那些没成为物理学家的PhD们，后来都去了华尔街（第十三期免费赠书活动来啦！）

会员服务 ·

那些没成为物理学家的PhD们，后来都去了华尔街（第十三期免费赠书活动来啦！）

2018 年 3 月 21 日 量化投资与机器学习

量化投资与机器学习

为中国的量化投资事业贡献一份我们的力量!

部分内容来自UniCareer。

2018年3月14日，当代最伟大的物理学家史蒂芬·霍金于剑桥的家中逝世，他的观点塑造了现代宇宙学，激励了全球数百万名读者。这一颗科学天空中最明亮的星，陨落在他的76岁。这一天，亦是爱因斯坦诞生139年的纪念日。

开个脑洞，如果霍金没有搞物理

他还有可能去做什么？

这个答案很有可能就是：Quant

高智商和高收入的Quant

传说是一水的斯坦福/MIT物理PhD

今天编辑部就来为大家解读：

1.为什么华尔街偏爱物理PhD？

2.非相关专业，如何进入Quant岗位？

3.做Quant，需要哪些技能？

为什么量化岗偏爱理工科学生？

曾有一位华尔街量化大佬表示：“如果你没有计算金融、物理、工程或者统计等等偏Quant的硕士或者博士学位，几乎是不可能在顶级quant trading公司找到工作。”

以下是一些投行量化岗位的招聘要求：

花旗银行

JP Morgan:

德意志银行：

量化分析师是近几年金融求职圈最火的职位，主要从事风险管理、优化投资组合、设计开发金融产品、财务分析、销售与交易等工作。去投行做量化也是很多人读MFE的目标。但现实中，面到最后一轮，各大投行券商都只要“各类理工科PhD”。

高盛HR曾说：“我们对phd和master很公平的，不存在偏袒与否，但最后通过面试的也的确是phd为多。”

一般来说，物理背景比经管出身的数学、计算机能力强，在逻辑思维、数据分析上具有一定优势。因为资产价格的变动和物理学家研究的物体运动是有相似之处的，所以善于建模,而且相对缺钱的物理学家就多多转战华尔街了。不少buy side的顶尖quant team至今只招理工PhD。

其实很多Quant人，都是来自数学、物理等背景，所以他们看到这样的背景会觉得很亲切。面试官喜欢数学和物理背景的人，也是因为Quantitative Skill大多非常扎实。

无相关背景如何进入Quant岗位？

正如前文所说，很多顶级quant trading公司只招理工科PhD，那么背景是academia，engineering以及software development的学生都想在华尔街求得一份quant职位，该怎么做呢？

Quant岗位主要有以下三个方向：

quant trader
financial engineer (quant analyst)
quant developer

对于学生来说，刚毕业就直接成为quant trader是很难的，因为这些工作需要的技能都必需在很长的工作经历里逐渐培养。Financial engineering (i.e. derivatives pricing) 在2007~2008的经济危机时非常火热，直到现在依然有着很强的需求。Quantitative developers的职位开放依然很多，但是它需要从业者掌握娴熟的 C++, C# or Java技能。

因此，想要从事quant finance, 尤其是在投行做quant，一个非常基础的方法就是攻读Masters in Financial Engineering (MFE) 。因为大部分MFE课程内容涉及derivatives pricing 还有portfolio/risk management以及一些software development。

想做quant，不能只靠MFE

一位在华尔街做Quant的导师表示：“Sell side的quant本身技术含量要稍低于buy side，有些门槛可能更多的是在金融和经济的知识上，因此MFE专业也有机会拿到offer。”

但是只靠MFE真的够吗？

此前在文章：《起薪70万，人才缺口20万的量化研究岗最深入调研》中也说到，来自Top MFE项目的毕业生基本可以保证一份投行的工作。当然，也仅限于凤毛麟角的几个大学（如卡内基梅隆、哥大、普林斯顿）。这些项目要么声誉够好，要么学校资源、Career Service够好，要么校友给力。这些项目的毕业生无论在北美还是回国，发展都很好。

小编为大家提供一位资深Quant大牛的说法：

我当年2005~2006年找工作的时候，那个时候没有特别多的MFE的那些program，现在大家去瞧瞧，美国哪个学校没有MFE啊，而且现在越来越多中国年轻人为了短平快的找工作，都自费去读那些专业。其实我们行内的都了解，读那些的基础不是特别好，开始可能就业比较容易，因为工作职位多，竞争也少，可是这些年积累下来，再加上那么多的MFE毕业生，街上的工作形势又那么差，所以很多MFE找不到好工作也是正常。不过比较Solid的PhD还是很容易在街上找到工作的。

想进入投行做Quant，请尽早准备

一位在顶级投行做了5年Quant的大牛说：

“我曾经也是MFE的学生，但是学校的课程远远不够，在过去5年的工作中，我更加证明了我的观点，那就是不遗余力的自学！在这里我给大家介绍一些我的方法，如果你已经下定决定在投行做Quant，请你尽早开始这样准备。”

1. Absorb (almost) all publicly available information

你需要深入了解这三个方向:

Finance/Trading
Math (especially statistics)
Programming

没有你不需要的知识，只是有先后之分，广泛涉猎绝对没错。除此之外，你需要拥有许多技能才能进入投行的视线。

在IT方面： Hadoop显然是你必须要了解的一个重要工具。不过，从我的经历看，Hadoop只在少数项目中能够用到；定制环境（Custom Enviroments）——通常是基于C/C++或者Java创建——仍然要相对重要一些。

在编程语言方面：C/C++/Java依旧是你最需要了解的，虽然同样高效的Python和R越来越多地出现在项目中。除了这些在大学里能够学到的技能，我认为一项核心的IT技能是结合和分析大规模互不相关数据集的能力，例如结合金融数据和地理信息。

在硬件方面：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。

其它软技能：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。

2. Test and apply your knowledge

不停的尝试！在应用和犯错中巩固你的知识。理解你要做的事情是什么，从而知道你做的每一步哪些有用，哪些没有用。

3. Meet and partner with others

1+1=3。 一定要找到自己的学习伙伴，或者找一位mentor，在讨论和交流中发现自己思想上的局限。一定不要羞于向别人展示你的成果，因为他人眼中的你，才是客观的。这有这样你才能不断进步。

4. Get a job at a trading firm

尽量多的去实习，盲目的学知识也没有用，很多技能都是在工作中掌握的。

加油

未来是属于你们的

也是给有准备的人的

赠书活动

量化投资与机器学习公众号联合电子工业出版社送出5本《NLP汉语自然语言处理原理与实践》

本书是一本研究汉语自然语言处理方面的基础性、综合性书籍，涉及NLP的语言理论、算法和工程实践的方方面面，内容繁杂。本书包括NLP的语言理论部分、算法部分、案例部分，涉及汉语的发展历史、传统的句法理论、认知语言学理论。需要指出的是，本书是迄今为止系统介绍认知语言学和算法设计相结合的中文NLP书籍，并从认知语言学的视角重新认识和分析了NLP的句法和语义相结合的数据结构。这也是本书的创新之处。本书适用于所有想学习NLP的技术人员，包括各大人工智能实验室、软件学院等专业机构。