如何成为一名量化分析师（宽客）？
内容提要
量化金融工作结合了数学和工程技能，寻找基础资产之间的数学关系或创建衍生品。量化金融涉及计算金融、经济学、数学金融、投资组合管理、证券定价、风险管理、统计金融、交易和市场微观结构等领域。量化开发人员需要熟练的软件工程技能。金融科技和FAANG公司也需要量化人才。量化分析师可以在银行、对冲基金、学术界或研究机构工作。量化工作需要应用数学和编程技能，常用的编程语言有Python、C++、Java、C#、Julia、Kdb+/q和CUDA。
延伸解读
从诺贝尔奖看量化金融的演变
文章指出，1990年诺贝尔经济学奖授予马科维茨、米勒和夏普，奠定了P衡量子领域，关注股票、债券等基础资产的行为；1997年默顿和斯科尔斯获奖，正式创建了Q衡量子领域，关注衍生品定价。这两个奖项标志着量化金融的诞生，并使其从启发式决策转向数学建模。理解这一历史脉络，有助于把握量化金融的理论根基和不同分支的起源。
金融危机后的重心转移：从复杂衍生品到风险管理
2007-2008年金融危机前，量化金融最赚钱的工作是创造日益复杂的衍生产品。危机后，重点转向风险和复杂性管理、监管和稳健性。这一转变不仅影响了工作内容，也改变了人才需求：P衡量工作增多，更依赖统计背景而非偏微分方程和随机变量。因此，有志于量化金融的人应关注风险管理等方向，并加强统计学知识。
编程语言的选择：根据应用场景匹配工具
文章强调，量化分析师需掌握多种编程语言，且不同语言有各自的生态位：Python适合原型设计和研究；C++用于高性能生产系统；Java和C#适用于软件工程比性能更重要的生产系统；Julia试图结合C++/Java/C的性能与Python的易用性；Kdb+/q和shakti适用于大数据和高频数据；CUDA用于GPU编程。选择语言时，应基于具体任务的需求，而非盲目追求流行。
职业路径的多样性：超越传统金融机构
量化分析师的职业道路不限于银行和对冲基金。文章提到，金融科技公司正与成熟机构争夺量化人才，FAANG公司也聘请宽客研究机器学习和人工智能系统。此外，学术界提供较低薪水但更有趣的问题，研究台和非银行组织（如彭博社）也有研究机会。随着职位升高，甚至可能同时在业界和学术界任职。因此，求职者应拓宽视野，关注不同领域的量化岗位。
Q&A
量化分析师主要做什么工作？
量化分析师结合数学和工程技能，寻找基础资产之间的数学关系，或创建衍生品。他们也越来越多地在风险管理等领域工作。
量化金融有哪些主要的子领域？
量化金融涵盖计算金融、经济学、一般金融、数学金融、投资组合管理、证券定价、风险管理、统计金融、交易和市场微观结构等子领域。
成为量化分析师需要掌握哪些数学知识？
传统上需要偏微分方程（PDE）的数值解法和随机微积分/分析。金融危机后，P衡量工作增多，更依赖统计数据，因此统计背景也很重要。
量化分析师需要学习哪些编程语言？
常用语言包括：Python用于原型设计和研究；C++用于高性能生产系统；Java和C#用于软件工程更重要的生产系统；Julia结合了C++/Java/C和Python的优点；Kdb+/q和shakti用于大数据和高频数据；CUDA用于GPU编程。
量化分析师可以在哪些地方工作？
可以在银行、对冲基金、学术界或研究机构工作。金融科技公司和FAANG公司也需要量化人才，例如研究机器学习和人工智能系统。
金融危机后量化金融的重点发生了什么变化？
在2007-2008年金融危机之前，最赚钱的工作是创造越来越复杂的衍生产品。危机后，重点转向风险和复杂性管理、监管和稳健性。
