不得不先讲一下行业背景，再讲一下Quant这个职业。

第一，Quant职业所在证券市场是否是一个有上升空间，以及有价值，也稳定的行业呢？

现在的富余资本十之八九流入证券市场，是因为这个证券市场有一个第一的，也是最大的核心功用--财富再分配。

进入这个市场的所有人都信奉一个原则：愿赌服输。

在一个愿赌服输的市场里，所有人都按游戏规则进行投资行为。在这里有暴富之后的欣喜，也有无限悔恨与眼泪。

所以由此诞生了千奇百怪针对所研究市场的分析理论，分析研究目的就只有一个，明确统计出自己获胜的概率，并利用分析统计归纳出的理论，进行指导自己的投资（人类几乎所有的生产生活经营活动，都带有风险博弈的背景在内）。

Quant的身份正是在这样的背景下诞生的。

卖方量化从业人员基础薪酬及总收入分布概况（美元）

买方量化从业人员基础薪酬及总收入分布概况（美元）

金融行业的发展已经进入成熟期。事物发展通常分3个阶段，前期野蛮生长，中期差异化竞争，末期完全竞争。

前期通常进入早就能妥妥吃到红利，信息溢价高。而中期，更看重完善程度、执行能力等综合素质。至于末期，就看谁掌控的资源更多了，量化通常是中后期才会发展出来。

量化本身是引申于计量经济学，是金融行业的术语，大多应用于投资分析方向。量化其实就和前后端编程一样，是一项技能，未来量化的应用和必须性只会越来越普适，就像现在正热的Python一样。

2018年年底，中国量化私募规模是1000亿元，但是到了今年夏天的时候，这个规模已经突破1万亿了，买量化私募最少要100万元起步，这同时也说明了，这个行业目前发展的势头真的很不错。

量化这个行业，目前看是很缺人的。大家都知道，量化机构最核心的资产就是人才，由于国内发展的晚，但是发展速度却特别的快，这意味着在人才上是没有储备的，可是市场的需求又特别的大，所以现在搞量化的人才真的是特别的抢手。

图片

我们再来说下薪资。薪资多少主要取决于私募公司管理规模和绩点，通常私募的规约较少，容易获得高奖金。如果你是应届毕业生，从初级量化开发做起的话，年薪大概是30-40万，当然了，做的好的话，百万年薪也有很多。

量化虽然算是金融，但它其实是一个软件工程和应用数字相结合的科技行业。

需要你懂计算机编程技术，或者是非常懂数量统计学的，其次你还需要知道证券期货知识，还要有高频量化交易系统的开发经验。对于程序员来说，真的是一件非常利好的事情呢。

私募量化基本上局限在两个核心模块方向。

一个方向是量化IT岗，就需要用到的IT编程语言来说，一般根据策略的交易频率来定。以日内为界限(含日频)，中低频，低频的策略研究和交易系统的要求，一般用Python，R，Matlab就可以实现和满足；如果是中高频，高频(tick级)，甚至是超高频(毫秒微秒纳秒级等)这个肯定得要用到C++编程，毕竟目前只有C++是最接近低层开发的语言。

另一个方向就是策略投研岗（投资标的包含股票、期货、期权，数字货币和债券，按照高频、中高频、日内、中低频、低频等）基本上大型百亿私募量化，分工明细，基本上交易系统开发，量化IT，机器学习，算法实现，数据开发，运维，市场，基金运营，策略投研岗等等这些岗位完全独立分开，甚至部门细分，一旦想好定好了就不允许轻易转岗的。

但是在很多中小私募量化里面是相互支持的，要求人选能够尽量多样化，全能型一些。编程技能过硬的优秀策略研究员会更受欢迎，因此在我们看来在私募量化领域，一个真正优秀的量化投资经理/PM，是既有熟练IT编程技能，又能在策略投研上面有所建树的。

量化的学习路线：

基础：编程能力、数理统计知识、熟悉行业数据指标。

首先，你要掌握Python编程的基础知识，如数组、列表、字典、类、对象等。其次，要掌握基本的数据统计知识、线性代数知识，比如均值方差、显著性检验、矩阵的运算、线性回归等。

进阶：常用库调用经验、熟悉主流ML模型、相关从业经历。

但是，这个行业，首先是数据科学前沿理论知识的匮乏，也就是没有参照标准，没有恒定必胜之规律。其实是市场，参与方众多。

不仅涉及到存量博弈学，心理学，甚至涉及到地缘政治，社会学事件。可谓变量浩如烟海，想要通过短短数载研究的理论，找到一把通往成功的金钥匙，几乎确定是不可能的。

也就是说，危机会时常，或者叫随时伴随着我们。

那么，我们的从业工作，日常的研究行为几乎可以确定有点类似于，希腊神话里每天推石头到山顶石头又不断跌落的人-西西弗斯，我们quant日常工作也就是那个可悲的西西弗斯。

但永不要灰心，我认为人类社会生产生活经营活动的意义即是始此，寻找意义与快乐，相信自己相信的。