全網TOP量化自媒體
量化投資與機器學習微信公眾號出品
作者：1+1=6
目錄
- QIML的話
- Quant資料
- QuantNet排名榜看點
- QuantNet排名前五學校大盤點
- Quant薪資
- RiskNetMFE薪資排名
- 碩士是門檻
- Quant就業前景
- Baruch量化職業發展報告
- 國內主要Quant崗
- 跨專業入行Quant
- 總結
QIML的話
最近，很多人問我們關於量化求職這件事。公眾號覺得有必要把之前的一些總結再給大家看看。QuantNet如期公布了2020全美最佳金融工程（MFE）專業的排名。大家可曾知道，Quantnet的MFE專業排名堪稱：
全美MFE的『權威鄙視鏈』
我們通常把金融工程碩士簡稱MFE。不同學校對這個專業設置不一樣，有的叫Financial Mathematics、Quantitative/Mathematical Finance等，這些專業本質上都算是一類。
MFE學制很短，一般是1-2年，大部分學校不提供獎學金(一小部分例外)。開設MFE的學校不是太多，而且申請人又很多，所以競爭非常激烈。
美國院校金融工程常見專業：
- Financial Engineering 金融工程
- Financial Mathematics /Mathematical Finance 金融數學
- Computational Finance 計算機金融
- Quantitative Finance 量化金融
- Quantitative Finance and Risk Management 量化金融和風險管理
典型的職位：
- Research Analyst 研究分析師
- Risk Quant Analyst 風險分析師
- Pricing and Analytics Analyst 定價分析師
- Investment Banking (Strategy)Analyst 投資分析師（策略分析師）
- Sales, Trading & Quantitative Analysis 銷售/量化分析師
- Quant Strategist 股市策略專家
- Risk Management Analyst 風險分析師
- Business Analyst；Market Risk Analyst 商業分析師/市場風險分析師
- Fixed Income Analyst 固定收益分析員
- Valuation and Risk Control Associate 估值和風險控制指導
- Market Risk Group Associate 市場分析顧問
- Global Financial Risk Management Analyst 金融風險管理分析員
- Quantitative Risk Analyst 風險量化分析員
常規所屬學院
根據課程側重點和學院風格的差異，美國金融工程專業一般會設置在工學院，商學院，數學學院。
- 工學院 偏向招收工程專業學生，重視編程能力，會開設optimization , programming等課程。典型的有Columbia MSFE，Stanford MSFM，NYU MSFE等；
- 商學院 偏向招收金融專業學生，圍繞金融方面學習，會開設Stochastic Methods of Mathmatical Finance等課程。 典型的譬如WUSTL MSF，UCB MFE，UCLA MFE等；
- 數學學院 偏向招收數學專業的學生，課程圍繞數學、統計展開，會開設Stochastic Processes等課程，學術性較強。 典型的包括Columbia MAMF，Chicago MSFM，JHU MSFM等。
*圖片來自：QIML獨家製作
但即便如此，學校提供的金工碩士課程也分優劣，學校開設該課程不代表課程教育好，所以要申請的話，還得看看學校的教育水平如何。金融工程哪家強，我們看這個排名就夠了，趕緊一睹為快吧！
Quant資料
QuantNet排名榜看點
2019年11月至12月，QuantNet在入學、就業和職業服務信息方面，對38個金融工程，數學金融，量化金融碩士課程進行了調查。其中38個項目中有33個提供了數據，25個基於以下加權運算法進行了排名計算。
排名依據（Methodology）包括：
- 同行評估分數（20%）
- 每個項目都要求將2020年QuantNet MFE項目排名中的38個項目 從1(邊緣)到5(例外) 進行評分。
- 就業情況（55％）
- 畢業就業率（10％）：英國《金融時報》最新一屆畢業生的就業率。
- 畢業後三個月就業率（15％） ：英國《金融時報》最新一屆畢業生畢業3個月後的就業率。
- 平均起薪和獎金（20％） ：英國《金融時報》最新一屆畢業生的平均起薪和獎金。
