金融数学金融工程金融科技原来他们区别是

知乎上有个问题：

问题：金融数学(MathematicsofFinance)和金融工程(FinancialEngineering)都有何区别？侧重点有何不同？

副标题：看到很多大学都开设了这两门课程，比如哥伦比亚大学，比较好奇其中的区别是什么？哪种更适合未来Quant的就业呢？

其实应该这个问题也困扰了很多人，作为金数、金工、计算金融专业的同学可能都很少有搞清楚金融数学、金融工程、金融科技、计算金融、金融统计、量化金融的区别。由于量化金融是强就业导向的专业，所以本篇文章将从就业的角度来简单聊聊。解答一点点疑惑。

总的来说

其实从quant总体就业来看，这两个专业没有太大区别。但不同项目就业的细分行业还是有区别的，甚至区别很大。但与其说这些区别是金融工程与金融数学就业的区别，还不如说是项目本身提供资源的差别。一句话总结：有时候项目名字相同但不同学校（比如康奈尔的金工与哥大金工）区别有时候大于相同学校不同项目（比如哥大金融与金数）的区别

专业机构的做法

QuantNet把所有量化金融的项目都放在一起排名，而且50%的权重给了毕业生薪酬，完完全全一个就业导向型的项目类型。大家可以看下图最新项目排名，几乎跟毕业生平均起薪排名一致。

从就业的角度看区别

在QuantNet最新排名前9的项目（最后两个并列第8），其中有4个项目叫金融工程，CMU叫计算机金融、普林斯顿叫金融，芝加哥大学、哥大数院叫金融数学，康奈尔叫工程硕士（金融工程方向）。这9个顶尖项目里有6个项目发布了细分就业Function的就业报告。普林斯顿、哥大金数、NYUMFE未发布细分Function就业报告。10-20名的项目也都没有发布细分数据。发布了就业Function细分6个项目的就业Function细分方式大同小异，大致把自己项目的就业方向分为5类：

QuantResearch,ModellingStrategy

RiskManagemntPortfolioManagement

FinancialTechnologyQuantitativeAnalytics

TradingFundamentalAnalysis

Other

我根据学校的就业报告，整理了一个折线图，看着更直观。

解读

从图里其实可以看出来，这6个项目虽然都是量化金融项目，但是就业细分去向有比较大的区别。根据细分去向比例可以把这6个项目分为3类。

第一类：BaruchMFE、CMUMSCF

去往QuantResearch,ModellingStrategy占比几乎接近70%，其他几类都较少

第二类：Columbia-MFE、Berkeley-MFE、UChicago-FM

虽然接近40%的人去了QuantResearch,ModellingStrategy，但其他的也不少，而且比较均衡

第三类：Cornell-MFE

去往比较偏数据或者IT的人跟去往QuantResearch,ModellingStrategy几乎差不多。

这几类工作有什么区别呢？

QuantResearch,ModellingStrategy

工作内容：这个分类的工作主要是使用统计和定量方法来分析和预测市场，并应用编程工具来制定投资策略。工作围绕创建用于评估和管理金融系统、潜在风险和交易时机的数学模型。

必备技能：熟练掌握Python、C#、SQL等编程语言，以及R、Matlab、SAS等统计分析工具。一些角色还需要机器学习和自然语言处理技术的知识。对金融中使用的各种数学和统计模型有很好的理解。

常见岗位：

解读：不用多说，大部分不管学了金工还是金数最想去的应该是这一类，毕竟最Quant，如果是frontoffice的Quantresearch岗位那钱肯定是比其他类别岗位多的。每个公司岗位叫法工作内容其实都会有一定差异，主要看工作内容来判断是否属于这一类岗位。

RiskManagementPortfolioManagement

RiskManagement

工作内容：通过提供风险分析以及开发/增强跨各种市场和资产的风险模型框架来增强投资和交易的决策过程。使用各种技术，包括“风险价值”(VaR)、蒙特卡罗模拟和基于线性回归的统计模型，来衡量投资配置文件的潜在损失。运行压力测试来衡量模型的有效性。

必要技能：强大的沟通和细节导向技能、定量和金融建模技能、使用VBA、Python、R和SAS等工具的编程能力，以及各种统计和波动率模型的知识。

解读：从年金融危机后，处于应对监管跟提升自身抗风险能力的要求，各大金融机构不管是BulgeBracket，还是各种funds，都加大了风控的投入，导致市场对此类人才暴增，有相当部分学量化金融、运筹、计算机的人进入这个领域，相对于quantresearch来说压力相对较小，收入一般也不低。但遇到市场波动较大的时候还是会加班的，比如我一个朋友在Morgan做riskManagement，去年疫情刚波及到美国，美股熔断那个期间加了不少班，但平时就很work-lifebalance。

