2024职业发展系列讲座摘要-2：对话华尔街

1、嘉宾C

职业背景：略。

金融及编程知识：目前负责股票交易系统的开发和维护，提到在资产管理中使用编程优化和维护交易系统。

职业转型经验：强调在金融和编程领域的职业发展中，需要不断学习新技能来保持竞争力。

2、嘉宾Y

职业背景：略。

金融知识：最初在外汇市场的FX Forward组工作，后转至短期利率交易组，分享了Swap市场中的一些经验。短期利率交易涉及到FX和利率衍生品交易，这些市场对全球宏观经济政策非常敏感，交易员需要对宏观经济数据和政策变动有高度敏感度。提到目前约95%的外汇交易量是通过电子交易完成，市场逐步由语音交易转向电子交易，在提高交易效率的同时，也对交易员的技术和编程能力提出了更高要求。

文化适应与软技能：如何在一个白人男性为主的交易环境中适应并融入，并建议同样身处多样性较低环境的华人积极参与话题，放下面子，去询问与学习，建立起良好的人际关系。

3、嘉宾L

职业背景：略。

金融知识：MBS是美国第二大固定收益市场，仅次于国债。分享了如何在抵押贷款市场中构建投资策略。提到了“一级半市场”的概念，描述了抵押贷款服务权市场的特点以及如何在一级和二级市场之间进行有效交易和分析。此前工作中负责多个风险模型的开发，这些模型的成功与失败在2008年金融危机中对他的职业发展产生了深远影响，强调了模型的适应性与市场变化的关联。在对冲基金工作期间，开发了多种复杂衍生品策略并参与了全球市场的投资管理，强调了在衍生品交易中模型和实际策略的结合。

4、嘉宾W

职业背景：略。

金融知识：投资银行与融资：曾参与多个杠杆融资项目，通常涉及到通过债务工具来增加公司的资本以进行扩张。M&A和IPO：曾参与多个IPO和M&A项目，需要对目标公司的财务、市场环境等多方面进行全面评估。加入一家专注于游戏和数字媒体的成长型基金，分享了如何通过产品试用和市场调研为基金做出投资决策，尤其是在游戏行业中的应用。提到如何利用区块链技术在传统金融支付领域中创新，以及其对区块链游戏的看法和在相关基金中的投资理念。

5、嘉宾P

职业背景：略。

金融知识：量化投资策略QIS：Alpha Signal，主要负责全球宏观的阿尔法信号研究，通过数据收集、模型优化和风险评估来寻找市场中的Alpha；风险模型和资产配置，包括资产之间的covariance计算，以及如何通过风险模型优化资产配置以达到投资组合的最佳平衡；系统化交易策略，在量化投资中，策略的实施需要结合交易阿尔法信号，确定最佳的交易时间和交易量，同时降低交易成本。

6、嘉宾S

职业背景：略。

金融知识：市场风险量化研究MRQR，包括VaR、Capital Model、Time Series Model；负责管理利率产品的市场风险，包括美国国债、Swap、Swaption、短期利率期货和短期利率互换、结构性票据等；分享了从量化风险模型（例如VaR模型）转向市场风险管理的过程，描述了如何通过分析产品的风险暴露（Risk Exposure）来支持交易决策。

小公司与大公司的比较：在较小的公司中，个人的exposure和visibility更高，可以更自由地推动项目进展，并直接与高层合作，这对于建立更深入的风险管理能力比较有帮助。

1、金融岗位细分及求职要求:

Sell-side Institutional方面：

• Banking and Capital Markets：有些银行将其合并，有些分开，业务包括IPO、MA等。

• Sales & Trading（Global Markets）：从职位角色分，有trader（每天报价、管理风险）、sales（覆盖不同客户）、structuring（配置长期想法、较大交易），还有COO之类的room，但主流是sales、trading和structuring。从Asset Class分，有fixed income和equity，它们也会分linear的Delta one组合以及做swap的single name options和index options。

• 宏观方面：天下大势。跟总统大选、美国经济、世界经济等有关，一般分外汇和利率，还有商品（有些银行将其叫FICC，有些归入宏观）。

• 微观方面：更像equity，看各个公司，还有SPG（将credit card loan等打包卖的securization部分）。

• 其他职位：research（写研报）、quant（做模型）、risk（介绍一下）、IT。

Buy-side方面：

• Quant和Risk组：做模型、做research、做risk。

• Operation：middle Office和back Office的accounting、operation的人。

• Trading：思考strategy和寻找更好的relative value的bond等。

• Buy Side：raise money的人，做marketing，比如有很强network的investor relation team。

金融领域适合中国留学生的求职方向：

• 传统金融硕士的工作机会：institutional方面的各个岗位，以及中国学生比较popular的research、quant、risk、IT等职位。

• IBD之后的选择：可以继续在IBD做sell side，也可以跳到buy side，如private equity、growth fund、venture capital，还可以去tech公司做corporate strategy或corporate venture investing。