- 僱主調查分數（10％）：對僱主進行了調查，以確定2020年排行榜中哪些項目的畢業生在過去兩年內曾接受過面試或受聘。
- 學生選擇性（25％）
- GRE分數（15％） ： 該項目最近新一屆學生的平均ETS GRE分數。
- 本科GPA（7.5％）： 該項目最近新一屆學生的平均績點。
- 錄取率（2.5％）： 英國《金融時報》統計的申請者被錄取的比例。
我們看到 就業情況（55％）占了大頭，報名其平均起薪和簽約獎金（20％）、畢業後三個月就業率（15％）占比最多，同時在GRE分數（15％）上，也是要求較高。從這幾個數據我們可以看出， QuantNet的排名主要看就業，GRE高說明學校對學生的要求也高，生源高也就也為著整體表現好。也側面反映了大家以後選擇去哪所高校在就業方面可能更好點！
註：NR*=not ranked，沒有提供就業數據和薪資情況的項目被列為NR。
點擊看高清大圖
*圖片來自：量化投資與機器學習獨家製作
與2019年相比：
1、第一第二名強依然是普林斯頓和Baruch強勢占位；
2、卡耐基梅隆和哥大（金工）排名上升至前三；
3、加州伯克利排名下滑，由第二變成第五；
4、NYU Tandon趕超MIT，排在第九；
5、JHU連升4位進入Top20。
在 QuantNet 的排名上統計就業率的分別有兩組數字：
- 一組是畢業就業率
- 一組是畢業後三個月就業率
根據排名顯示，約翰霍普金斯 Mathematics of Finance 的畢業就業率為13%，畢業後三個月就業率為100%，也可能是因為該校 MFE 專業科研壓力大，邊找工作邊上課是一個很大的挑戰。而畢業後3個月，就業率100%，也恰恰正是了 MFE 的高含金量。
也有人表示，3個月，大機率意味著不少從該校畢業的碩士回國求職了……
的確，有些碩士項目時間短，對於留學生來說既要適應新學校、新國家，又要應付學業要求，還要走 Recruiting，難免不知所措。因此大家在讀研之前，就要提早做好求職準備,否則畢業時再找工作只會面臨更加嚴峻的現實。
我們順便看看2019TFE的排名：
*圖片來自：TFE官網
MFE主要是用計算機來實現數學模型，從而解決金融相關的問題。所以，MFE不同於MBA和MSP，它主要是培養金融界的技術工作者，也稱作金融工程師：Quant。
Quant的職位主要集中在投資銀行、對沖基金、商業銀行和金融機構。負責的主要工作根據職位也有很大區別，比較有代表性的包括Pricing、Model Validation、Research、Develop and Risk Management，分別負責衍生品定價模型的建立和應用、模型驗證、模型研究、程序開發和風險管理。
好了，我們再看看國內外Quant的發展情況！
Quant薪資
我們以『量化研究員』為關鍵詞進行分析（薪酬只是稅前基本工資、不包含每家機構分紅、年終獎和有的沒的）：
取自近1年215份樣本， 該數據僅供參考
*圖片來自：職友集
取自近1年406份樣本， 該數據僅供參考
*圖片來自：職友集
取自近1年227份樣本， 該數據僅供參考
*圖片來自：職友集
為了更權威，也順帶做個比較，我們看看海外對待量化研究員崗位的薪酬是如何的？
這裡必須要把PayScale搬出來。PayScale 最大的不同之處在於其所有的報告都是基於調查的原始數據，而不是由對地域，經濟條件等因素進行「估算」所得出的。PayScale絕不會對不同來源的數據進行混合使用，報告中出現的任何數據都是PayScale的工作人員認真收集，過濾，分析得到的。每一份提交到PayScale的檔案都要經過一道道嚴格的過濾系統，這套過濾系統包含了32重檢驗條款，在最大限度上保證了檔案信息的真實性和可靠性。在檢驗過程中，所有重複出現的檔案都會被過濾掉，那些比較反常的檔案也會被單獨提取出來，由PayScale專家進行驗證分析。最終，所有檢驗合格的檔案會被添加到PayScale的資料庫當中。PayScale薪酬調查報告反映了工作地點，教育背景，職稱水平，企業性質以及其他因素對個人薪酬的綜合影響程度。
*圖片來自：PayScale
工作年限與薪資
*圖片來自：PayScale
*圖片來自：PayScale
*圖片來自：PayScale
看看其他平台的：
*圖片來自：indeed
針對到具體機構：
▍文藝復興
*圖片來自：量化投資與機器學習獨家製作
數據表明，文藝復興是很多對沖基金中薪酬最高的機構之一。然而，值得注意的是，工資並不是大多數人為西蒙斯工作的原因。真正的吸引力是他們向Medallion基金投資的機會，該基金只對員工開放，自1988年成立以來，每年的回報率約為40%。
▍ 橋水
*圖片來自：量化投資與機器學習獨家製作
這份表格上，高薪職位顯然是mission manager，年薪18.5萬美元。目前還不清楚這指的是什麼，但人們猜測這與戴利奧的原則有關，相對較高的薪酬反映出這一更廣泛的使命對基金會有多麼重要。
