的职业选择。

J同学：我本科主修金融工程，因此在课堂上就对量化有了初步的了解，后续也投递过几段金融行业不同的实习（包括量化），综合自身体验、职业规划与工作待遇等方面，感觉Quant和我最为契合。

Y同学：正式加入公司前，我并没有接触过Quant的相关内容，但是听到有在量化工作的学长、学姐对这个行业的反馈很好，所以也想来实习试试，试完真香就直接转正了哈哈。

H同学：过去实习时接触过量化，但当时的体验并没有激发我对这个行业的兴趣。真正接触是毕业后的求职阶段，恰好有一个量化猎头找到我，推了一些听起来蛮有意思的岗位，也因此注意到Quant这个工作，决定投递试试。

T同学：我是从高中开始就发现自己对金融市场非常有热情，在大学主修数学的时候，同时又对计算机、算法、AI等内容产生了兴趣，而量化恰好是这几个方向的交叉，所以选择成为一名Quant。

W同学：我在加入乾象之前，工作中曾有一段为公募量化基金设计量化模型的经历，也是这个契机接触到量化行业，加上我带过的实习生后来也有入职量化的，算是加深了对这个行业的印象和了解吧。

Q2: 通常来说，Quant偏好数学、物理、统计、金融工程、计算机等相关专业背景的候选人。这些专业背景对成为Quant重要吗？成为Quant必须具备哪些知识技能？技能的自学可行性如何？

综合整理：

首先，专业背景肯定非常重要。多数Quant来自金融工程和STEM（科学Science、技术Technology、工程Engineering、数学Mathematics四门学科英文首字母的缩写）专业，是因为Quant的工作即围绕量化模型（需要数理统计基础）和编程（用程序验证策略可行性）展开。当然，不能断言一个人的学科和以上完全不相关，他就做不了Quant，其他专业转行Quant的案例也有很多，但从概率上来看，学科和职业表现有很强的关联性。

其次，无论如何，入门Quant必须掌握一定的数理统计、计算机、金融和经济等学科基础知识。不过Quant的工作也没有刻板印象中那么单一，不同的工作任务，对擅长技能的要求有所差异，这也给予了大家各抒长处的空间，比如：专注量化模型的同学要更擅长计算机；负责优化器和下单的同学更贴近市场，对金融的了解也要更深刻；做因子挖掘的同学则需要更擅长数理统计。

Quant竞争十分激烈，故而有相关专业背景的同学会被优先看到。在正式面试中，面试官会把候选人此前经手的项目产品作为重要的考核标准。但是绝对存在自学量化从业技能的可行性。我们的行业曾遇到过工业设计出身的从业者，甚至更有美术专业的候选人通过自学成为了Quant。对Quant来说，专业背景绝对不是最重要的考量，更需要具备的其实是理性思维和数字敏感度，具体技能反倒是可以在成为Quant后通过持续和长期的学习慢慢补上。

Part II - 如何成为一名职业Quant

Q3: 在招聘信息中，经常看到雇主要求：国内外ACM-ICPC，NOI，CMO/IMO等竞赛获奖者可优先考虑，发表顶会论文优先考虑，有量化经历实习经验者优先考虑。参与量化相关竞赛/发过顶会论文对后续成为一名Quant是否重要？如果重要，它的帮助有哪些？

C同学：从知识/经验储备来讲，竞赛锻炼和加强的是逻辑思维以及推理能力，也更像是一种工作动机的验证（在算法竞赛/顶会论文中获奖，也是对自身算法/研究能力的证明）。

T同学：我在博士期间发表过顶会论文，这对我成为Quant的确有所助力，我也推荐想成为Quant的同学在校期间可以试着多发论文，一方面提高自身研究能力，另一方面也能丰富简历。但是，从我的观察来说，并不是每一位Quant都是竞赛大神或者手握多篇顶会论文，更重要的还是研究、代码能力和面试表现。

H同学：在一些比较被行业认可的竞赛中取得成绩，的确是Quant面试阶段非常加分的一项，但它对Quant不是必须的，至少从我身边的情况来看，大约50%的同业没有参加过竞赛。

