进击的Matrix

V1

2022/07/24阅读:16主题:姹紫

CQF量化金融职业指南

✏️写作:个人博客InfoQ掘金知乎CSDN

📧公众号:进击的Matrix

🚫特别声明:原创不易,未经授权不得转载或抄袭,如需转载可联系小编授权。

概述

2022年5月,CQF协会发布了《CQF量化金融职业指南》手册,介绍了量化金融行业、职业岗位、工作内容等等,专为寻求量化金融行业现状、见解的人士而设计。

CQF的量化金融职业指南涵盖了金融领域的六个职业道路,分别是:

  • Data Science and Machine Learning - 数据科学和机器学习
  • Portfolio Management - 投资组合管理
  • Risk Management - 风险管理
  • Quant Strategies and Research - 量化策略和研究
  • Technology - 量化开发
  • Quant Trading - 量化交易

在上述每个领域,CQF职业指南都根据来自多个来源的研究(包括求职网站,招聘人员访谈和行业出版物)简要介绍了所需的技能,典型角色和职责以及一般薪酬范围。CQF职业指南还展望未来,并提供了一些为未来工作机会和行业变化做准备的最佳方式的观点。

THE CQF CAREERS GUIDE TO QUANTITATIVE FINANCE
THE CQF CAREERS GUIDE TO QUANTITATIVE FINANCE

量化金融简介

什么是量化金融?

随着金融市场演变得越来越巨大和复杂,量化金融在20世纪中后期开始兴起。随着时间的推移,现有技术在选股,资产配置,管理海量信息,评估抽象金融产品以及在全球市场交易方面变得不充分。量化金融是投资管理的一个分支,它采用数学和统计方法来分析一系列资产类别的投资机会。

量化金融(Quants)的从业者在股票、固定收益和结构性产品、商品、外汇和所有种类的衍生品中工作。专业领域包括资产定价、交易、对冲、投资组合分析和优化、风险管理和监管合规。 Quants 也正在进入人工智能和机器学习领域,对数据科学家的需求正在急剧增长。机器学习、加密货币和ESG投资等领域也在利用量化人才,新工具、产品和服务的开发将在短期和长期内为量化人才提供更多机会。

金融业的结构

量化金融界与投资领域的许多方面都有交叉,无论是开发和销售复杂的衍生品,执行风险分析,还是资产定价和投资组合分配向买家提供建议。Quants在投资银行和资产管理公司,对冲基金,自营交易公司,保险公司,科技公司和咨询公司担任各种职务。传统的工作类别包括投资组合管理,风险管理,研究,交易和技术方面的角色,近年来,对数据科学和机器学习的兴趣显著增长,与这些类别中的每一个都有交叉。由于基础设施,编程支持和数据管理要求是数据科学和机器学习环境的一部分,数据库科学革命对金融公司的技术团队产生了影响。

金融业简图:A Short Mapping of the Financial Industry

在研究金融行业的许多方面时,最活跃的领域之一是投资银行和大型资产管理公司,对于这些类型的雇主,求职者需要考虑的一个关键方面是“买方”和“卖方”之间的划分——这种区别强调相似的量化技能组合,但是目标不同。

买方和卖方:The Buy Side and the Sell Side

买方由共同基金、养老基金、基金会、捐赠基金和对冲基金(机构投资者)以及高净值个人组成。这些实体专注于投资证券和管理超大型基金或大量个人或家庭资源,包括由私人财富管理机构和家族办公室管理的资源。