▍Citadel
*圖片來自：量化投資與機器學習獨家製作
H1B簽證數據顯示，Citadel向其交易主管支付了50萬美元的薪酬。今年6月，一名大宗商品主管的薪資為50萬美元，而一名量化交易主管的薪資為37.5萬美元。
資歷較淺的量化研究人員的薪酬從14.5萬美元到22萬美元不等。電子交易分析師和助理的薪酬為10.5萬美元或15萬美元。
值得注意的是，H1B數字不包括獎金，如果你是一明投資交易人員並能產生Alpha收益，那麼，上面的數字是相當可觀的。在許多情況下，基本工資只占總薪酬的一小部分。
▍千禧年
千禧年對沖基金在全球範圍內被分為200個獨立運營團隊，每個團隊的收益與其自身業績成正比。 而千禧年的薪酬結構更加細化：如果你的團隊的策略做得好，你就會得到獎勵，即使該基金其他團隊都出現了虧損。
這對你的工資和獎金意味著什麼？千禧年沒有在全球公布薪酬，但該基金的兩家英國實體：Millennium Capital Management ltd.（英國控股公司，包括所有行政和投資人員）和Millennium Capital Partners LLP（主要由投資人員組成）剛剛公布了截至2018年12月31日的年度薪酬信息。
Millennium Capital Partners的薪酬最高。2018年，12名合伙人的平均利潤分配為130萬英鎊（高於前一年的110萬英鎊），收入最高的合伙人獲得650萬英鎊（低於前一年的700萬英鎊）。
除了12名合伙人，Millennium Capital Partners在2018年聘用了127名專業投資人員，向他們支付了總計6900萬英鎊的薪資，平均每人54.3萬英鎊。
如果加上行政人員，平均薪酬就會下降。Millennium Capital Management在英國的279名員工（142名專業人士和137名管理人員）2018年的平均薪資為9200萬英鎊，平均每人33萬英鎊。
去年，千禧年旗下兩家英國公司的營業額都增長了19%左右，達到2.26億英鎊。然而，每個註冊實體的成本幾乎成比例增加，結果是利潤基本停滯不前。
▍其他
下面列出的一些對沖基金是大型僱主。例如，Winton Capital Management有375名員工。BlueBay有317名。Aspect Capital擁有142家公司等等。
除非你是合伙人，否則對沖基金對僱主的吸引力可能會比以前小。在倫敦的高盛（Goldman Sachs）， 2018年的平均薪資為31.4萬英鎊，高於下表中的大多數對沖基金。一旦你加入了對沖基金，就很難再離開了。
*圖片來自：量化投資與機器學習獨家製作
RiskNet2020全球MFE排名
RiskNet發布了2020全球金融工程碩士項目排名。相比其他榜單，此次RiskNet還統計了各個學校的錄取率、就業率和薪資。可以說，非常明白學生們的需求了。具體榜單如下：
*圖片來源：網絡
據了解RiskNet這份榜單則根據畢業後6個月的薪資和平均就業率進行了一定調整。可以說對大學生來講，更具有參考性。
美國開設金融工程專業的學校大部分只有一輪截止日期，截止日期早的一般在12月或者1月份，商學院下面開設的金融工程一般有3-4 輪截止日期：最早一批大約在10月份。建議大家最好在10月份之前拿到理想的標化成績後遞交申請。
碩士是門檻
從公眾號這幾年對行業的觀察來看，大專學歷首先pass，如果非要給個標準，那麼碩士是一個進門檻。公眾號在這裡不討論學歷是否決定能力，大多數機構就是這麼要求的，只有進了門，再說其他的。
在公眾號的招聘專欄里，無論券商、私募、公募崗位要求一欄明確寫著：
順便打個小廣告：量化投資與機器學習目前開設了量化崗位直推專欄。我們已與近百家國內外知名公募、私募、券商、期貨、金融科技公司等機構建立了十分密切的合作關係，我們為其發布招聘信息，為合作機構尋找量化人才。
券商金工
*圖片來自：量化投資與機器學習招聘專欄
量化私募
*圖片來自：量化投資與機器學習招聘專欄
公募基金
*圖片來自：量化投資與機器學習招聘專欄
Quant就業前景
我們拿到了巴魯克學院（Bernard M.Baruch College，CUNY）2018—2019MFE就業分析報告：
下面這張表，左邊是畢業生去往的公司，右邊是對應的職位。像全球頂尖的量化對沖基金公司AQR，各大頂尖金融機構UBS、美林、巴克萊、德意志、JPMorgan、Morgan Stanley等。
*圖片來自：CUNY
再從這張圖我們來看：
*圖片來自：CUNY
從事行業前三的是：投資銀行、對沖基金公司、資產管理公司
*圖片來自：CUNY
工作職能前三的是：Quant、交易、風險數據科學
還有畢業來上海的小夥伴。看來上海在國內金融地位槓槓的！
*圖片來自：CUNY