W同学：竞赛成绩对Quant来说更多像能力的一种佐证。一般来说，打过算法竞赛的同学，他的代码功底比较好；打Kaggle（CS领域中一个全球权威的数据科学竞赛平台）竞赛的同学，他对数字的敏感性更高，这些特质对Quant的工作肯定有所帮助，但我认为这不是必要条件。我参加过竞赛，也接触过一些Kaggle竞赛成绩特别好的同学，但在实际工作中研究能力反而不尽人意。其实筛选Quant时看重竞赛，更多还是希望候选人能把一些知识点掌握好，或者对Quant所需思维有敏感性。

Q4: 行业相关实习对后续成为一名Quant是否重要？如果重要，它的帮助有哪些/能学到什么？有哪些推荐的实习机会获得途径吗？

C同学：我觉得一段行业相关实习与竞赛的重要性类似，确实能够帮助了解量化行业的运作。通过接触Quant真实的日常工作，增加“自己是否喜欢Quant工作”的置信度。当然，如果在实习期间有所成就，也是对未来全职应聘时研究能力的一种佐证。

J同学：实习经历可以帮助自己检验是否真的想成为Quant。此外，实习还可以认识到行业内有经验的前辈，从他们身上也可以学习到许多，是对职业关系网非常好的拓展。

Y同学：还记得当年找工作的时候，准备了一张计划投递的量化机构清单，提前关注机构发布的校招/实习招聘消息，看到招聘开放了就根据顺序依次投递。除了内推，量化招聘信息也会发在学校BBS、校招公众号上，可以在投递期间多关注一下。

T同学：对于想要尝试做Quant的同学，我认为有几条帮助大家快速了解的路径：

1）参加量化相关的行业比赛，比如：Jane Street发起的Market Prediction比赛、World Quant举办的IQC等（当然还有我们的MetaCamp！）。竞赛的报名成本相对较低，只需要几天就能完整模拟一次Quant的工作——量价数据挖掘并生成自己的交易策略，如果竞赛成绩突出，也可以获得量化实习/全职的机会。

2）参加实习，如同前面提到的，实习可以更深度、完整、真实地体验量化工作生态，结交一些志同道合的朋友或前辈，做得好也有机会直接留用、转正。但是相对的，实习面试前也要预留一些时间精力认真复习，而且至少准备3-6个月。

3）有能力可以试着做一些自营策略用实践检验自己是否真的想做Quant。当然，这个门槛较高（我本人也没有做过），只是业内确实有一些对量化非常有想法的朋友，会在读书期间就尝试做自己的策略（这本身也是做量化的一种天赋吧）。

H同学：实习肯定还是很重要的。

首先，在实习过程中，我们可以对量化行业、量化研究员的工作有一个基本的认识（至少不会在猎头打来电话的时候，以为是一个推销广告，然后挂电话），也能对一家公司、团队的工作氛围有真实的了解和感受；

其次，实习可以积累人脉，我们能从前辈身上学到很多东西，一些leader也会在职业规划上给出很中肯的建议；

最后，基于上述基础，如果在实习中恰好遇到了感兴趣且适合自己的项目，不但能提高自身的能力和知识储备，做出一些对自己、对公司都有价值的成绩，更有可能直接拿到正式入职机会。

W同学：我个人认为实习甚至比竞赛更重要，或者综合地说，我们希望一个Quant候选人在“竞赛经历”“实习经历”和“本专业的研究表现”，这三点中至少占一条，否则即便候选人有潜力，也很难在短时间内挖掘出来。Quant的工作节奏其实很紧凑，通常在入职半年到一年半内，我们会希望他至少能深入理解现有研究，形成自己的认识，发现一些问题，或者展现出熟练掌握整个领域的能力。

Q5: 如果你曾在量化实习过，有没有面试的成功经验可以分享（or实习转正的经验）？

综合整理：

在面试中，面试官一般会观察候选人在面试压力下解题思路是否清晰？有没有清晰的职业目标和规划？有没有自己致力的相关研究？想要成为Quant的动机是源于真正的兴趣和热情，还是被“传言”影响来的......因此，准备也可以从三个维度入手：