卖方由投资银行、做市商和开发买方寻求的产品和服务的个人组成。这需要创建、推广和销售股票、债券、外汇、衍生品、结构性产品和其他向买方和公开市场提供金融工具。

前台、中台和后台: The Front, Middle, and Back Offices

在有些公司的内部中,可能分为前台、中台和后台,这些部门中都能找到Quants的身影。

前台(FO)最接近交易和客户,而FO中的量化人员通常会参与创建金融产品,进行研究并协助投资组合管理,因为它与市场中的策略和交易相关。

中台(MO)专注于支持前台,包括风险管理、财务、会计、模型验证、价格验证和合规等功能。

后台(BO)处理交易处理,清算和会计。BO还倾向于维护支持公司活动的技术系统,技术人员可以在这些办公室中的任何一个工作,支持其中的基本活动。

数据科学家通常在公司的研究领域工作,并且由于他们的工作性质,他们可能会在办公室之间进行互动。

除了投资银行和资产管理公司:Beyond Investment Banks and Asset Managers

在投资银行和大型资产管理公司之外,Quants将在自营公司中找到角色,在这些公司中,研究和交易的角色将非常突出。在保险公司,他们可能参与投资组合和风险管理,而在科技公司和咨询公司,他们在技术、研究和利基领域发挥作用,例如替代数据分析和监管技术与合规性。

FinTech的出现为Quants创造了一系列新的机会,包括高频交易,机器学习,加密货币和分布式账本技术中的角色,所有这些都需要强大的编程技能。 对于那些在量化金融领域寻求工作的人来说,熟悉一般行业结构,术语以及公司内部和公司之间的关系有助于塑造他们对最理想机会所在的看法。

Quants的特定角色:Specific Roles for Quants

Quants在所有金融领域工作,尤其以在定价、交易、资产配置、IT、产品开发和风险管理方面的工作而闻名。有从事衍生品定价模型(例如奇异期权)的量化分析师,以及从事结构化产品(“结构师”)工作的量化分析师。模型验证量化人员专注于满足有关定价模型的监管要求,以及支持交易和风险管理功能。

最后,有量化交易员和量化分析师参与资产管理,风险管理,投资策略,量化开发,IT和研究。虽然金融领域的知识在这些专业中各不相同,但所需的核心技能始终需要数学和编程作为量化技能包的一部分。

在量化金融岗位的工作

WORKING IN QUANTITATIVE FINANCE
WORKING IN QUANTITATIVE FINANCE

专业视角

量化金融是一个要求很高的领域,为好奇、积极进取的人提供了极好的机会。量化金融中的角色为那些有兴趣将技术技能应用于金融市场的人提供了高薪、成长的机会和相当大的工作满意度。 根据招聘人员介绍,Quants的招聘趋势强劲,机会从投资银行和资产管理公司到对冲基金、自营交易、金融科技公司和咨询公司。这是求职者的市场,也是在您探索整个量化领域的机会时提高技能的好时机,作为完整的求职计划的一部分,还有其他几个方面,在未来的几个月和几年中考虑,重点关注外部环境的条件以及影响你职业决策的内部动机和个人因素。

就业信心:Job Confidence

在 Selby Jennings 的 2021 年全球就业信心指数中,金融服务业就业情绪出现强劲反弹。报告指出,“总体而言,结果表明金融服务专业人士对就业市场的信心处于全时间最高,超过 58% 的人感到积极或非常积极,比 2020 年的 23% 大幅增长。”

考虑到过去两年大流行的困难,对个别情况的乐观程度非常高。正如报告所观察到的,“全球受访者对自身工作保障的看法仍然非常稳定,超过一半 (67%) 的受访者对在未来六个月内保住工作充满信心或非常有信心。”

心理和个人动机:Psychological and Personal Motivations

从推送求职者行为的心理和个人因素来看,金融专业人士的主要动机往往是薪水、职业发展和对新挑战的需求,并且因地理区域而异。

在这里,全球工作信心指数指出,“2021年,69%的北美受访者认为(寻求更高的薪水)是激励他们职业生涯的最重要的因素。在欧洲,中东和非洲地区是相对更加不清楚,受访者几乎同样重视进步的机会(62%)和对更高薪水的渴望(61%)。”

纵观亚太地区,人们对职业发展有着强烈的渴望,78%的人表示这是获得更高薪水之前的重要激励因素。对于世界各地的量化金融专业人士来说,这些主要因素:更高的薪水,晋升机会以及对新挑战的追求,将继续影响他们未来几年的前景和努力。