PortfolioManagement

工作内容：投资组合经理参与投资组合构建、监控资产敞口和分配、管理客户请求、税务管理、监控交易前客户指南合规性和异常解决方案。他们发起交易，并持续监控投资组合。他们还深入了解投资产品和运营政策和程序。随着职业发展，他们可以管理一个由分析师和研究人员组成的团队。

必备技能：除了有效的沟通技巧和资产类别的知识外，该领域的专业人员还需要强大的定量和数学建模、编码和分析思维能力。这个角色通常更喜欢金融分析师认证，如特许金融分析师(CFA)和以前的经验。大多数投资组合经理将以投资组合分析师的身份开始他们的职业生涯。

FinancialTechnologyQuantitativeAnalytics

FinancialTechnology

量化工程师或量化开发人员在金融科技领域工作。他们负责设计、开发、测试和部署复杂的软件解决方案，以促进各种金融机构的工作。

必备技能：优秀的Python、C++和Java编码技能，以及概率、线性回归和时间序列数据分析方面的知识。此外，对金融市场的兴趣和对各种金融产品的了解使量化开发人员具有明显的优势，因为他们与整个组织的团队一起从事各种项目。

常见岗位：

QuantitativeAnalytics

随着金融机构进一步整合收集和分析数据以衡量利润、损失和客户满意度的实践，数据科学仍然是量化金融发展最快的领域。

该领域的专业人员从事数据挖掘、收集数据集并从这些数据集中获得见解。数据科学家在许多数据驱动的公司工作，例如投资银行、资产管理公司和科技公司。他们的角色通常侧重于风险管理和预测分析。数据科学家越来越多地使用机器学习、聚类算法和人工智能来识别异常数据模式。

必要技能：掌握用于统计建模的编程语言，如Python和R，能够处理大量财务数据，以及强大的定量分析技能。时间序列分析也是分析财务数据的关键。机器学习和人工智能也是该领域日益重要的领域。

TradingFundamentalAnalysis

工作内容：交易者分析市场数据，例如价格和交易量，并使用数学和统计模型来识别和执行可能涉及数十万股和证券的交易决策。

交易者制定策略并将模型应用于历史市场数据，以便对其进行回溯测试和优化。如果该策略产生利润，则将其应用于实时市场以实施自动交易流程。量化交易技术还包括高频交易、算法交易和统计套利。

必要技能：具有Python、C++、SQL、R和/或Java编程技能的强大背景。能够导航价格指数，例如SPX和VIX。它还需要统计分析、数值线性代数和机器学习过程的知识。此外，交易者必须具备在压力下茁壮成长的能力，即使工作时间很长也能保持专注，承受经常竞争/激烈的环境，并对失败做出良好的反应。

Other

投行、咨询、equityresearch

这里就不展开说了，不学量化金融也能去这些行业

最后总结

很多人说只有QuantResearch或者DeskQuant才算真正Quant我是不认同的，哪怕做的是支持性工作，我觉得只要是在量化金融这个领域工作的都算Quants。大部分学校或者公司也都是按照这个划分方式界定Quant。

Quant工作分类的方式五花八门，有按Sell-Side，Buy-side公司类型分的方式，有按Front、Middle、BackOffice等职能分的方式。看了很多人或者书的分类，目前我觉得分类比较科学的是芝加哥大学金融数学系对Quant工作岗位的分类，所以我这里就借用他们的分类方式。

可以看出来，他们主要是按工作内容分类（比较学院风）。

本文作者：ALPHA高级咨询师Will

量化金融专场讲座

如果想申量化，有哪些可以选择的专业？

各个量化专业的申请难度，要求有什么区别？

每个专业有什么特点？

不是学量化金融的，怎么转量化金融？

欢迎参与拯救计划群第2场：

量化金融专场

量化金融专业那么多怎么选？

主讲人：ALPHA高级咨询师Will

特邀嘉宾：

NUS女神学姐

某外资PE、贝恩咨询经验

量化投资、投资、咨询丰富经历

来一起听听学姐关于量化投资的经历

看看她如何从非量化转量化投资

北京时间：8月4号（周三）21:00-22:00

如何听进群讲座？

扫描下方

转载请注明：http://www.xyzs168.net/xsjw/19337.html