Quant的基本职业画像｜量化开蒙·Quant篇 S2E1

Quant的基本职业画像｜量化开蒙·Quant篇 S2E1

量化投资（Quant）作为近年来快速发展的金融领域，吸引了众多高学历人才的加入。本文将从学历、专业、从业经验、工作技能等多个维度，为您详细解析Quant这一职业的基本画像，并探讨其隐性局限。

第一季内容中，我们为大家介绍了量化行业和宽客的发展历程和基本情况。第二季的“量化开蒙”，我们将聚焦宽客的日常，分享更为具体鲜活的内容。

量化行业是不折不扣的智力密集型行业，人才是第一生产力。Quant这一职业的基本画像如何，本文将从学历、专业、从业经验、工作技能等维度一一揭晓。

虽说英雄不问出处，但当前国内量化机构在招聘Quant的时候，明显更青睐两类人才：

一类是成熟的高级人才，招聘时更看重从业背景，尤其是有海外头部机构相关经验的。这类人才能力强，上手快，一旦入职，产出丰厚；一类是海内外优秀应届毕业生，基础扎实，可塑性强，经过公司培养即可成为与公司极度适配的中坚力量，招聘这类人才时，更看重学历和专业背景。

据《2022年度中国量化投资白皮书》（下文简称：白皮书）统计，Quant学历以本硕居多，本、硕、博占比分别为30.92%、58.43%、8.63%，硕博比例超过6成，与中国证券投资基金业协会（即“中基协”）披露的私募证券投资基金管理人高管最高学历分布相当。

量化人才学历背景图表

国内量化私募管理人最高学历分布图（数据来源：中基协）

专业背景方面，国内Quant岗大多是理工科背景，因为量化行业所需的钻研能力、理性思考能力、数理编程能力等个人特质和专业素养，理工科专业更有优势。

量化策略研究员，多为数学、统计学、金融数学、金融工程等偏数理背景专业；量化开发工程师，多为计算机科学、软件工程、电子信息偏向IT类等。实际上，很多优秀的从业者，IT与策略都会有一定研究。

除此之外，很多物理、化学专业的学子凭借扎实的专业基础，也比较容易进入量化行业。

量化人才专业背景图表

随着近年来行业的不断扩张，量化机构投研岗位对人才的要求越来越高，第一学历倾向于清北复交等C9顶尖名校。有些海外量化机构甚至去顶级高中举办竞赛、开放参观项目等，为后续招募做足准备。即使是中后台如运营等岗位，学历门槛也水涨船高。

白皮书显示，国内量化从业者工作的平均年限为3.63年。其中，48.35%的人从业经验在3年以下（不含3年），具备5年以上从业经验的人数占比为30.52%，从业超过10年的人占比仅为5.49%。

这个数据是符合国内量化行业发展历程的，2019年以来，行业进入快速扩张阶段，更多人才和资金涌入，量化投资逐渐为公众所知。

受调人员从业年限分布图

从岗位热门程度和专业技能看，排名如下：

第一热度的岗位：量化策略研究员，如股票、期货、期权及可转债等；中后台技术岗，掌握语言C++居多，其次是Python及Golang；

第二热度的岗位：市场销售及数据处理；

第三热度的岗位：合规风控和机器学习。

近年来，头部量化私募更侧重内部系统化和流程化IT建设，因而加大了系统优化、OA开发、全栈开发、中后台开发、数据系统开发/基础架构工程师等岗位招聘。

此外，很多量化机构为了保持最优的人才架构，通常会搭建人才梯队，当前市场上各量化机构的基金经理和研究员的比值大概在1：8-1：4之间。

值得一提的是，随着量化行业的分工日趋精细化和专业化，一些“软技能”也越来越重要：

1. 良好的沟通能力

新形势下，量化行业的很多工作需要整个团队的紧密配合才能完成，因此，对Quant来说，具备较好的沟通能力，实现与团队成员、管理层和其他部门有效协作至关重要。

2. 创新性思维

随着AI在行业的深入应用，越来越多的基础性、事务性的工作都会被AI完成，Quant不仅需要和其他从业者竞争，也需要和AI竞争，具备独立思考能力以及创新思维的人，更容易解决复杂的金融问题，开发新的交易策略等。

3. 强大的自驱力

不断变化的金融市场，以及日新月异的技术发展，要求Quant具备持续学习的自我意愿和能力，以保持专业知识的更新，始终具备较强的核心竞争力。

初步了解Quant群体基本情况，接下来，我们将讨论下Quant的隐性局限。

1. 职业风险高

量化是一个非常讲究结果导向的行业，在业绩面前，任何光环都黯然失色。过五关斩六将的Quant，入行几年如果做不出好的策略，很容易被淘汰出局，并且一旦背负这样的履历，很难找到下家。

同时，量化的投研相对比较封闭，哪怕同一个团队中，成员之间彼此不知道对方的策略和产品都很常见。而在传统金融岗位（如主观多头的投研），从业者可以随着工作年限的增加，逐渐积累阅历、人脉等资源。

因此，Quant自带较高的职业风险性。

2. 收入增长不稳定

随着市场的不断成熟，量化行业逐渐进入了稳步发展阶段，高速增长、快速扩张的历史一去不复返。对于从业者来说，收入增长放缓是必然。此外，二八原理同样适用于量化行业和Quant的收入，某些维度甚至更极端。

从更现实的角度看，Quant这一职业，资历没有太大价值，一个横空出世的新人，只要做出业绩，就可以碾压表现平平的老员工。

3. 方向较狭窄

随着行业的成熟，越来越多的机构讲究精细化运营，很多工作被切割成小而精的模块，一些 Quant的核心职业技能，离开了所在机构或者行业，很难在其他金融平台找到适配的工作。

4. 技能的模糊性

虽然Quant是技术岗，但是类似于大模型，借助机器挖掘的量化策略是不可感知，无法言说的“暗知识”。同时，很多策略有效性短暂，一旦采用，后续很难复现，某些方法论适用于特殊的行情或机构，无法放诸四海而皆准。相比传统的互联网公司实打实的技能，对创意肉眼可见的落地场景，量化投研的某些技能相对模糊、不确定。

欲戴王冠，必承其重。与其他工作一样，Quant只是一份门槛较高的普通职业，有看似光鲜的一面，也有背后暗藏的汹涌，无需加之以太多职业滤镜。回归职业的初心，或许一切只是在change the world和用技术赚钱之间的取舍。

注：文章部分内容来源于《2022年度中国量化投资白皮书》