招聘人员强调,如今对Quants的需求巨大,合格的候选人供应不足,即使在纽约、芝加哥和伦敦等主要金融中心也是如此。技术和量化技能在当今的就业市场中至关重要,而明智和深思熟虑的专业发展方法可能会在现在和未来结出硕果。

量化金融的基本技能

对于那些对量化金融感兴趣的人来说,基本知识涵盖了广泛的领域。传统上,所有类型的量化分析师都需要扎实掌握数学和建模技术。如今,根据角色和预期的职业轨迹,Quants还需要对金融市场有一般的了解,至少有中级编程技能,并且对发展特定领域的专业知识有兴趣。

在CQF研究所最近进行的一项民意调查中,58%的受访者表示数学、金融和编程对于发展量化金融职业都非常重要。在接受调查的人中,21%的人认为数学是最重要的。

Foundational Skills

简而言之,量化金融的基本知识领域可以描述如下:

  • MATHEMATICAL SKILLS

    Quants利用各种数学方法,重点是概率,统计,线性代数和微积分,包括偏微分方程和SDE,用于从股票和债券到结构性产品和衍 生品的资产定价。Quants还使用数学技术和数值方法来应对特殊挑战,例如:波动性建模和机器学习中的高级技术。

  • PROGRAMMING SKILLS

    编程技能已成为 Quants 的必备技能。 C、C++ 和 C# 等传统编程语言在历史上一直很受 Quants 的欢迎,而 Python 近年来取得了显著进步。

    在 CQF 研究所的量化金融职业调查中,受访者表示,在日常使用的最常见计算机技能方面,Python 远远超过其他语言(61%)。

  • FINANCIAL SKILLS

    即使是入门级的量化分析师也应该了解他们将在公司工作的资产类别和金融产品。他们还应该对金融市场有一定的了解,包括买方、卖方以及所在行业领域的市场参与者类型。

    他们还需要资产定价、交易、投资策略、投资组合管理和风险管理等领域的产品知识。虽然在职培训在最大的金融公司非常普遍,但了解行业运作的基础知识还是很有用的。

  • PREPARING FOR JOB INTERVIEWS

    由于量化金融是一个对智力要求很高的领域,雇主通常会在整个面试过程中非常严格地测试候选人的知识和技能。金融问题、数学脑筋急转弯和编程示例通常是面试的一部分。

    在准备面试时,最好回顾一下你的知识和技能,研究下可能会向你提出的问题类型,并仔细研究应聘公司。此外,您可能希望在公司的网站和 LinkedIn 上查找您将与之面试的人。

    在面试之前,准备各种类型的对话,包括脑筋急转弯、知识测试和在时间压力下思考。一些很 好的 Quant 面试资源包括:

    Heard on The Street: Quantitative Questions from Wall Street Job Interviews,作者 Timothy Falcon Crack,

    Quant Job Interview Questions and Answers,作者 Mark S. Joshi、Nick Denson 和 Andrew Downes,

    150 最常见问题Dan Stefanica、Radoš Radoičić 和 Tai-Ho Wang 的量化面试问题,以及 Paul Wilmott 的量化金融常见问题。

    在 CQF Institute 的量化金融职业调查中,89% 的受访者表示,在寻求量化金融职业时,拥有专业资格非常重要。

量化金融职业道路

CQF 职业指南的这一部分概述了量化金融领域的六种不同职业道路,每个职业道路都简要描述了典型的角色和职责,并按职位提供了相关薪资情况。

QUANTITATIVE FINANCE CAREERS PATHS
QUANTITATIVE FINANCE CAREERS PATHS

Data Science and Machine Learning

从事数据科学和机器学习的专业人员负责研究、建模和测试。他们使用数据集来揭示经验数据中的关系和模式。

Skills for Data Science and Machine Learning

在该领域工作的专业人员需要对算法、机器学习和特定领域(如自然语言或信号处理)有深入的了解,以帮助识别和评估数据中的模式。他们具有很强的定量分析能力,对人工智能和机器学习技术有扎实的理解,并且熟悉机器学习中常用的编程语言,如 Python。

