<meta charset="utf-8">
量化金融也叫做Quantitative Finance，很多人把它简称为Quant。做量化金融需要结合数学模型和金融模型，再加之编程，以此来进行金融市场和交易的量化分析。简单来说，做量化金融就是通过发现一些过去数据中的模式来找到一些可以盈利的交易策略。
量化金融= (数学模型+金融模型) X 编程
在纽约，Quant 行业入职0-1年的新进职员年薪差不多在8-9万美元这个区间，有一些投行比如说JP Morgan 摩根大通或者好一点的 Hedge Fund (也就是对冲基金)，入职第一年可以拿到10几万以上美元的收入。可以说，这是一个相对来说薪酬非常丰厚的职业啦！
02
量化金融都分哪几类？
那么如果想进入量化金融这个行业，都有什么类型的工作可以做呢？Quant 的方向一般有这么几种：
第一种叫做Desk Quant。
顾名思义，Desk Quant就是在Trading Desk 也就是交易组，帮助交易员做一些日常常用的工具，Desk Quant对编程能力有一定要求，但是不会特别复杂，有些会涉及到一些前端的语言，比如Javascript。
第二种Research Quant。
Research Quant 的工作主要是一些相对长期的项目，一般包括产品定价和风险管理的模型或者长期策略研究等等。
还有一种对编程要求比较高的种类叫做Quant Developer，Quant Developer的职能主要是执行策略（Implement Strategy），建立框架（Develop Infrastructure）等。
当然，还有Model Validation、Risk Quant 等等，Quant 的具体细分方向。总之，从事每个Quant工作，从职能上都会有一些区别。
03
做量化金融需要哪些必备技能？
首先，从专业上来说，像一般金融学院里会有的“金融工程专业”是相对最对口的专业，但是有许多比如金融学、计算机、数学、统计等等这些专业的同学要从事量化相关工作，也是比较容易的。
从技能的角度来说，由于金融量化领域的内容涉及基础数据抓取及处理、量化交易策略编写及回测、实盘程序化交易、衍生品定价、机器学习、高频交易等模块的内容，所以只要你想要从事量化相关的工作，金融相关背景知识、数学建****模和编****程这三样能力都是缺一不可的。特别是你会发现像Quant Developer 这样的职位，对你Research 的能力的要求非常高。
目前主流和量化相关的岗位主要包括三个：量化研究（分析）、量化交易和量化开发。主要集中在投资银行、对冲基金、商业银行和金融机构等。
负责的主要工作根据职位也有很大区别，比较有代表性的包括Pricing、Model Validation、Research、Develop and Risk Management，分别负责衍生品定价模型的建立和应用、模型验证、模型研究、程序开发和风险管理。
大部分平台集中在上海，其余分布在北京、深圳以及长三角地区等一二线大城市。
除此以外，量化分析人才薪资待遇也十分丰厚，量化投资界还频频出现抢人大战。幻方量化对冲基金公司，开出的条件是年薪150万起，招聘5-10人，据说优秀本科应届毕业生甚至直接开出了百万年薪。
一位业内人士表示，某名校本科毕业生从事量化研究，每月工资2万，才工作了两年时间左右，就被头部量化机构百万年薪挖走。
“人才一直是量化私募的核心”，某大型量化私募表示。“我们付了500多万给猎头就为了挖人，只要是我们公司尚未布局到的方面或者做的比我们公司好的人员都可以，我们第一时间接洽。”
工龄（年）年薪（RMB）年终分红（RMB）
2-4150k-270k70k-250k
4-7300k-600k200k-450k
8-12600k-1.5mil400k-1.3mil
国内量化交易行业人员实际薪资待遇汇总表
图片来源：知乎
但实际上，量化，人人都可以学习。
作为小白想要入门量化交易，Python无疑是最适合学习的一门语言。在量化投资的研究过程中，80%的时间都是处理数据。
Python处理数据的功能非常强大，用起来也特别顺手，而且统计库也越来越完善。
国内很多量化交易平台都使用Python开发，因为它更容易实现加上用于数学计算、数据收集、机器学习、数据可视化，甚至基于这些模型的应用程序开发的大量库，将Python转变为一个完整的数据科学项目生态系统。
上面说了这么多，其实就是想揭开一个问题的答案：“到底用Python学习金融量化投资难不难？”
小悦在这里告诉大家：如果你是金融专业出身，数学基础比较好，还接触过一点编程语言，那么恭喜你，学习它对你而言并没有任何障碍！你就应该去掌握它！
但如果你不是金融专业出身，是学习计算机等专业出身，对金融感兴趣想要转型，那么也恭喜你！你最大的障碍只是没有对金融的系统认识和见解，但要学习它对你而言依然是十分容易上手的！
