应届毕业生、实习生、年薪百万。每一个词都挑动着想要入行金融同学们的心。
那么真实情况究竟是什么样的？
今天我来给大家讲讲金融行业中的一颗新星：量化。
高薪量化岗
一、什么是量化？量化做些什么？
随着计算机的出现，人类数据计算的能力飞速发展，结合数学模型，人们可以通过一些已有的规律窥视未来：种群的变迁，气候的变化，社会的统筹发展等等。
当这种技术应用到了金融领域就是我们说的量化。
比较标准的描述是：量化是指通过数量化方式和计算机程序化发出买卖指令，以获取稳定收益为目标的交易方式。
从上面那句话里，能提取出三个关键：数量化、程序化、稳定收益。
我从这三个方面通俗易懂的来解释一下什么是量化。
数量化：
不论是股票还是期货，想要从中获利，你必须对其未来的价格涨跌有一个简单的预测，也就人们常说的利好利空。
但是价格是一时，发展是复杂的，同时出现多个能够影响价格要素时就要借助到数学模型工具。
而搭建模型的的基础数据大致包含了传统量价、基本面数据、舆论情绪等模糊数据以及其他统计相关的数据。
一般来说，包含的因子越多，权重越准确，模型的准确性和稳定性则越高。实际上会根据交易的实际需求进行删减。
程序化：
当你写好模型，并且回测验证过后，你就应该相信你的模型。
程序化最大的好处就是能够克服人性的弱点，当指标出现程序会一丝不苟执行操作。
主观意识会欺骗我们，但数据不会；人可能会犯错，但机器不会。
从根本上解决了人性弱点对交易的影响。量化就是这样一个程序化的交易方式。
稳定收益：
写出回测收益极高的模型是很容易的，就像提前知道了答案再去参加考试。
但很多血淋淋的教训告诉我们很多时候市场其实是不可预测的，量化不是巫术也不是超能力。
模型增加你预测成功的概率，所以到实盘操作的时候，交易策略通常是有严格的止盈止损线的。
量化并不想大家所想的是一种赚快钱的手段，相反更偏向于固收。
毕竟虽然一年三倍的多，三年一倍的则少多了。
二、量化岗有哪些岗位，就业如何？金数金工背景是否更有优势？
先上结论，金工金数比起纯商科金融有一定的优势，比起理工科还要差一点。
这不是博人眼球的说法，有人看到上面量化的介绍暗自欣喜，数学学过，代码也会，金融也懂一点，这不是完美匹配吗？
还真不是，量化作为一个实际要接触公司资产的岗位对上述三种能力的要求不是会，而是精通。
毕竟老板招人不是为了给他上课的，而是能带来效益的。
很多同学不相信，但其实这一点都不夸张。
比如之前很出名的阿里数学金奖得主张钺，高中保送北大数学系，多次全国数学竞赛得奖，伯克利研究生，UCSD博士毕业。量化岗里这样的大牛能列出一堆。
部分私募量化从业者背景
平心而论，量化行业是一个朝阳行业，国内的量化行业确实才刚刚起步。但是行业岗位整体的需求是过饱和的。
从金融机构来分
国内有量化岗的金融机构有监管机构、银行、券商、公募、私募和期货公司。
监管机构的岗位主要是伴随着衍生品的发展而增多，部分银行也有金融市场部和资产管理部做量化相关的交易。
剩下的就是大家比较熟悉的券商、公募和私募，也是很多新人的入门机构。
这里面券商的方向比较齐全；相比较而言券商的自营自由度高于资管，公募更加专注于投研，业务面比较窄；私募要求通常较高，但是锻炼和收获也会更多一点。
而大部分的期货公司股东都是券商，监管压力小，业务灵活。
从岗位分布来看
根据WIND2018年的数据，国内券商一共只有58个金工团队，大部分团队的纯量化岗只有一个，剩下的纯量化岗大部分都在私募。
有限的岗位和较高的基础薪资带来的是难以想象的激烈竞争。
用数据说话，不会还有同学相信一些不良中介口中的人才缺口极大，念完就能走向人生巅峰吧。
当然读了金工金数同学也不用慌，金数金工往传统金融行业转型其实并不难，你只要实习经历匹配，自己专业功底扎实，读哪个专业没有什么区别。
我没感觉到我们金工的朋友在就业上有啥区别的，关键是你准备的什么方向，学啥都只是基础，很多都得靠自己平时去学。
三、立志做量化的同学该如何努力？
讲到这里还能留下来的，想必都是下定决心，准备克服困难走向量化岗的同学。
第一，要有一定的学术背景。一般来说，量化岗会偏好Top 985背景的硕士研究生，PHD更优。专业上来看，机构一般更加偏好数学和计算机背景的同学。
第二，有了学术背景，接下来就是专业素养。不止于课堂上的基础知识，更要有大量的实践经验。
想要做量化的同学一定要规划好自己的时间，利用好每一个假期，多找几份实习。
从难度上来讲，新人可以从券商卖方研究所开始做起，虽然比较辛苦，但也是一个比较积累工作经验的好地方。
如果你有大量模型积累经验，还可以考虑去公募基金看一看。