看看人家第一年拿的工資：
*圖片來自：CUNY
國內主要崗位
除了薪資可觀，Quant的求職面也非常廣，根據前面CUNY的報告所訴，涵蓋其投行、對沖基金、資管、諮詢、金融科技五大金融精尖行業，囊括了定量研究師、風控師、數據科學家、諮詢交易員等多種崗位。具體例如：
• 商業銀行（例如：滙豐銀行、招商銀行）
• 投資銀行（例如：高盛、UBS）
• 對沖基金（例如：Citadel、九坤）
• 會計師事務所（例如：PWC、EY）
• 軟體公司（例如：Wind、DataYes）
主流分為：
▍買方：公募
特點：朝九晚五，人際關係處理好，當甲方爸爸的感覺真好！
工作：做好研究，大多以股票為主，少數投資債券或者貨幣市場。手握數億資金，與上市公司董秘、高管運籌帷幄。
要求：本科忽略！最基本是碩士，PhD也是擠破頭，985&211，有些只招清北復交，很正常。名校海龜也很吃香。其他的要求我們在下文介紹。
評價：從業情況，盈利能力、抗風險能力、穩定性等。還有管理基金的業績綜合排名、業績排名穩定性等。
未來：研究員、基金經理助理、基金經理、某部門MD等出了本事以外。越想往上就得耗啊！
▍ 賣方：券商金融工程團隊研究所
特點：朝九晚不知道，一年坐的飛機可環繞地球N圈，真的很辛苦。
工作：寫研報、寫研報、寫研報（你能想到的各種模型各種方法），各種路演（可能一份報告已經倒背如流，買方會根據賣方的表現來派點給賣），尋創新（多因子已經寫爛啦哈哈~），保持與機構的密切溝通。
要求：本科確實很難啊！基本碩士起，有些甚至要求985，211都不要。同等水平可能海龜會優先考慮。其他的要求我們在下文介紹。
評價：研報熱度啊！新財富啊！不知道以後還有不。等~
未來：成為首席或者高級研究員，跳槽去買方、私募等。
▍ 風雲之地：私募
特點：看的是結果，各種投資思路、投資標的都有涉及。
要求：有來自券商、基金或者自民間的投資高手。所以學歷相對不是特別嚴格。
評價：研究要和收益掛鉤。站在研究的角度，總有人願意為高屋建瓴的所謂前瞻性和理論買單，私募卻行不通。你可以基於你優漂亮的凈值曲線去包裝，但反著來不行！這樣你作為研究員就沒有了價值，最終淪為發產品時宣傳三折頁上打醬油的角色，熊市或震盪市時裁員降薪的首選。
未來：繼續留用 or 成為大佬 or 走人。
▍ 金融科技公司
特點：服務產品，寫相關研究報告，搞培訓等。
要求：很典型的例子，現在國內很多量化平台都會招聘有一幫人為平台社區寫各種研報復現、論文復現、策略復現等等。再者就是針對某一量化產品做深度開發研究。還有一些專門做量化課程培訓。
評價：研報熱度（主要為平台流量）、產品的功能好壞、培訓口碑等。
未來：賣方、買方、私募或者自己干都有可能。
還有一類分法是這樣，國內的量化工程師一般分兩個方向：
▍量化策略工程師
做金融相關的量化策略編寫、模型定價、風險控制等，數學和統計要求比較高。
▍量化IT工程師
開發和測試量化交易系統軟體，實現策略代碼實盤運行，跟程式設計師幾乎無異。工作崗位集中在券商和期貨公司的金工組或者IT部，商業銀行的金工組，公募和私募基金公司，量化交易平台網際網路公司以及軟體公司。
還有一類屬於交易員：
▍自營交易員（用公司的資金做交易的人）。
▍機構，買方，基金經理（用別人的錢做交易，做出決定或設計系統，不一定負責執行交易）。
▍機構，賣方（例如投資銀行的期權交易者，使用銀行資本但不是主要的風險承擔者）。
▍自籌資金的獨立交易員（交易自有資金的人）。
從NYU的官網上還看見，2016-2019畢業的中國留學生回國後拿到了阿里、華為、中金、中國銀行、工商銀行、建設銀行、中國資產管理公司、太平洋保險等國內名企。
*圖片來源：NYU Career Resources and Employment Stats（部分）
跨專業入行Quant
最近幾年，很多跨專業的朋友（計算機、生物、物理、通信等專業）也想在量化的領域展示一下自己的抱負。還是勸各位：量化有風險，入坑需謹慎。
*圖片來源：量化投資與機器學習公眾號製作
像計算機、物理等專業有自身的優勢，但同時也有先天的不足！
曾有一位華爾街量化大佬表示：「如果你沒有計算金融、物理、工程或者統計等等偏Quant的碩士或者博士學位 ，幾乎是不可能在頂級Quant Trading公司找到工作。」
一般來說，物理背景比經管出身的數學、計算機能力強，在邏輯思維、數據分析上具有一定優勢。因為資產價格的變動和物理學家研究的物體運動是有相似之處的，所以善於建模,而且相對缺錢的物理學家就多多轉戰華爾街了。不少buy side的頂尖Quant Team至今只招理工PhD。
其實很多Quant人，都是來自數學、物理等背景，所以他們看到這樣的背景會覺得很親切。面試官喜歡數學和物理背景的人，也是因為Quantitative Skill大多非常紮實。
還有，想轉行做Quant，不能只靠MFE！
