Mentor Bio
Name: Zc
Position: Quantitative
Analyst
Company: JP Morgan
Mentoring Specialties: Quant, Data
Mining, Electronic Trading
传统:狭义上看Quant是指在银行卖方做Quantitative Research工作,常见的日常工作是做通过例如过程模型,概率模型等等定价模型对各种衍生产品定价,研究银行内部如何对冲风险,工作中大量使用编程语言,具体语言根据各个组变化。
新型:近几年开始流行一种新型的Quant:P Quant,“P Quant来源于Physical Prob
Measur,也就是“预测未来走势”,常见于买方和卖方的自营交易部。所谓预测未来走势,无非就是寻找Under-Priced
Risks/Over-Priced Risks,也就是所谓的“找Alpha”,因此PQuant也叫Alpha
Quant(Hangli, 知乎)。”
P Quant研究股票投资价值和大数据,使用的模型大多来自统计、概率和数据分析。公司招聘时对Skillset的要求完全不一样。我之前的工作和这里说的P
Quant比较接近。
P Quant和传统Quant工作有个明显的不同是,会涉及到未来几小时到一个月的股价变化的预测。
Quant的工作去向大致分为三类,一类就是我们说的传统Quant,在银行(卖方)做定价模型或者风险模型,支持Trader们的交易;第二类也是很常见的一类,局势在基金等买方公司和小型交易公司做Quant;第三类是投银/商行的Risk部门,他们需要大量的Quant建模,这类Quant喜欢招PhD和MFE背景的人。
和传统金融行业不同,Quant这个行业非常年轻,2000年以后开始流行,追溯起来也是1990年才开始发展,所以没有一个非常传统的Career
Path适用于大部分Quant人。喜欢和善于做Quant的人通常是一直做Quant建模相关的工作,但是因为资历不同,Senior的人会晋升到VP和Managing
Director这些职位。也有一部分人,后来转型做了Trader,但是这条路的转型需要个人付出巨大的努力,因为Quant的工作虽然和交易员联系紧密,但是Skill
Set非常不同。
JP Morgan VS ITG
先从ITG开始吧,我在ITG做了2年多的Quantitative
Research,在小的团队里做研究常常要身兼数职,从研究到建模到预测都要经历。工作都是基于项目,每一个项目的时间线非常长,其中很多耗时数月的成果可能最后并不可行。总体来说,这份工作很挑战,也没有投行里Fancy的环境,但是作为毕业后的第一份工作,我得到了非常大的锻炼。
JP Morgan是大投行,团队分工做的非常细,所以我们被分配到的工作很具体,同时,也可能会经历一段时间,重复做相似的工作。作于整个Picture的把握不象以前那么深,但是多了很多和不同部门不同级别的同事打交道的机会。在这样的环境里,能更好的了解到当下的整个Business运作。
如果你纠结于大投行和精品公司的区别,总结起来他们的优势分别是:
-
投行:大公司里产品种类更多,为新人了解Business提供了一个很好的平台。对于想在公司内转组,换工作来说,也是更好的机会。
-
精品公司:对于职场新人来说,他们的职业技能在这里可以短时间内得到很大的锻炼和提高。
首先,很多人会问到底该练什么语言,才能做好Quant。其实,不同的公司和不同的组内,使用的编程语言都不一样,在真正进入工作前,很难说你将来使用的会是什么语言。比如在JPMorgan股票和债券用的编程语言都不一样。
所以,学习能力特别重要,进入一个工作组后,要短时间内可以上手,半年内做到精通。
但是面试中,面试官最喜欢问的编程语言是C ,因为C
是编程中较难的语言,如果能把这部分的题目回答的很好,面试官会认为他们之后学习别的语言应该没有问题。
流行的Quant编程语言:Python(Research), Matlab(统计数据),
R(统计数据),还有数据库语言例如Sql
我用三年时间完成本科学习,后来收到了UMich物理系和数学系的PhD
Offer,因为自己研究兴趣的转变,后来离开了博士项目,进入了MFE项目。
MFE项目对我的意义在于,强化了我的编程能力,补全了原来金融知识的空缺。业界Quant大牛的课程中,学习到了高度应用化的模型知识。这部分知识在后来的面试中非常有帮助,让我快速地和面试官进入专业的沟通。
现在学习数学或者物理的同学如果想做Quant,可以非常自信。我在后来的面试中发现,其实很多Quant人,都是来自数学、物理等背景,所以他们看到这样的背景会觉得很亲切。面试官喜欢数学和物理背景的人,也是因为QuantitativeSkill大多非常扎实。
介于名校MFE的6-8万每年的学费,我认为并不是MustHave。如果本身有PhD学位,有很强的QuantitativeResearch经验和技术,可以通过猎头和内推来获取金融工作机会。
但是MFE的好处在于,它的职业导向非常强,有大量的编程训练。这个项目在一年时间对学生做各方面的强化培训,以及提供了很好的求职资源平台,因为许多大公司的校招机会开放给MFE学生。
首先,我在面试中看到最普遍存在的问题是,很多Candidates都有不错的简历,但是针对其中某段提问时,回答得并不好,有时候甚至不能自圆其说。这样得表现非常影响面试官对他们的信任。
在准备面试时,一定要对自己的简历非常熟悉,可以回答出每一个细节背后的经历。
同时,也在面试中遇到了很多非常优秀非常聪明的Candidates,他们来自名校数学/物理系,知名MFE项目。在问到数学和编程问题时,都回答的非常出色,但是普遍存在的问题也有一点,就是缺乏对市场的基础理解。
我爱问的基础市场问题:
1. 对于某个股票,如何大致测出它的波动率
2.某个利率改变,哪些资产的价格会出现变化
建议对Quant感兴趣的同学,平时可以多阅读介绍市场运作知识的文章和书,大致上了解市场。
(阅读推荐:Wall Street Journal, Market
Watch等网站;股票作手,LiarsPoker等等书籍)
简历上爱问的问题:
1.简历上如果写了课程,我会问课程中的概念,如提问统计课里的一个基础概念
2.针对工作经历里可能涉及到的困难或者问题来提问
招聘偏好:各方面技术知识比较平均的人。比如,有人数学强,编程弱,市场知识弱;另外一个各方面都比较平均,但是没有那么突出,我会选择招聘后面的这位面试者,所以建议大家全方面锻炼培养自己的技能。
对于职业上的机遇和发展,可以不用太着急于一开始就拥有一个Big
Plan,多尝试,从自己亲身经历的职场体验中做出调整,可能可以收获更多Plan以外的惊喜。
-- END --
来源:UniCareer独家
版权归UniCareer所有,未经容许不得改动原文。若需引用或转载,请联系contact@unicareer.org,并保留UniCareer相关版权信息。
http://ww3/large/005yfYWngw1f3czugne6xj31kw1cwgrv.jpgMorgan招聘偏好、面试陷阱和Quant 职业发展" TITLE="大牛360度解析JP Morgan招聘偏好、面试陷阱和Quant 职业发展" />