2、北美求职时间线及准备要点:

北美求职时间线：

• Summer Intern：一般五月份开始投简历，九月份到十月份开始面试，十二月份发offer。

• Full Time：研一结束后马上开始投，时间线较长，整个研一到毕业期间都要进行求职准备，幸运的话能拿到return offer。

大陆本科同学如何有效竞争：

• 疯狂投简历：it's a number game，投的多拿到面试的机会就多。

• Networking：进行社交，建立人际关系。

• Mock Interview：模拟面试练习。

• 准备数学、统计和Programming考试：这是第一关，最好提前复习准备。

面试的主要内容：

• 数学：会问一些brain teaser，看反应和数学能力，quant岗位可能会问到绿皮书级别难度的问题，sales and trading岗位问题相对简单。

• 对Market的兴趣：问一些简单的市场问题，如今天S&P、黄金的情况，深入的会问对美联储加息的看法、推出trade idea等，答案没有对错，主要看是否有在follow market，有自己的想法。

• Behavior：比较随机，主要看是否能展现个人魅力，让面试官觉得是可以合作的人。

3、如何获得Trader Offer（以亚洲女生为例）:

融入工作环境：

• 厚脸皮交流：听不懂就问，增加话题，找到共同兴趣，提供对别人有用的信息。

• 发挥自身优势：中国经济腾飞，老美对中国的市场情况感兴趣，可借此交流。

• 语言方面：英语要求没有想象中高，写作能力很重要，不要总盯着自己的短板，可能自己认为的短板在别人看来是长板。

面试准备：

• 展现长板：毕业于好学校，简历好，数学好，能做好绿皮书的题目，会给面试官留下好印象。

Trader Career的开启方式：

• 不一定要从trade出发：可从别的途径抵达，如：做模型→对strategy感兴趣→有market sense→了解risk→理解trading logic→转为trader

4、量化细分领域及入行要求:

量化细分领域和Career Path：

从应用方法分：

• 统计方向的P quant：现实世界中大家expectation的probability

• 概率论方向的Q quant：风险中性测度Risk-Neutral Measure，通过随机数学方式，转化为风险中性概率

• 从行业里的Role分：

• Buy Side：更需要以统计为主的P quant，负责预测自己持有的资产未来预期的收益。

• Sell Side：更需要对资产进行定价的Q quant，作为市场的market maker，需要对市场有明确的定价，提供市场的bid和ask。

具体岗位：

• Statistical Arbitrage：Sets up，做Alpha signal。

• Valuation：Q quant，对市场各种产品进行定价。

• Risk Quant：通过建立量化模型计算每个资产的风险及相对于每个风险的exposure。

• Macro或Time Series Quant：Macro的data频率很低，overfitting的概率高，因此需要很强的time series analysis水平，做时间序列分析。

量化入行的学校背景要求：

• 有要求的原因：quant行业对Skill set的要求高，招的人数量不多，为节省筛选时间，会优先去顶级名校招人。

• 不是绝对要求的原因：network很重要，如果能有效展示自己的实力，即使不是顶级名校，也有机会被录用。

• 对入职有帮助的学校背景：顶级名校的数学、物理、金融、经济、计算机的PhD。量化本质是Quant research，所以要focus on research，能沉下心来做研究。

5、关于量化领域的计算机要求及相关岗位：

量化领域的developer对计算机要求比quant更强，计算机背景的人转量化领域的岗位相对较接近，从量化research对数学背景的要求胜过对coding的要求，框架开发需将需求转化为代码，不同领域对计算机编程能力的要求和考虑方向不完全一样。

Trader

• 职责：交易员负责在市场中执行买卖操作。他们的工作涉及每日的市场报价、管理风险和调整头寸，目的是确保公司的交易策略在符合风险偏好的情况下获得收益。交易员需要对市场变化有敏锐的反应能力，并能够实时做出决策。

• 计算机要求：交易员需要一定的编程技能来实现自动化交易和数据分析。例如，他们使用Python编写代码来迅速分析市场趋势和构建简化的交易策略。程序化交易和算法交易是他们日常工作的重要组成部分。

Sales

• 职责：Sales负责与客户的日常沟通，了解客户需求，并为客户提供适合的金融产品。不同的客户群体（如对冲基金、资产管理公司、企业客户等）有不同的需求，Sales的任务是将公司的产品与客户需求相匹配。