雖然來自Top MFE項目的畢業生基本可以保證一份投行的工作。當然，也僅限於鳳毛麟角的幾個大學（如卡內基梅隆、哥大、普林斯頓）。這些項目要麼聲譽夠好，要麼學校資源、Career Service夠好，要麼校友給力。這些項目的畢業生無論在北美還是回國，發展都很好。
小編為大家提供一位資深Quant大牛的說法：
我當年2005~2006年找工作的時候，那個時候沒有特別多的MFE的那些program，現在大家去瞧瞧，美國哪個學校沒有MFE啊，而且現在越來越多中國年輕人為了短平快的找工作，都自費去讀那些專業。其實我們行內的都了解，讀那些的基礎不是特別好，開始可能就業比較容易，因為工作職位多，競爭也少，可是這些年積累下來，再加上那麼多的MFE畢業生，華爾街上的工作形勢又那麼差，所以很多MFE找不到好工作也是正常。不過比較Solid的PhD還是很容易在街上找到工作的。
一位在頂級投行做了5年Quant的大牛說：
「我曾經也是MFE的學生，但是學校的課程遠遠不夠，在過去5年的工作中，我更加證明了我的觀點，那就是不遺餘力的自學！在這裡我給大家介紹一些我的方法，如果你已經下定決定在投行做Quant，請你儘早開始這樣準備。」
1. Absorb (almost) all publicly available information
你需要深入了解這三個方向:
- Finance/Trading
- Math (especially statistics)
- Programmin
沒有你不需要的知識，只是有先後之分，廣泛涉獵絕對沒錯。除此之外，你需要擁有許多技能才能進入投行的視線。
在程式語言方面：
今年最火的要屬Python了，原因大家都知道。但是不能代表其他語言都不用了， 一些公募還在用SAS，包括R、MATLAB等照用不誤。
*圖片來源：網絡
數據接口：
除了編程，作為Quant，最避不開的就是和各種主流資料庫和API接口打交道；如果因為某些原因而無法使用完善的API接口，從資料庫里調用數據也是很花功夫的。
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。比如很火的AI與機器學習。
現在，很多量化機構將人工智慧和機器學習與量化策略相結合。國內的一些頂尖私募，比如：九坤、幻方、朱雀等都在使用AI量化策略，從各大公司的招聘公告上也可以看出這點。
*圖片來源：網絡
海外的大型對沖基金公司更是如此：
- Binatix（美國） ：是最早使用機器學習算法來發現在投資中具有優勢模式的公司之一。
- Kimerick Technologies（美國） ：機器學習和人工神經網絡驅動預測交易的公司。
- Pit.ai（英國） ：一個機器學習驅動的對沖基金等等 ······
*圖片來源：網絡
2. Test and apply your knowledge
不停的嘗試！在應用和犯錯中鞏固你的知識。理解你要做的事情是什麼，從而知道你做的每一步哪些有用，哪些沒有用。
3. Meet and partner with others
1+1=3。 一定要找到自己的學習夥伴，或者找一位mentor，在討論和交流中發現自己思想上的局限。一定不要羞於向別人展示你的成果，因為他人眼中的你，才是客觀的。這有這樣你才能不斷進步。
4. Get a job at a trading firm
儘量多的去實踐，盲目的學知識也沒有用，很多技能都是在工作中掌握的。
網絡有一段話說的挺好，分享給各位讀者：大家可能覺得搞量化的人就是整天和大量數據打交道，用一行行代碼寫出複雜的模型，然後沒完沒了地Run，在回測和優化中掙扎，沉浸在數學和統計海洋里的一群人。實際上，這只是表面現象。雖然每個搞量化的人必須會寫代碼，也必須具備紮實的數學功底，在開發策略的過程中，的確需要分析大量數據，不斷做回測和優化，但是，這一切的背後是強大的金融思維和對金融市場的深刻理解在支撐的。換句話說，如果你沒有經濟、金融的完整知識體系和工作經驗，或者沒有正確的、科學的思維方式，無論數學多麼地好，也很可能在做無用功；即便編程多麼在行，也只能淪為碼農一枚（沒有歧視程式設計師的意思哦）。反過來說，如果你具備科學的思維和邏輯，並發現了經濟、金融的某些規律，想做Quant就不難了。接下來，你只需花點時間學習編程工具，好好利用數據和代碼為你實現自己的想法。
對於Quant這個詞，人們或多或少存在一些誤解或偏見。Quant是Quantitative的簡寫形式，成為了一個名詞，專指量化工作者。Quantitative是形容詞，後面跟Strategist，意為「量化策略師」；跟Researcher，是「量化研究員」的意思；跟Trader，是「量化交易員」的意思；還可以跟Finance，意為「數量金融學」。
