啥是佩琪？恕我直言，搞量化这样配齐！

啥是佩琪？

不努力，啥都配不齐

近期，有很多读者从知乎、微信后台留言，问我们从事量化行业，应该掌握哪些技能，有哪些要求，我们综合公众号这几年的推文和行业调研，给大家做一个简单回答。

学历

公众号从未对比学历优劣

仅就行业现状论述

如果非要给个标准，硕士是一个进门槛。肯定会有人说，本科怎么不可以，本科欠你的了？你看谁哪里哪里毕业，现在怎么怎么样了······。其实很好回答，公众号对：学历只能提高投资的下限，提高不了投资的上限很赞同，一些量化机构会录用这样的人才，但毕竟少数。如果你想进大机构、想进核心量化部门，想在陆家嘴的CBD有一个属于你的工位。那么，朋友，硕士真的是大多数量化岗的敲门砖。

HR只看结果，不看过程

干瞪眼的游戏（棋牌）玩过吧？

进了那道门，再谈理想吧

有些量化开发岗、交易岗等，除了学历要求以外，还有工作年限、经验等要求。别人不是不给你啊，是你干不了啊！

况且，现在高学历的能人那么多，你拿什么拼，是你做出实盘业绩的优美曲线了，还是在某一块研究超级深入，并没有！你得深刻的认识到这一点，要想着该怎么去弥补。

量化行业，没有永远的圣杯，你的策略模型、你的研究方向、你的技能，每天都在更新与淘汰。记得Python还没有起来的时候，MATLAB基本是很多理工科和机构的标配，现在呢？很多研究员不得不转去学Python，而且你肯定要会几门语言。等等，太多了~

如果你真的想进量化圈，又觉得自己再学校这几年学的还不够，那我们建议你这样：

• 基本数学知识

Calculus，Linear Algebra，基本的Mathematical Statistics，Probability，Linear Regression一定要会！CFA1，2级也可以看看。

• 代码

先选一种语言，就选一个！不要多选！把它吃透。后面肯定得会2个以上，不然都不好意思说你是学量化的~，初期，编程会限制你所有的事情，你想的东西，编不出来啊！！！后面就是造轮子，搞数据库等~

• 实操知识

1、去看Active Portfolio Management的红宝书，一定要反复的看 ！看到背出来！然后就选一个切入点：一定选一类策略去做 。 2、找！研！报！我们发现，研报复现提高很快，而且可以涉足很多策略和方法。一定要写代码！

3、去知乎啊、人大经济论坛等论坛，每天多转转，多看看。里面有很多资料和量化网站盘点。在这里就不一一熬述了。真正想学的，自己会动手~

总结一下

学习量化就是在学习策略的思路，形成自己的量化策略思路，所以重点是选定一个自己有兴趣的方向，但是在选定之前要有一定的数学、统计基础（编程没的说）。起码了解市面上有多少大类策略。选一个切入，深入学习。 纵向发展。比如多因子，首先要会回归，起码相关的统计书籍要看，然后就是去看看海外的barra文档，然后就是券商研报。不过无论哪大类策略，把学习策略当作写论文一样对待你就会不停的去学习最新的知识。 还有！不推荐直接上机器学习做量化。先打基础，别乱来！ 基本上就是这些，捡最重要的说了！没什么大的道理和高深的东西。后面就是看自己的方向再去针对性的学习了。如果以上都能很好的掌握那已经很不错了。 请千万不要眼高手低！不要闭门造车！搞投资要能坐得住，沉住气！ 最最最后就是两个字：耐心

永远的学习，永远的谦卑

有时候，很多人的硕士学历也只是写在简历上罢了。量化行业不像新东方，PPT写的好，策略的Alpha就来了，大多数研究员、交易员是拿本事、拿市场经验吃饭的。拿钱玩的买卖，不是那么随便。

所以，学历重不重要，重要！但也就是进门的那一刻，后面的路还是要自己走。

最后，又绕到了该不该读研，该不该出国·····，这个问题不在本次讨论的内容。因人而异，如果有条件/有明确方向的话，就去读就一个吧！量化行业还是很需要的~

高考改变了你的命运

考研改变了你存在的价值

买方：公募

特点：朝九晚五，上下级关系处理得当，当甲方爸爸的感觉真好！

工作：做好研究，管好自己的基金，大多以股票为主，少数投资债券或者货币市场。手握数亿资金，与上市公司董秘、高管运筹帷幄。

要求：本科忽略！最基本是硕士，PhD也是挤破头，985&211，有些只招清北复交，很正常。名校海龟也很吃香。

评价：从业情况，盈利能力、抗风险能力、稳定性等。还有管理基金的业绩综合排名、业绩排名稳定性等。

未来：研究员、基金经理助理、基金经理、某部门MD等出了本事以外。越想往上就得耗啊！

卖方：券商金融工程团队\研究所

特点：朝不知道晚不知道，一年坐的飞机可环绕地球N圈，真的很辛苦。

工作：写研报、写研报、写研报（你能想到的各种模型各种方法），各种路演（可能一份报告已经倒背如流，买方会根据卖方的表现来派点给卖），寻创新（多因子已经写烂啦哈哈~），保持与机构的密切沟通。

要求：本科确实很难啊！基本硕士起，有些甚至只要求985，211都不要。同等水平可能海龟会优先考虑。

评价：研报热度啊！新财富啊！派点多点啊！

未来：成为首席或者高级研究员，跳槽去买方、私募等。

风云之地：私募

特点：看的是结果，各种投资思路、投资标的都有涉及。

要求：有来自券商、基金或者自民间的投资高手。所以学历相对不是特别严格。

评价：研究要和收益挂钩。站在研究的角度，总有人愿意为高屋建瓴的所谓前瞻性和理论买单，私募却行不通。你可以基于你优漂亮的净值曲线去包装，但反着来不行！这样你作为研究员就没有了价值，最终沦为发产品时宣传三折页上打酱油的角色，熊市或震荡市时裁员降薪的首选。

