职分享：如何从 Engineer 转到 Quant？

大家好，我是 Lucy@FinTech 社区，今天的文章和大家分享如何从开发工程师转量化研究，需要做哪些准备？欢迎添加微信 fintech78，加入 FinTech 社区，提认知，攒人脉，求职招聘，投资有术！

经常有人问自己是否能从现在的职业进入 Quant 领域，特别是那些认为自己处于职业生涯中期的。

对于那些拥有具体的技术专长的人——尤其是那些具有硬科学或工程背景的人——往往会混淆现代 Quant 角色需要哪些技能以及如何进入量化领域。

今天我们将讨论哪些 Quant 领域角色适合希望实现从工程领域转型 Quant 领域的人，如何利用你当前的技能以及如何准备现代量化对冲基金和投资银行的面试。

量化研究人员还是开发工程师？

现代量化基金中的两大类量化角色大致分为量化交易研究人员和量化软件开发人员 /工程师。而在投资银行中，仍然存在大量衍生品定价，需要特定的数学能力。

大多数 Quant 职位的关键区别在于：候选人的代码能力以及他们的数学和统计学的熟练程度。

具有极强编程能力和大型软件工程项目的人可能会被量化开发人员角色所吸引。而那些更习惯于通过编写脚本或交互式研究，并且非常重视数据分析的人，可能会发现定量研究更合适。

量化研究员

如果你没有量化金融研究经验或者没有在某个领域做过深入的研究（很强的学术背景），想做一个中级量化交易研究角色将是一个很大的挑战。这就是为什么通常这个职位招聘的时候需要博士学位的原因。尽管如此你仍有可能担任研究角色，但可能定位是更初级的量化研究角色。

当然也可以在公司中转换到量化研究角色，通常都是是从自量化开发人员的角色转变而来。这通常只发生在经过长时间证明你有做量化研究的的专业知识之后。

另外一方面，许多公司现在也有招聘请一般的“数据科学家”来研究替代数据（而不是传统的价格 /数量数据）。Python （ NumPy 、Pandas 和 Scikit-Learn ）中的数据科学和机器学习技能在这里很有价值。如果你有这些技术领域的背景，你可能会发现自己的还是很抢手的。

统计很重要

工程教育通常强调确定性方法而不是统计方法。虽然工程师在本科阶段学习基础统计学，但对于大多数 Quant 角色而言，这种程度的统计学积累是不够的。因此，如果你真的想申请成为一名量化研究人员，则有必要提高你的统计学水平。

过去，许多量化分析师受雇为复杂的衍生品合约定价，大量使用随机微分方程和微积分。因此，从工程师到量化的转变在某种程度上更为直接，尤其是对于那些具有随机最优控制背景的人而言。

对于量化交易研究人员来说，必要的工具包有所不同。虽然随机微积分在某些领域仍然受到高度重视，但关注重点已转移到统计时间序列分析、线性统计技术和基于贝叶斯的机器学习方法。

即使在这些领域有很强的背景，仍然需要证明将这些技术应用于量化金融数据的能力，这些数据集以非平稳和信噪比差而闻名。

量化开发者

而量化开发人员是量化研究员的一个替代。他们通常需要计算机科学背景以及软件工程技能。

最重要的必需技能包括面向对象编程、对数据结构和算法的广泛熟悉以及软件工程技能。

C++、Java 和 Python 是量化金融中大量使用的语言。因此，如果你对量化开发人员感兴趣，这里建议你通过编写大型项目或为开源软件做出贡献来尝试和实践尽可能多的软件开发。以增强你的竞争力。

编程能力很重要

应该强调的是，无论你的目标是定量研究还是定量开发人员角色，你都需要具备一定的编程能力。Quant 一天中有 80-90% 的时间花在编程上，无论他们是开发人员还是研究人员。

在学术界，大量使用 MATLAB 和 Fortran 编写的代码没有使用任何面向对象的技术。对于量化开发人员来说，在面试之前，必须熟悉算法、数据结构和设计模式，以及 C++、Java 和 Python 等面向对象的语言。

无论你决定从事量化研究员还是量化开发人员的角色，都应该注意量化团队广泛使用现代项目管理技术，例如敏捷软件开发。这将需要熟悉版本控制软件（例如 Git ），以及了解现代软件测试方法以及使用 Linux 命令行的技能。

面试练习

由于技术水平以及所涉及的领域专业知识，现代定量金融面试，无论是研究人员或开发人员，都需要大量的准备工作。

对于量化研究人员来说，获得数据科学和机器学习技能的好地方是 Kaggle 竞赛平台。

Kaggle 将允许你通过竞赛获得实用技能，以这种方式开展端到端竞赛的过程将为你提供 Python 库的实践经验，例如 NumPy 、Pandas 、Scikit-Learn 、甚至 TensorFlow 或 PyTorch 。

对于量化开发人员来说，有无数的面试练习网站和有用的教科书。两个对面试问题练习特别有用的网站是 HackerRank 和 Leetcode 。上面有大量数据结构和算法问题，面试通常要求你不仅要找到可行的解决方案，还要找到最佳解决方案。

总结

从传统的工程领域进入量化金融领域当然是可能的，即使在职业生涯中期也是如此。为了能够顺利跳槽，你是有必要进行大量的准备工作。

如果对加入量化行业有兴趣，我们目前合作 60 多家量化公司，欢迎投递申请。 岗位在官网和微信公众号小程序中。

FinTech 社区最新最全岗位信息，请登陆官网查看：www.fintechgl.com 。