• 计算机要求：Sales对编程技能的需求较少，更强调沟通能力和市场知识。然而，熟悉Excel或数据分析工具以解读客户需求和生成报告也是他们的优势。

Structuring

• 职责：Structuring的主要任务是设计定制化的金融产品，帮助客户满足特定需求。Structuring通常负责较大规模、长期的交易项目，例如结构性票据、复杂的期权组合等。

• 计算机要求：Structuring对编程能力的要求相对较高，他们需要用编程工具建模，并分析产品的风险和收益。例如，使用VBA和Python编写工具来进行结构性产品的定价和分析。

从计算机和互联网角度看量化金融：

量化金融中的某些职位对编程技能的要求更接近于互联网公司的开发需求。例如，交易系统的构建需要考虑高可用性、并发处理、吞吐量优化等技术问题，而这些技能应用在金融场景中则是为了更快、更稳定地处理市场数据和执行交易。相较于互联网公司专注于用户体验和扩展性，金融中的编程更多是为了数据处理的高效性和稳定性。

6、AI在对冲基金及量化金融中的应用前景：

AI在量化金融中的应用尤其显著，特别是在高频交易中。高频交易是利用高速度和高效率获取市场波动中的微小利润，而AI可以大幅提高高频交易的效果。

在传统金融领域，AI的应用往往面临过拟合（Overfitting）的风险，因为市场数据有限，模型可能只针对历史的特定特征而无法适应未来的市场变化。然而，在HFT中，由于数据量庞大，这一问题得到一定程度的缓解。

AI在金融界的应用受data limitation影响，在high frequency trading领域有发展前景，拥有强计算机AI背景及coding能力、对AI model的理解（防overfitting及model现实中金融Intuition）的人才在hedge fund领域受欢迎，AI在compliance处理、提供数据支持等方面有一定应用前景；

7、进入风投行业VC的相关问题：

不推荐应届毕业生直接进入VC行业

• 原因包括风投机构不太需要junior level的人，工作内容多为networking，早期项目很多时候没有产品，junior level在风投行业工资低，从junior到MD没有direct promotion；

• 比较推荐对private market investing感兴趣的人去一个later stage VC，如投a轮B轮或成长型基金，因为到a轮B轮后公司会有数据，投资决策可基于financial；

从事VC行业的风险

• 华尔街从事风投的主要风险在于投资项目的高失败率，超过50%-70%的投资项目最终可能无法成功，因此，从事风投行业需要有较强的风险承受能力，并能够在失败中学习和成长；

• VC和PE等在strategy上不同，VC追求高风险高回报，投中一个估值十亿美金的公司可能就够回报；比较推荐想做private market的人第一份工作做IBD，因为大部分PE从IBD里招人，做两年IBD可学会相关技能，从卖方到买方有strong Foundation

8、CFA考证在量化金融行业中的作用：

在量化金融，尤其是量化研究和风险管理领域，CFA证书的作用相对有限。量化职位更加注重数学、统计学以及编程能力，而CFA主要面向传统金融的知识领域。

private market考证基本没什么用，做active research可能有点用，做IBD等不需要考证，不用过于追求CFA。

CFA Level 1 的学习内容非常广泛，涵盖了从金融基础到投资组合管理的各个方面，对于非金融专业背景的人来说，CFA确实是一个拓展金融知识面的好途径。但是在找量化工作时，CFA并不会直接增加你的竞争力，更重要的还是实际的编程能力和模型设计经验。

9、如何有效networking争取refer机会：

• 在networking过程中要问具体问题，厚脸皮一些，明确自己的目的，如想要内推或拓展人脉；

• networking不仅是为了refer，更重要的是信息收集，了解组的工作内容、文化、招聘情况等，保持长期关系，不要让对方感觉只是被利用。

10、职业规划问题：

如何选择第一份工作

职业规划时，选择第一份工作非常重要，应优先考虑那些能够为未来提供良好发展基础的职位，而不仅仅是薪资水平。特别是在金融领域，建议从投行做起，以积累扎实的财务建模和分析能力，这些技能对未来进入PE或对冲基金非常有用。

择业的其他考量因素

在有选择的情况下多了解不同的options，包括组culture、hours、exit等，考量自己的兴趣、work life balance和职业发展方向，兴趣和发展比薪资更重要，先把工作做好，兴趣和发展可能会随之而来，选择适合自己的工作，同时考虑未来成立fund时资金要求等因素。

文章来源：微信公众号“中财纽约校友会”，2024年11月11日（本文仅代表作者观点），本平台转载之文章为个人学习与研究之用，为达公益教育之目的，不具有盈利性质。所涉著作权（含相关图片等多媒体信息）均归属于原作者或相关机构所有，如涉嫌侵权，请联系我们及时删除。

本篇编辑：赖振韬