多數人把「Quant」理解成和交易相關的量化交易員和策略開發者，這屬於狹義的定義。其實，金融領域的量化的涵義是很寬泛的。從前中後台來看，量化可分為前台的量化交易、中台的量化研究和後台的量化風控。量化交易主要指算法交易，也就是交易員利用程序化交易平台，輸入交易指令的相關算法，形成交易策略。量化研究除了量化策略的開發，還包括運用量化的方法研究經濟、金融相關課題，比如宏觀經濟建模。就算只是量化策略研究，也分基本面量化和技術面量化。
Baruch量化職業發展報告
本報告涵蓋了對BaruchMFE學院2012-2014屆畢業生的職業發展調查結果，這些學生畢業後已經工作了4-6年，所有有很好的參考價值。而且，在這59名全日制畢業生中，所有人都接受了調查，其中52人給出了調查表。
在這52名畢業生中，有50人繼續在金融服務業工作。其中94%的人在美國工作，90%的人在紐約地區。在中國的有2%，在北京。
崗位分布
48%的畢業在銀行工作，38%從事買方工作（對沖基金、資管等），其餘從事金融技術或諮詢工作。
41%的畢業生專注於宏觀/跨資產領域，24%和29%涉及固收和股票。
工作性質
超過50%的畢業生每天進行編程、數據分析和建模。量化人不會編程真是沒得玩！
報告顯示， 編程占到了他們日常工作的 50%
編程在日常工作中占比
C++、Python、R、SQL和VBA是最常用的程式語言，每種語言的使用率都超過25%。 Python 是最受歡迎的，使用率為 80%，其次是SQL，使用率為52%。
當然除了Baruch，還有其他院校也是可以的：
全球頂尖的寬客碩士學位課程
排名前五名學校大盤點
美國開設金融工程專業的學校大部分只有一輪截止日期，截止日期早的一般在12月或者1月份，商學院下面開設的金融工程一般有3-4 輪截止日期：最早一批大約在10月份。建議大家最好在10月份之前拿到理想的標化成績後遞交申請。
▍普林斯頓大學：金融碩士
*圖片來自：網絡
普林斯頓的項目名為Master in Finance，實際上也是Financial Engineering，其開設在Bendheim Center for Finance學院之下，該專業提供一年制和兩年制兩種畢業方式，大部分學生都是兩年畢業，兩年制的學生必須在第一年的暑假完成一次實習內容。
Bendheim Center for Finance官網
普林斯頓大學課程項目主管ren Carmona強調，該課程規模小、重點突出、師生之間的一對一互動，我們對學生給予個別關注，這在許多其它課程中是找不到的。這是其成功的核心驅動力。它的招生人數比大多數同行都要少，只有25人，它的錄取率只有5%！
該課程的結果是，畢業生的平均就業率達到100%，六個月後的平均收入為16萬美元，這兩個數字在同行中都是最高的。
Carmona認為，與歷史上更傾向於理論化的歐洲碩士課程相比，美國商學院更注重職業教育，這可能會讓它們在滿足僱主需求方面占據優勢。 他表示，歐洲仍在培養Q Quant為主。
那麼什麼是Q Quant呢：
Q代表在風險中性測得 (risk-neutral measure) 下的 Quant，他們重模型輕數據，主要研究金融工程、衍生品定價、估值調整 (CVA) 等一切以模型為大的領域。
Q Quant非常理論化和數學化，但該行業現在需要的是更多的P Quant。 那麼什麼是P Quant呢：
P代表在真實測度 (physical measure) 下的 quant，他們重數據輕模型，主要研究量化投資、機器學習等一切以數據為大的領域。
總結來說：
P Quant：尋找Alpha，其任務是「模擬未來「。
Q Quant：主要做衍生品定價，其任務是「推斷當前」。
所以排名第一不是吹的！
▍紐約城市大學巴魯克學院：金融工程
*圖片來自：網絡
巴魯克學院（Bernard M.Baruch College，CUNY）是一所以商科著名的位於美國紐約市曼哈頓的公立大學。其金融工程碩士項目，被譽為美國頂尖金工項目之一，在2020年QuantNet金融工程排名中位列第二。巴魯克學院MFE注重培養學生定量金融方面的技能，且該校就業資源強大，每年進入摩根史坦利、摩根大通、花旗等企業的畢業生很多。
給大家看一組數據 最新CUNY 2019年秋季入學統計數據：
506名申請人，44名錄取，8%的錄取率！
- 錄取申請人：
- 平均GPA：3.75
- 平均GRE：169.5
- 口語：158
- 就業公司：巴克萊，法國巴黎銀行，Citadel，EY，高盛，JP摩根，摩根史坦利，Point72，普華永道，Tower等，都是頂尖投行和對沖基金公司！想不去都難
▍卡耐基梅隆大學：計算金融
*圖片來自：網絡
卡內基梅隆大學的此項目是金融工程項目裡面比較頂尖的，是大多數學習金工的學生的dream school。