Quants 在数据科学和机器学习中的角色需要大量的模型和编程知识。这些工作往往位于组织的研究领域内。活跃于数据科学和机器学习的公司包括投资银行、资产管理公司、对冲基金和为金融业提供咨询服务的技术公司。在为金融业开发软件产品的纯科技公司中,Quants也有很多机会。

Typical Job Areas

典型的工作领域有以下几个:

  • DATA SCIENTIST

    数据科学家的角色利用了技术角色的组合,包括统计学家,科学家,数学家和计算机程序员。这项工作需要通过预测建模和机器学习技术来收集,清理,分析和解释大量数据集,以检测数据集中的模式,趋势和关系。

  • DATA ENGINEER

    数据工程师构建的系统用于收集、管理、验证原始数据并将其转换为高质量、可用的信息,供数据科学家研究。

  • DATA ANALYST

    数据分析师使用描述性统计来评估问题,创建数据可视化,并根据实证分析开发见解。他们可以协助收集和清理数据集,并支持数据科学团队的高级成员。

Compensation

数据科学和机器学习岗位薪资水平
数据科学和机器学习岗位薪资水平

Portfolio Management

从事投资组合管理工作的专业人员负责资产配置和投资组合构建。他们发起交易并仔细监控投资组合及其风险敞口。

Skills for Portfolio Management

投资组合管理中的量化分析师将具有很强的定量和数学建模,编码和分析思维技能。他们对各种资产类别也有深刻的理解,并具有强大而清晰的沟通风格。他们也往往具有良好的人际交往能力,因为他们的角色可能需要与客户直接互动,包括处理请求,遵守交易前客户指南,以及解决税务和其他管理问题。他们必须对公司的投资产品以及更广泛的金融市场上可用的产品拥有广泛的了解。他们应该对市场,宏观经济学和投资组合理论有广泛的了解,例如Markowitz,CAPM,APT和Black-Litterman。这条道路上的许多人的职业生涯始于投资组合分析师,有些人将发展到管理分析师和研究人员团队。

Typical Job Areas

  • PORTFOLIO ANALYST

    投资组合分析师进行深入的投资组合分析,包括资产类别和行业知识,对市场历史趋势的见解,以及对可能影响投资组合的财务指标以及监管和法律限制的理解。投资组合分析师与投资组合经理以及交易、风险和合规团队进行沟通。他们也可以向客户进行演示。

  • QUANTITATIVE ANALYST

    定量分析师使用一系列技术来定价资产,管理风险和识别投资机会。

  • QUANT PORTFOLIO MANAGER

    Quant投资组合经理专注于使用定量投资策略来管理机构和散户投资者的投资组合。他们开发统计和数学模型来分析经验数据,寻找模式和见解,为投资决策过程提供信息。

Compensation

投资组合管理岗位薪资水平
投资组合管理岗位薪资水平

Risk Management

在风险管理路径上工作的专业人员,通过风险分析和为特定资产和资产类别创建风险模型框架来支持投资决策过程。

Skills for Risk Management

从事风险管理工作的量化人员拥有强大的定量和财务建模技能,并精通Python或R编程。他们了解各种方法,包括“风险价值”(VaR及其变体),统计模型和模拟,以评估资产或整个资产组合的风险敞口。他们需要随机微积分,蒙特卡洛,偏微分方程和其他数值技术的知识。他们需要熟悉金融市场,包括最新的监管发展。近年来,自全球金融危机以来,人们一直非常重视监管合规和压力测试,风险管理者经常从事模型测试和验证。风险管理中的量化人员往往具有良好的沟通技巧,并保持对细节和合规性的关注。