未来：继续留用 or 成为大佬 or 走人。

金融科技公司

特点：服务产品，写相关研究报告，搞培训等。

要求：很典型的例子，现在国内很多量化平台都会招聘有一帮人为平台社区写各种研报复现、论文复现、策略复现等等。再者就是针对某一量化产品做深度开发研究。还有一些专门做量化课程培训。

评价：研报热度（主要为平台流量）、产品的功能好坏、培训口碑等。

未来：卖方、买方、私募或者自己干都有可能。

跨专业入行Quant

最近几年，很多跨专业的朋友（计算机、生物、物理、通信等专业）也想在量化的领域展示一下自己的抱负。还是劝各位：

量化有风险，入坑需谨慎

像计算机、物理等专业有自身的优势，做Quant不能一辈子当开发吧。得全面发展。

机器学习，有多火大家都知道的，公众号也陆陆续续推送了无数篇有关机器学习应用量化投资的文章，很多搞NLP、ML、DL的人都跃跃欲试，想在金融市场应用其方法分一杯羹。但是各位，理想是美好的，现实是残酷的。因为机器学习不仅是对市场和策略的理解，还对硬件方面的也有很高的需求，到底值不值得去做等都是要考虑的。

公众号两度在知乎上提出了这个问题，各路大神都来回答了，具体你们可以看看，我们觉得还是有很多借鉴的：

1、https://www.zhihu.com/question/64347446

2、https://www.zhihu.com/question/37206923

矿姐曾经说过一段话，可以分享给大家：

大家可能觉得搞量化的人就是整天和大量数据打交道，用一行行代码写出复杂的模型，然后没完没了地Run，在回测和优化中挣扎，沉浸在数学和统计海洋里的一群人。实际上，这只是表面现象。虽然每个搞量化的人必须会写代码，也必须具备扎实的数学功底，在开发策略的过程中，的确需要分析大量数据，不断做回测和优化，但是，这一切的背后是强大的金融思维和对金融市场的深刻理解在支撑的。换句话说，如果你没有经济、金融的完整知识体系和工作经验，或者没有正确的、科学的思维方式，无论数学多么地好，也很可能在做无用功；即便编程多么在行，也只能沦为码农一枚（没有歧视程序员的意思哦）。反过来说，如果你具备科学的思维和逻辑，并发现了经济、金融的某些规律，想做Quant就不难了。接下来，你只需花点时间学习编程工具，好好利用数据和代码为你实现自己的想法。

程序员鄙视链

来源：知乎

矿姐也用亲身经历告诉大家使用C++、JAVA、C#的程序员鄙视的Python、R、Matlab在量化界是非常好用的工具。国内程序员连看都不愿意看一眼的VBA用起来也是极其方便的（顺便提一下，千万不要鄙视Excel，国外很多Quant都是用VBA做研究，量化领域著名的考试CQF也只要求会用VBA哦）。作为平时的研究工具，Python、Matlab、VBA就已经足够了。语言是相通的，有一天惊奇地发现自己也能读懂JAVA的代码，完全没有障碍。

当然，今年最火的要属Python了，原因大家都知道。但是不能代表其他语言都不用了，一些公募还在用SAS，包括R、MATLAB等照用不误。

除了编程，作为Quant，最避不开的就是和各种主流数据库和API接口打交道；如果因为某些原因而无法使用完善的API接口，从数据库里调用数据也是很花功夫的。

对于Quant这个词，人们或多或少存在一些误解或偏见。Quant是Quantitative的简写形式，成为了一个名词，专指量化工作者。Quantitative是形容词，后面跟Strategist，意为“量化策略师”；跟Researcher，是“量化研究员”的意思；跟Trader，是“量化交易员”的意思；还可以跟Finance，意为“数量金融学”。

在这里要多说几句

多数人把“Quant”理解成和交易相关的量化交易员和策略开发者，这属于狭义的定义。其实，金融领域的量化的涵义是很宽泛的。从前中后台来看，量化可分为前台的量化交易、中台的量化研究和后台的量化风控。量化交易主要指算法交易，也就是交易员利用程序化交易平台，输入交易指令的相关算法，形成交易策略。量化研究除了量化策略的开发，还包括运用量化的方法研究经济、金融相关课题，比如宏观经济建模。就算只是量化策略研究，也分基本面量化和技术面量化。

从某种程度讲，不懂基本面的量化研究员是不合格的。量化风控是指用量化的指标对风险进行识别、监测和控制的过程，如果能够搭建一套成体系的量化风控平台，对交易监控、交易分析、绩效归因等整体环节都能起到积极的作用。

最后的话

其实，也没什么太多大道理，你学的，努力的都会一点点影响到你。什么量化书籍、干货？网上一大把，什么编程语言？来来回回就那几个，关键自己掌握的很透彻嘛？有什么好的策略？好的策略是你干坐着，就能想出来的嘛~，是你去各种论坛就听出来的嘛~。公众号还是希望大家在投资的道路上，保持谦卑，不断学习！

当本事不够的时候努力学习，谈钱没理想。当本事足够了，可能就想自己挣钱，不想给别人干了。人生的不同阶段，你会有不同的追求。在中间的这个过程中，需要你在薪资、岗位发展、规划中找到一个平衡点。然后就是一把梭！可能就为了一条好看的净值曲线，奋斗半辈子了~

by：量化投资与机器学习公众号编辑部