卡耐基梅隆大學的Master of Science in Computational Finance (MSCF) 在2019QuantNet排名中位列第4，今年上升1位，位列第3。計算金融碩士是業界首屈一指的金融項目，也是華爾街最推崇的量化金融項目之一，MSCF由CMU泰珀商學院、數學系、統計&數據科學系、海因茲信息系統和公共政策學院共同開設，為期16個月。這種獨特的合作使 MSCF 能夠提供一個統計，計算機科學，數學和金融的緊密結合的專業。想想就心動！
CMU MSCF項目有匹茲堡和紐約兩個校區，除了位置，紐約和匹茲堡項目之間沒有差別。匹茲堡校區的優點是有很好的學術環境，而紐約校區的優勢是它靠近全球金融機構，以及可以和很多在這些機構工作的同學進行networking。
CMU MSCF這個項目特別注重學生的數理和計算機背景，項目網申裡面必須提供申請者的計算機和數學方面上過的課程的詳細信息（精確到具體課程的名字，得分，甚至授課知識內容清單）。同時，其面試更加偏向行為面試，且一般拿到面試的同學絕大部分都會拿到最終的錄取。
申請條件
- 建議GPA 3.7+。
- TOEFL 100+、IELTS 7.5+。
- 同時接受GRE和GMAT成績，但更偏向GRE，沒有最低分數要求。
- 需要WES成績單認證。
- 要求學生有數學，統計，計算機編程背景（有C或C++程式語言工作經驗）。
- 對計量金融領域有極大興趣。
課程設置
MSCF把三個學期的課程分成六個、七個星期的「迷你」學期。課程的重點是量化金融職業道路：在交易，金融建模，量化投資組合管理，風險管理和數據科學。
MSCF的課程融合了傳統的講座，個人和小組項目以及PPT。所有MSCF課程都是針對學生的職業發展路線開發的。
8月初，學位課程開始前四周，「MSCF準備」課程提供數學，機率和編程的準備課程。此外，學生將參加金融市場講座，財務會計基礎和衍生工具會計，並了解量化金融各種職業道路。與職業顧問合作，修改簡歷，學習面試技巧，享受職業培訓，開始進行德意志銀行交易大賽的培訓。
在第一年的秋季和春季，學生將學習股權和債券組合管理的傳統金融理論，衍生交易所依賴的隨機演算模型，計算價格和風險度量的蒙特卡羅模擬方法，統計方法包括回歸、時間序列、財務數據科學。C ++，R和Python貫穿整個課程。
展示課程將幫助學生將想法傳達給同行。參加德意志銀行商賽（有現金獎勵）。金融工程課程要求在團隊工作中解決問題並銷售解決方案。
接著在夏季參加實習。在暑期實習後，就要選擇必修課程和選修課程。選修課程可以選擇一個領域進行深入學習：金融計算，資產管理，算法交易和風險管理。
看看人家學的啥：
*圖片來自：MSCF官網
給大家看一組數據最新CMU MSCF 2019年秋季入學統計數據：
- 全日制學生總數：98人（紐約校區50人；匹茲堡校區48）
- 錄取率：20%
- 平均GMAT：746
- 平均Quant GRE：169
- 平均Verbal GRE：159
- 平均GPA：3.79
根據其2019年度就業報告顯示：
在投行、對沖基金、資管公司，有將近27%的學生做了Quant。
*圖片來自：CMU209就業報告
*圖片來自：CMU209就業報告
在薪資方面，其平均基本工資都有10W美元，獎金平均有2萬美元，吊打國內很多公司！
*圖片來自：CMU209就業報告
再看看畢業生去的機構。啥也不說了：
*圖片來自：CMU209就業報告
*圖片來自：CMU209就業報告
▍哥倫比亞大學：金融工程
*圖片來自：網絡
哥倫比亞大學的金融工程專業在2019 QuantNet排名中位列第4，今年上升1位，與CMU並列第3。地處紐約曼哈頓，又是常青藤盟校，占盡天時地利人和！
哥倫比亞大學金融工程項目（MSFE）隸屬於哥大工程學院下的Industrial Engineering and Operations Research（IEOR系），雖然金融工程是在工程學院下，但是就業方向跟商學院的金融工程是一樣的。項目課程提供全面的工程方法和量化方法的培訓。為那些以後志在證券、銀行和金融管理和諮詢公司工作或者在綜合製造和服務公司的財政部門或金融部門做定量分析工作的人設置。
課程設置方面迎合了金融工程專業知識覆蓋面全的特性，除了能夠接觸工程學院的課程外，還能選修其他院系的課程，比如文理學院、商學院、法學院、國際關係學院等等。
申請條件
- GPA3.0+。
- TOEFL 99+ /IELTS 6.5+。
- 不要GMAT，要GRE。
- IEOR研究生課程尋找與工程、數學、計算機科學、統計學、經濟學、金融學或其他類似領域背景的申請者。學生申請此專業須具有一定機率學，微積分，線性代數的數學知識。所以，對於數理背景要求很高。
- 提供五個方向的分支課程：
- Computation & Programming
- Finance & Economics