Typical Job Areas

  • RISK ANALYST

    风险分析师评估单个资产,投资组合以及外部行业和经济状况,以帮助公司做出具有风险意识的投资决策。

  • RISK MANAGER

    风险经理使用数据分析和数学模型来评估金融工具和投资组合的风险状况,衡量这些状况随时间的变化。他们负责在内部向高级管理层报告风险,并在外部向监管机构报告风险。

  • MODEL VALIDATION QUANT

    模型验证量化,使用前台量化人员开发的模型和方法来评估其有效性并减轻模型风险的存在。自全球金融危机以来,监管机构经常直接与中台的量化分析师(包括模型验证者)进行交互。近年来,量化金融领域发展迅速。职责可能包括与开发需要验证的定价模型的对应量化分析师合作,编写技术报告,提供定量分析和模型文档,以及维护支持验证过程的编程库和测试环境等工具。

Compensation

风险管理岗位薪资水平
风险管理岗位薪资水平

Technology

Quant专业人员从事技术设计,开发和实施软件解决方案,以支持公司的各个部门。

Skills for Technology

技术领域的Quants将具有出色的Python,C,C++或C#编码技能。他们还应该对计算数学,概率,线性回归和时间序列数据分析有很好的理解,如在财务环境中应用的那样。如果他们在大型组织中,他们倾向于与许多团队一起从事项目,因此拥有领域专业知识以及良好的协作和沟通技能将会有所帮助。

Typical Job Areas

  • QUANT DEVELOPER

    定量开发人员,也称为定量软件工程师或定量工程师,开发,实施和维护定量模型。他们是技术娴熟的程序员,专门研究Python或C,C++及其变体等语言,他们经常在软件工程师和定量分析师之间的交叉点上工作。典型的职责可能包括开发和维护编程库,开发高性能数值库组件,库的性能调整以及高性能计算,优化和策略的咨询。

Compensation

量化开发岗位薪资水平
量化开发岗位薪资水平

Quant Strategies and Research

从事量化策略和研究的专业人员经常使用定量和统计方法来分析市场,然后生成和测试投资策略的想法。这些量化指标侧重于数学模型,有可能产生阿尔法,同时也有效地管理风险。

Skills for Risk Quant Strategies and Research

从事战略和研究的量化分析师将对量化金融中使用的数学和统计模型有详细的了解。他们还需要金融数学和随机微积分的知识。例如,他们将在Python或C++方面具有良好的编程技能,并且可能还具有R,MATLAB或SAS方面的技能。机器学习和自然语言处理技术的知识对量化研究和分析的需求越来越大。

Typical Job Areas

  • QUANT RESEARCH

    量化研究人员开发和实施定价模型和交易策略,并分析现有策略以确定潜在的改进。Quant研究人员还创建了工具来自动执行研究任务,并可视化复杂数据集中的信息。职责可能包括从事战略研究,回溯测试模型,执行,延迟战略研究,机器学习研究,计量经济学研究和市场微观结构研究。

  • QUANT STRATEGIES

    量化策略师使用定价和交易模型,研究和实施交易策略。他们还开发风险模型来管理投资组合风险,并分析当前策略以识别问题并进行改进。他们经常与交易者,量化分析师,软件工程师和量化开发人员合作。职责包括分析交易和资产配置机会,并使用一套全面的风险报告和定价工具。

  • DERIVATIVES ANALYST

    衍生品分析师应用数学公式和计算机算法来评估财务数据,检测投资趋势并推荐资产配置策略。衍生品分析师还可以从风险管理和法律角度评估交易,以确保符合监管要求。

Compensation

量化策略和研究岗位薪资水平
量化策略和研究岗位薪资水平

Quant Trading

从事量化交易的专业人员使用数学和统计模型来识别潜在有利可图的交易策略并执行交易。他们制定策略,然后专注于回溯测试、分析和优化。量化交易者可能参与统计套利,算法交易和高频交易。

Skills for Quant Trading

例如,Quant交易者必须具有深入的定量和统计分析知识,以及Python或C++的强大编程技能。他们可能也有机器学习技术的经验。心理学对于量化交易者来说非常重要,交易求职者必须证明他们在竞争激烈的环境中茁壮成长,并且能够很好地应对压力。

Typical Job Areas

  • QUANT TRADER

    量化交易者使用市场知识,交易经验以及数学和计算机技能的组合来交易各种资产类别,包括股票,债券,商品,货币和衍生品。量化交易者在投资公司,对冲基金和银行工作;他们也可能是在这些组织内以小组形式工作的专有(“道具”)交易者,或者独立为自己账户工作。