1）充分的面试准备，至少提前了解清楚量化是什么，想清楚自己来一家量化公司是要做什么，想要达成怎样的职业和人生目标。2）认真巩固基础知识，通过做题试练找找感觉。3）尽可能地积极沟通和表达，展现出更好的自驱力或者说动机，其实这对团队的整体表现也至关重要。在Quant的工作中，一个常见的问题是团队会有研究瓶颈期。如果仅仅是跟着团队走，那么大家遭遇瓶颈，个人也难免会跟着陷进去。但对于一些有自驱力的Quant来说，他们会相对更容易破局，主动寻找新的研究方向和可能性。在团队中，拥有自驱力的成员越多，在团队陷入到某个研究“泥潭”时，就有更多人能带着团队脱离困境。

Q6: 面对想成为Quant的同学们，各位有什么建议吗？

W同学：1）保证自己的知识储备，阅读量一定要够，比如可以定期看一些顶会论文；2）如果决定要做Quant，可以多与行业内的人交流接触，了解量化工作的现状；3）在校期间还有余力的话，可以考虑参加量化竞赛或者相关科研，这对自我能力的提升还是挺重要的。

J同学：尽可能争取量化实习的机会，多多与有Quant经验的朋友、前辈交流，确认自己是否真的喜欢量化这份工作，而不是被一些光鲜的“职业外衣”吸引。

Y同学：做Quant也有木桶效应，尽可能补足自己能力的短板，不要因为编程或者数理基础不扎实，从而错失良机。

T同学：我建议先扎实掌握Quant的基本功——数理基础和代码能力；之后是真正认识Quant的工作，确认这个职业、这个团队是否真的是自己想要的，不要被人云亦云的东西迷惑，亲身体验永远大于道听途说。

H同学：对于还没有成为Quant的同学，我建议大家先尽可能了解Quant的工作，想清楚自己为什么想做Quant（是想赚钱？热爱市场研究？或者其他原因？），想清楚这些对自己努力的方向也会有更清晰的判断；对于已经成为Quant的同学，一定要耐得住寂寞，承受研究上的挫折。

Part III - Quant的进阶思考

Q7: 正式成为Quant后，有没有觉得理想和现实是有差距的？可以谈谈那些曾经没预料到的部分吗？

H同学：和之前想的肯定会有不同（当然这些不同谈不上好或不好，只是简单谈谈预期差异）。一个是研究中最常用的逻辑，是诸如“低买高卖”等最常见的套利理论，而不是此前想象中一些高难度的数理理论或更神秘抽象的东西；另一个是量化研究属于商业行为，对保密的要求非常高。

W同学：如果谈工作后认识到的一个差异，那可能是做量化研究时，大家聚焦的就是一个明确的、固定的目标，不存在这个问题研究不下去就换个问题，而是必须要和既定问题“死磕”下去，直至取得预期的成果或达到某个特定的标准。这对Quant的心态和研究方式是一个较大的挑战，所以学会调整自己的心态和预期，在低谷期想办法跳出去看看，通过交叉领域找启发等等，还是很重要的。

T同学：有，感觉现实比理想更开心算吗（笑）。

Q8: 正式成为Quant后，觉得还有哪些之前未涉及的领域和内容需要继续学习和提升？

W同学：对于进阶Quant来说，我认为要有灵活切换思路的能力，特别是跳出局部思维。在量化研究中，如前面所讲，目标往往很单一，所以大家很容易过分关注局部问题，但有时候破题恰恰是要跳出局部，看向更宽的地方，在点和面之间切换思路。一方面深挖自己的研究领域；另一方面，也要保证自己知识面的广度（研究才会有更上一层楼的突破）。在这方面我的一点小经验：每周设定一个固定时间，把手头“死磕不出来”的问题搁置，转而关注业界新动态、他人的研究和创新，给自己找找灵感。总之就是“放空”自己，给自己创造机会从新角度思考原题，有时能更清晰地找到解决之道。

T同学：正式做Quant后，发现身边的大家也会持续关注量化相关学科、交叉领域的前沿研究，比如每年顶会放榜的时候，继续学习里面感兴趣或有价值的论文，这对Quant的工作有一定启发和帮助。

H同学：需要提高的地方肯定是都会有的。对我来说，一个是数理相关的能力要继续提高，在工作中还需要不断补充；另一个是要不断加深对金融市场的理解，其实量化研究有时就是：观察到一个现象的直觉-->找到现象的相关因素-->对现象进行科学的建模，而往往这个“直觉”来自对市场的理解。

J同学：一是不断提高自己对金融市场的全面认知；二是持续关注并掌握例如机器学习理论等新的量化分析方法和工具。