不是所有禿頂的Quant都會修電腦！

原標題：不是所有禿頂的Quant都會修電腦！

量化投資與機器學習微信公眾號，是業內垂直於量化投資、對沖基金、Fintech、人工智慧、大數據等領域的主流自媒體。公眾號擁有來自公募、私募、券商、期貨、銀行、保險、高校等行業30W+關注者，曾榮獲AMMA優秀品牌力、優秀洞察力大獎，連續4年被騰訊雲+社區評選為「年度最佳作者」。

量化投資與機器學習公眾號編輯部

圖片由midjourney生成

Quant的誤解

關於對Quant的誤解，就跟 「學計算機一定會修電腦，寫代碼一定禿頂」一樣。讓我們盤點下，那些根深蒂固貼在Quant身上的標籤。

1、絕大多數的Quant並不從事高頻交易研究

確實有很多非常厲害的高頻交易公司，但並不是所有的量化基金都是高頻交易，也並不是所有的Quant都從事高頻交易策略研究。

2、Quant並不一定需要會手推Black-Scholes公式

如果你在買方從事量化研究，你可能一輩子都用不到隨機微積分。這通常是賣方從事衍生品定價，特別是Exotic Derivatives定價，是Quant需要掌握的。

3、即使買方的Quant，也不是所有品種通吃

比如研究股票的Quant可能就會和研究信用債或商品期貨的Quant聊不到一塊。不同研究領域真的千差萬別，有的使用量價，有的注重基本面；有的關注大盤股，有的只研究流動性差的股票；甚至港股和A股的Quant差別也很大。

4、Quant並不一定必須要數學物理Phd

醫生一定要醫學院畢業，律師一定是學法律的。Quant的背景各種各樣：物理、數學、計算機，甚至有心理學畢業的Quant。不同的公司對於Quant的學歷背景要求不盡相同，有的喜歡只招數學物理Phd；有的熱衷於某些學校的畢業生（特別是創始人母校畢業的）；有的特別看重獲獎經歷；有些需要你有豐富的金融市場經驗，有些甚至都不需要你知道什麼是股票。

雖然不拘一格降人才的事情在Top的基金公司也偶爾發生，但為了提高面試的成功率，還是建議大家在大學能學好以下課程：線性代數、微積分、統計學、機器學習及編程等。

5、Quant並不都是機器學習深度學習的專家

絕大多數Quant對於機器學習的應用止步於XGBoost，甚至都不知道LSTM的原理，更不會用Pytorch、Tensorflow。 研究講究效率，並不需要成為這個領域的專家。使用機器學習的Quant，絕大多數就是個調包俠。

6、Quant研究不存在盡頭

在Quant的世界沒有一招鮮吃遍天的研究。如果還在做著「發現聖杯，坐等升天」的美夢，那趁早醒醒。研究不存在盡頭，接受市場的捶打才是常態。