Compensation

量化交易员岗位薪资水平
量化交易员岗位薪资水平

规划你的职业道路

正如我们所看到的,在所讨论的六个工作类别中,每个工作类别都非常重视定量和分析技能,技术专长以及金融专业领域的知识。有些角色需要很强的沟通技巧,并且需要与内部和外部客户进行大量的互动。量化金融领域具有挑战性和令人满意的职业生涯取决于适应金融市场不断变化的条件的能力,以及不断提高技能和观点的愿望。以下部分介绍了您职业生涯中的其他注意事项。

商务技能:沟通与协作

为了在财务或以技术为中心的公司中晋升,员工需要发展领域专业知识并展示始终如一的高质量绩效。招聘人员建议,在大型团队工作或进入管理角色时,沟通(口头和书面),协作和同理心等软技能变得越来越重要。量化专家可以是一个强大的个人贡献者,在管理项目方面非常有效,这也可以带来职业发展。那些能够很好地管理人的人可能会进入高级管理职位。

CQF研究所最近进行的一项民意调查的受访者一致认为:76%的人认为沟通,协作和领导力的结合对于财务职业发展最为重要,而不是偏爱其中一个选项。此外,74%的受访者表示,人际关系网络在发展量化金融领域的职业生涯中起着重要或非常重要的作用。

初创公司和跨国公司:公司规模很重要

在规划职业生涯的课程时,所考虑的公司规模也很重要。在小型初创企业中,可能会有相当大的流动性,特别是对于那些在不确定性方面做得很好,自我启动者,渴望学习新事物的人来说。对冲基金也往往有相当小的团队,从2-3人到大型基金的100人不等。然而,即使是最大的对冲基金也不会雇用超过几千人;相比之下,机构资产管理公司和投资银行可能拥有数万名员工。

在这些规模上,公司内部的动态往往会大不相同,对于未来的员工来说,了解他们将适合在哪里以及哪种类型的工作环境对他们最有吸引力是明智的。在小公司,可能有机会快速晋升,但初始工资低于投资银行或大型资产管理公司提供的薪水。然而,股票期权可能是整个薪酬方案的一部分,如果公司注定要上市,可以在以后启动。在较大的公司,工作角色往往会有更大的可预测性,职业发展也会被更清晰地阐述。

招聘人员指出,量化金融是一个广泛的主题,薪酬计划因雇主类型和工作类别而异。如果你去投资银行或对冲基金,你会发现从量化的角度来看,他们来自相当相似的背景,但他们已经进入了不同类型的角色。对于某些人来说,会有标准的基本工资和奖金,但对于交易中的角色,奖金薪资与损益(PnL)报表中反映的交易表现直接相关,而不是基数的百分比。因此,除了考虑您感兴趣的公司的规模和类型外,对薪酬规范和结构进行研究也很重要。

未来的职业机会

纵观整个金融行业,量化金融的一些关键主题与几十年来一样,而其他主题则因技术变革而出现。探索并深入研究这些领域是富有成效的求职的基础。

FUTURE CAREER OPPORTUNITIES
FUTURE CAREER OPPORTUNITIES

当今就业市场的新兴机遇

除了讨论的典型量化角色外,量化在新兴的领域也存在机会,包括量子计算,加密货币,机器学习和ESG投资。在这些领域,需要强大的量化证书,求职者应该花时间了解所涉及的具体趋势和角色。总体而言,招聘人员对技能提升和良好量化教育的价值非常积极,无论您正在探索量化世界的哪个领域。

在2021年10月的Quant Insights会议上进行的一项民意调查中,81%的人表示,在未来五年内,Quant的职业机会总体上会增加。然而,为了利用不断变化的金融和技术格局,量化分析师本身必须发展:92%的受访者表示,量化分析师所需的技能组合将在短期内继续变化。

