Zi 字媒體

在北美，Quant基本成為理工科留學生進入金融領域最主要的渠道之一。不光各大高校設立Quant專業，很多不同類型的公司也都有專門的量化分析崗位。受美國本土文化的影響，美國本土學生比較少從事編程、Model相關的工作，所以國際學生，特別是留學生的競爭優勢就在這裡明顯體現出來了。如果你有著理工科背景，或者對數理、編程和金融感興趣，不妨嘗試在就業的時候向這個領域發展。 Quant的工作待遇豐厚，平均年薪能達$120,000；能不斷學到新東西，而且工作時間不長，能在工作之餘做其他喜歡的事或有益自己事業發展的事情。如果在這基礎上更勤奮一點，使自己的職業規劃有一個比較好的Profit Track，對以後的發展和跳槽是會有很大幫助的。 如果你想留在美國，選擇Quant這條路會是一個不錯的選擇。 Quant的工作就是設計並實現金融的數學模型（主要採用計算機編程），包括衍生物定價、風險估價或市場行為預測等。所以Quant更多可看作為工程師，屬於理工類人才，和金融有一定區別。2Quant的分類1Pricing Quant主要供職於投行（賣方）進行衍生品定價，又以OTC市場定價居多。 Pricing Quant主要以Q Quant為主，主要做OTC市場的定價。因為標準的合同定價可以直接編寫自動系統，有參數就有價格。而場外市場則需要跟對手方談條約，所以說一般都是奇異期權，各種互換等等。舉個例子，客戶打電話來問說說：「我想要Hedge XXX公司的信貸違約風險，期限是XXX，你們有沒有相關的合同？」由於市場上的CDS以5年為主，有些Bond可能沒有對應的CDS，這個時候就需要有人來重新做一個合同。又或者說，某某客戶對市場有很強的預期，就會打電話來要一個合同，更像是一個對賭條約，等等等等。2Risk Quant負責風險管理，是現在需求最大的Quant。 Risk Quant，現在招好多好多人啊。因為Fed對大家盯得太緊了，以商業銀行為例，每年要過壓力測試，一旦Fail就要提高資本金。巴塞爾協議III裡面對商行有規定要定期報告一些數值，最典型的就是Value at Risk。對於某些指標甚至規定了具體的模型，誰來算呢？Risk Quant。每天對著一個Huge Book，開始估算各種數值，Default Probability, Default Intensity等。Risk Quant還包括Model Validating Quant（獨立開發價格模型）和Capital Quant（建立銀行的信用和資本模型）兩個細方面： 3 主要為Fund工作，每天的工作主要以找Factor為主，理論基礎是Steven Ross的Arbitrage Prcing Theory(APT，有興趣的同學可以看看Zvi Bodie的Investments 10th edition的APT那一章有講Executing An Arbitrage。簡單來說，你可以把APT看成多因子的CAPM（which by the way, is totally wrong)，然後你就需要找各種因子來把系統風險剝離出來。然後你干這麼幾件事情：構建很大的Portfolio，把Idiosyncratic Risk給Diversify掉；把Factor對應的系統風險對衝掉；想辦法通過買入賣空，讓你的Portfolio不花一分錢或者花很少的錢；這個時候你有一個Portfolio，沒有系統風險，個體風險也很小；想辦法找一個或幾個類似的Portfolio；這幾個Portfolio沒有系統風險，有很小很小的資產的個體風險；這個時候這些Portfolio就叫做Absolute Return，你的風險來源於你的模型和估算過程；通過你對你的這幾個Portfolio的線性組合，就能找到一些統計套利的空間；也許這個Return不高，不過你可以加槓桿，很多對沖基金就是這麼做的。4其他除了一場幾個大類，Quant其實還有很多內容，比如：① Research Quant，嘗試發明新的價格公式和模型，有時還會執行Blue-Sky Research，優勢是比較有趣，而且學到很多東西；劣勢是有時會比較難證明有你這個人的存在（跟科學家一樣，沒有什麼大的成果就沒人注意你），因為你主要負責寫論文，不過不是學術界的論文，而是業界的論文。每天做服務於業界的論文，受眾則是以上提到的三種Quant。 ② Data Quant，區別於Big Data Analyst和矽谷那幫Data Scientist，負責撰寫資料庫，以交易數據居多，這類數據往往高頻、複雜。主要工具為SQL，當然還有Q Language和KDB+。 ③ Trading-support Quant，主要負責給Trader提供個性化支持。大部分Trader使用Bloomberg Terminal，而他們往往有個人定製化的需求，需要能夠實時關注某個指標或者看某個在BT裡面沒有的圖表，這就需要公司里的Quant來開發。實用工具多種多樣，用的最多的是VBA（Trader就是喜歡Excel）。 ④ Trading-cost Quant，當你有一筆大交易要做，又不想暴露。要麼走Dark Pool（暗池，由第三方為你撮合交易，沒有人能看到報價），要麼找專門做Trading Cost Minizing的公司（有點像Quant Brokerage）幫你把交易切成許多小塊，一是不暴露你的意圖，二是降低交易成本。除了你的投資標的物需要Diversified以外，你的買賣時機也需要Diversified。 ⑤ Trading System Quant，負責編寫交易策略、配置賬號等等，往往使用C++這樣的高速語言，更有甚者使用FPGA進行硬體編程，目標是程序的速度和穩健性。 ⑥ Quant Trader，這個很難說，有些人只要沾到數量分析工具就叫Quant Trader，有些人則把這個局限於利用高頻演算法的Trader。 ⑦ Third-party software Quant，大部分人只知道Bloomberg Terminal，其實它還有一些競爭對手，比如說Charles Rover Development。他們做用戶定製，所以如果你是一個Fund，而你專門就做某一種策略，你就是他們的潛在客戶。那麼所有前面提到的Trading Support類的工作現在就外包到這個公司來幫投資經理實現。這當中就需要Quant，類似於Quality Assurance，在銷售隊伍和程序員之間搭橋。銷售了解客戶的需求，但是不懂背後的邏輯，程序員會編程，但是不懂金融，所以中間得有這麼一個人。 3Quant工作可以接觸的領域123基於利息的衍生物。從市值上來說這可能是最大的市場，它用到的數學會更加複雜，因為從根本上來說它是多維的。技術上的技巧會用的很多，收入較高。4Credit DerivativesCredit Derivatives是建立在那些公司債務還清上的衍生產品。發展快速並有大量需求，所以有很高的收入。儘管如此，他表明了一些當前經濟的泡沫因素。5因為最近幾年生活用品價格的普遍漲價，Commodities也成為一個發展迅速的領域。6HybridsHybrids是多於一個市場的衍生物市場，典型情況是利息率加上一些其它東西。它主要的優勢在於可以學到多種領域的知識，這也是當前非常流行的領域。 1商業銀行對你要求少，薪水也相對較少，工作比較穩定。23對沖基金需要大量的工作時間和內容, 他們也處在高速發展同時不穩定的情況中。你可能會得到大量的回報，也可能幾個月後就被開除。4大型會計公司會有自己的顧問Quant團隊，有些還會送他們的員工去Oxford讀Master，主要的劣勢在於遠離具體的行為和決策，而且厲害的人更願意去銀行，所以比較難找到人請教。5軟體公司外包Quant模型變得越來越流行，所以去軟體公司也是一個選擇，劣勢和會計公司比較類似。 例如：美國銀行的量化金融分析師要求是：30% 編程、60% Model、10%金融；金融衍生品的量化分析師：需要了解很多的金融模型。如Black Scholes Model、短期利率模型等模型；銀行的CCAR DFAST的要求是：40%編程、50%統計的Regression、10%金融知識。 主要的工作內容是：利用Python，SASS，Regression求Statistic Number，或者某個Parameter對Regression的影響。 根據你想工作的地方的不同，你需要學習的知識變化很大。面試官更在乎申請者對基本知識的了解是否透徹，而不是你懂得東西的多少。 展示你對這個領域的興趣也很重要，你需要經常閱讀Economist, FT和Wall Street Journal等。面試時會問到一些基本微積分或分析的問題，例如Logx的積分是什麼；問到類似「Black-Scholes公式是怎麼得出的」的問題也是很正常的；他們可能還會問到你的論文相關的問題。 面試同樣也是讓你選擇公司的一個機會。他們喜歡什麼樣的人，他們關心什麼的答案可以從他們的問題中得出。如果問了很多關於C++語法的問題，那麼要小心選擇除非那是你想做的工作。一般來說，一個PhD對得到Quant的Offer是必需的。有一個金融數學的Master學位會讓你在銀行風險或交易支持方面卻不是直接Quant方面工作。