華文網

深度|沒有數學背景,如何進入投行做Quant?

投資銀行近來招聘的文科生越來越多,但從數理專業畢業的量化人才依然很吃香。別忘了,多數量化人才都是有數學或物理博士學位的。即便如此,量化人才的競爭還是很激烈。

沒有數理學位能做量化工作嗎?

eFinancialCareers的資料庫顯示,在大約5200份量化人才的簡歷中,非數學、自然科學或工程專業畢業的人不到1%。比例雖小,畢竟還是有的。那1%的人是怎麼在沒有數學背景的情況下成為量化人才的?

斯蒂芬•布斯(Stephen Booth)現在處於休假狀態。在休假前,

他是亞伯丁資產管理公司(Aberdeen Asset Management)固定收益衍生品部門的全球負責人。而在亞伯丁之前,他還擔任過皇家倫敦資產管理公司(Royal London Asset Management)量化與衍生品部門的頭。但他沒有數理方面的學位。在牛津大學時,他讀的是東方國家研究。

不過,他一直不覺得自己是一名量化人才。他指出,自己其實就是一名基金經理,只不過恰好懂得如何管理一個量化人才的團隊。

“我在英國的A-level考試中,在數學和物理上都拿了最高分,

”布斯說,“要搞量化分析,需要懂得基本的微積分和統計方法。”

他還提到,他小時候很喜歡玩電腦遊戲,為了編寫自己想玩的遊戲,就自學了程式設計。按布斯的說法,量化人才一定要熟練掌握IT技能,Excel和VBA都需要學到高端,還要熟悉MatLab和FinCad這樣的工具。如果能拿到CQF這樣的證書就更好。

網上量化人才社區Quantopian的CEO約翰•福塞特(John Fawcett)則表示,任何量化人才的簡歷都需要顯示出申請人受過“嚴格的數學問題解決能力的訓練,並有這方面的經驗”。沒有的話,則需要有成功的交易記錄。Quantopian能讓量化人才在網上互相比較、學習技能,並把自己定位成非數理專業的畢業生想進入量化領域的一條可能路徑。

看起來,這是個先有雞還是先有蛋的問題——你需要有相關經驗才能拿到工作機會,

但想要獲得相關經驗,通常又需要有數學或物理學位元。

一位美國頂級大學的物理學博士、目前在中國某家期貨公司工作的高級量化人才則指出,對沒有數理學位的人來說,想辦法拿到一個實習機會,可能會是進入量化領域的一條路。雇主希望看到的是,你雖然沒有數理學位,但有潛力成為一名合格的量化人才。

所以,如果你在學校參加過數學或其它理科的競賽,並取得過名次,就會有所幫助。但儘管如此,機會還是很渺茫。

北京某家量化對沖基金的一位高級總監則說得更直白:“這幾乎是不可能的。為什麼要在這麼小的概率上浪費時間呢?”

有哪些技能是進入行業必備的?

你需要擁有許多技能才能進入投行的視線。在IT方面, Hadoop顯然是你必須要瞭解的一個重要工具。不過,從我的經歷看,Hadoop只在少數項目中能夠用到;定制環境(Custom Enviroments)——通常是基於C/C++或者Java創建——仍然要相對重要一些。

在程式設計語言方面,C/C++/Java依舊是你最需要瞭解的,雖然同樣高效的Python和R越來越多地出現在項目中。除了這些在大學裡能夠學到的技能,我認為一項核心的IT技能是結合和分析大規模互不相關資料集的能力,例如結合金融資料和地理資訊。

在硬體方面,很重要的一點是要記住投行業基本屬於*nix世界(比如Linux,等等),所以瞭解這些系統是很必要的,同時還要瞭解SQL(在短期內還不會消失)和NoSQL資料庫方面的知識。

然後是其它軟技能;你必須有很強的好奇心和持續的興趣,深入挖掘新想法和新技術,從而為不斷出現的複雜問題尋求可能的解決方案。

當然,數學能力無論什麼時候都至關重要。理想的候選人必須熟練掌握統計分析、預測模型和微積分(包括微分、積分和隨機形式)。

任何希望成為資料專家的人都應該為眼下的機遇感到興奮。到目前為止,要直接從大學裡面找出合適的候選人還很難,因此有很多特定課程可以幫助你獲得所需的技能。這是大資料的第一波,事實上現在投行還在探索如何利用這項技術來為他們的目標服務。因此,目前是嘗試進入這一行業的大好時機。

你需要擁有許多技能才能進入投行的視線。在IT方面, Hadoop顯然是你必須要瞭解的一個重要工具。不過,從我的經歷看,Hadoop只在少數項目中能夠用到;定制環境(Custom Enviroments)——通常是基於C/C++或者Java創建——仍然要相對重要一些。

在程式設計語言方面,C/C++/Java依舊是你最需要瞭解的,雖然同樣高效的Python和R越來越多地出現在項目中。除了這些在大學裡能夠學到的技能,我認為一項核心的IT技能是結合和分析大規模互不相關資料集的能力,例如結合金融資料和地理資訊。

在硬體方面,很重要的一點是要記住投行業基本屬於*nix世界(比如Linux,等等),所以瞭解這些系統是很必要的,同時還要瞭解SQL(在短期內還不會消失)和NoSQL資料庫方面的知識。

然後是其它軟技能;你必須有很強的好奇心和持續的興趣,深入挖掘新想法和新技術,從而為不斷出現的複雜問題尋求可能的解決方案。

當然,數學能力無論什麼時候都至關重要。理想的候選人必須熟練掌握統計分析、預測模型和微積分(包括微分、積分和隨機形式)。

任何希望成為資料專家的人都應該為眼下的機遇感到興奮。到目前為止,要直接從大學裡面找出合適的候選人還很難,因此有很多特定課程可以幫助你獲得所需的技能。這是大資料的第一波,事實上現在投行還在探索如何利用這項技術來為他們的目標服務。因此,目前是嘗試進入這一行業的大好時機。