机器学习和数据科学

在过去的十年中,人们对各种形式的机器学习的兴趣急剧上升。在量化金融中,机器学习在估值、资产配置、风险管理、交易和合规性方面发挥着重要作用。机器学习可以处理大量数据集,全球新闻和视觉数据,以寻找在应用于交易时可能具有洞察力和盈利能力的模型。此外,它可以在人类自己几乎无法理解的领域发挥作用,包括非结构化数据,替代数据集和多因素分析。

随着数据科学在投资领域变得越来越突出,CQF已经扩展到为核心原则和技术提供坚实的基础,包括监督,无监督和强化学习,深度学习,神经网络,NLP和算法交易。

在CQF研究所最近举办的一次民意调查中被问及时,46%的受访者表示,他们认为数据科学和机器学习将在未来五年内提供最大的职业机会。

就量化技能的发展而言,数据科学和机器学习以及Python现在正受到很多关注。R中的工作正在消亡,Python正在迅速崛起。C#也卷土重来,这往往是在交易策略的应用方面。核心数学技能也是量化招聘的最大驱动力之一,也是我们全面看到的东西。——Quant Capital的James Holland

SEG投资

ESG投资在做出投资决策时会考虑环境、社会和治理因素。ESG感兴趣的资产类别包括股票、固定收益(包括绿色债券)和交易所交易基金。如今,ESG评分方法正在积极发展,在ESG投资组合管理、风险管理、研究和分析方面存在量化的机会。

在CQF研究所最近进行的一项民意调查中,22%的人表示ESG将是量化人才最有前途的职业机会领域之一。

加密货币

量化的其他领域包括加密货币,其机会从初创企业到大型投资银行不等。量子金融在模型、理论和证明的使用方面有着坚实的基础,本质上是从抽象转向行动。数字货币的出现增加了对资产定价、对冲和市场分析的需求。

加密货币是目前市场上最热门的部分,金融科技总体上吸引了越来越多的传统金融人才。机构参与者正在向这一资产类别进军,服务提供商正在扩展支持它所需的基础设施。从信贷、市场和运营风险,以及销售、交易、研究、整体分析和自动化要求等各个领域都吸引了量化专家和开发人员,即使他们之前没有数字资产的实践经验。需求远远超过了具有直接加密经验的人才供应。——猎头公司Spire Search Partners的Dennis Grady

量子计算

技术的新领域包括量子计算(QC)作为高性能计算的最新形式。许多大型金融公司以及许多QC初创企业和咨询公司正在进行研究计划,以开发这种技术用于实际应用。该领域的职位包括量子研究员,量子开发人员和量子信息科学家。 CQF计划包含有关量子计算的讲座,并且有几个来源可以获取更多信息,包括书籍,会议和量子计算网站,这些网站提供对QC编程信息和开发人员工具包的访问。

在最近的CQF Institute活动中,在一项关于新兴技术的民意调查中,38%的受访者表示量子计算将在未来五年内提供最多的职业机会。

结论

除了《CQF量化金融职业指南》中深入讨论的典型量化角色外,新兴领域显然也存在机会。在市场动荡时期,量化的机会比比皆是。通过花时间更新和发展基本量化领域的技能:数学,金融和编程,求职者可以塑造他们的前景和在不断发展的世界中应对变化和挑战的途径。虽然未来是不确定的,但定量金融的继续教育是一项明智的投资,可以帮助您在整个职业生涯中实现您的职业目标。

关于CQF

量化金融证书(CQF)是世界上最大的量化金融专业资格。该计划由CQF研究所颁发,由惠誉学习独家提供,在线提供,兼职为期六个月,最长三年的时间完成所有模块和最终项目。CQF专注于教授当今金融市场从业者使用的基本定量金融和机器学习技能。教学大纲每季度与教师和高级校友协商更新一次,以确保该计划教授的技能符合行业需求。CQF校友可以永久访问CQF终身学习图书馆,以帮助他们在整个职业生涯中保持技能竞争力。

分类:

人工智能

标签:

机器学习

作者介绍

进击的Matrix
V1

软件开发工程师