- Derivatives
- Asset Management
- Computational Finance & Trading Systems
再說說他們另外一個項目：Mathematics of Finance
這是哥倫比亞大學的第二個項目，簡稱MAFN，設在數學系下。MAFN項目僅在秋季招生，國際生通常只能選擇全日制形式就讀，從學制來說，全日制學生一般可以用1年時間完成學業。當然，該項目也招非全日制的學生，非全日制的學生最長可在4年之內完成學業。
MAFN課程偏重數學理論一些，而不像MSFE比較重視金融實踐。整體質量（包括培養目標、課程設置、師資力量等）比工學院的那個MSFE要遜色一些。也是1年的沒有獎學金。申請的人比MSFE偏少一些。
申請條件
- GPA3.0+/4.0。
- TOEFL 100+，IELTS 7.5+。
- 同時接受GRE和GMAT成績，但更偏向GRE，建議GRE320+。
- 偏愛有定量領域學術背景的學生，如數學、統計學、物理學、經濟學、計算機科學或者工程學。
- 因為大部分學生有金融方面的實習或者工作經驗，所以建議有至少一段高含金量實習
- 先修課：沒有必修要求的先修課。建議的先修課：微積分，線性代數，基本微分方程，機率論，統計，高等微積分與數學分析。同時推薦有以下課程：基礎機率論基礎教程，統計理論概論，數學分析原理。
- 秋季必修課：
- Introduction to the Mathematics of Finance
- Statistical Inference / Time-Series Modeling
- Stochastic Processes – Applications
- 春季必修課：
- Stochastic Methods in Finance
- Numerical Methods in Finance
- Practitioners』 Seminar
▍加州大學伯克利分校：金融工程
*圖片來自：網絡
Berkeley的MFE設在Haas商學院裡，今年的排位下降了3名，位列第5，時長1年，春季（3月）入學。期望申請者有紮實的金融，經濟，統計，數學，計算機和工程的相關定量背景，前提課程要求較多，需要在申請時已完成或計劃入學前完成。
該項目非常重視工作經驗，部分學生有3年以上工作經驗，應屆學生通常表現為學術能力比較強大，通常都是數學，經濟，統計的相關量化背景。
*圖片來自：Berkeley Haas官網
Berkeley的MFE是全美最頂級的金融工程項目之一，課程緊密，應用性和實踐性極強，學生會被要求參與Morgan Stanley應用金融項目和為期10~12周的實習項目。
從2018年的就業報告可以看出Berkeley的MFE學生在資管和投行（68%）有37%的人從事量化工作。
*圖片來自：Berkeley Haas官網
高含金量的教學，讓Berkeley的MFE學生找工作易如反掌，例如：
總結
Early Start說：
數學編程好=Top MFE項目=華爾街、中環寫字樓=房票人贏
相信很多和我背景相似甚至更偏理工科的從業人員和我有著相似的經歷：申請時對這一職業並未有著客觀的了解。不過也確實沒有資源：有幾個身邊有前輩在這個行業里做過呢？我們又不是猶太裔叫Goldman。quant發展於美國08年之前，12/13年那時對行業的了解僅限於各種帶有誇張色彩的文章及小說，不斷洗腦重複著以下兩點：
1、Quant是很牛的，只有數學最厲害的那批人才能做 。
2、Quant是金融的未來。只要模型做得好，就能跑贏市場，大佬就會求著給錢（當然大部分人連第一步都做不到）。
這雞湯熬得不論是有意還是無意，終究是誤導了一些追隨者。08年前出書寫文章還算有誠意，之後還炒冷飯就顯得居心叵測，難免有刷智商費的嫌疑。這個世界搞金融就是搞金融。當然，MFE目前還是外國人尤其是中國人進入這個世界的入場券，但它的本質永遠都是金錢的過手、流通，無論是做市掙spread還是買方賭方向，都必須要觸碰到錢、融入到商業行為中才行。如果把做最好的模型寫最好的代碼當作目標的話，終究不會進入核心層面。除非你能把模型當作商品賣給其他人。
金融從業者做得優秀的話上限仍然很高。這是一個英雄不問出處的行業，雖然不能像10年前那樣讓人一夜暴富，但仍舊比許多傳統行業易出成績。這裡又要說印度人，做了幾年就出去開fund，賣模型風生水起的不少，先不說他們能力如何，但是折騰的方向是值得參考和借鑑的。
希望對小朋友和從業人員有所幫助，不當之處也可權當一笑。
量化投資與機器學習微信公眾號，是業內垂直於Quant、MFE、Fintech、AI、ML 等領域的量化類主流自媒體。公眾號擁有來自公募、私募、券商、期貨、銀行、保險資管、海外等眾多圈內18W+關注者。每日發布行業前沿研究成果和最新量化資訊。