一直以来，我写的量化内容都比较少，一方面是量化比较复杂，另一方面做量化的人实在是太聪明了。
这就是一个完全拼天分，拼运气的行业，二者缺一不可。
我觉得其实性质类似于电子竞技。最顶尖的1%获得了 99%的财富和关注度，而其他的都是尘土。
这种极端的分配形式使得整个行业显得更为残酷和竞争激烈。这也是为什么在量化交易领域，一小部分人能够脱颖而出，成为巨头，而其他从业者则往往黯然失色。
另一方面，量化交易的特殊性也使得年轻人能够更快速地上位。相对于传统金融领域，量化交易更注重技术和算法，这为年轻人提供了更多机会。
传统金融领域的年长者可能因为技术跟不上潮流而被淘汰，而量化交易的新兴性质使得年轻人更容易迅速崭露头角。
然而，年轻人的上位并非仅仅是因为技术的原因，经验同样是成功的关键。尽管年长者可能会因为市场的变化而被淘汰，但他们所积累的经验仍然是无法替代的宝贵财富。
一、为什么说做量化的很聪明？
在资本市场，量化投资一直是个比较“神秘”的存在，它有许多的别称，比如程序化交易、算法交易、智能交易、黑箱交易，但整体上来说就是用一套数理化的方法在资本市场进行投资交易，而不是靠人主观决策。
而专门用量化投资方法在资本市场从事交易的基金公司便被称为量化基金。
相比较市面上一些主观交易的基金公司，量化基金的交易模型往往充斥着复杂的数学公式，晦涩难懂的概率、统计逻辑，甚至应用了深度学习、人工智能的方法，因而投资者一听到量化基金就会产生一种“不明觉厉”的敬畏感。
其实从一些知名量化私募里就可以看出，能够去做量化投资的都是有天赋的天才。
举几个例子吧，明汯投资的裘慧明，拥有美国宾夕法尼亚大学物理学博士、硕士学位，复旦大学物理学学士学位。14年创立上海明汯投资，现任明汯投资董事长。
幻方量化徐进：浙江大学竺可桢学院混合班，浙江大学信号与信息处理博士，博士期间主要研究方向为机器人自主导航、立体视觉、模式识别、路径规划及机器学习等。
现任幻方量化技术总监/基金经理，从事策略研究工作，并负责技术开发团队的管理。
因诺资产徐书楠，任因诺资产投资总监。2017年上海市青年拔尖人才、上海市青年金才获得者，清华大学本科、麻省理工学院硕士研究生。
量化交易的核心在于数学、统计学和人工智能。
量化交易者需要运用复杂的数学公式和统计逻辑，构建可靠的交易模型。这不仅需要深厚的数理基础，还需要对市场的深刻理解。
以人工智能为例，一些量化交易者已经开始将深度学习等技术应用于交易模型的构建，进一步提高了模型的智能性和适应性。
因此，量化交易者的聪明并非仅仅停留在传统的学科知识上，还包括对新兴技术的敏感性和应用能力。
尽管量化交易依赖于复杂的数学模型和算法，但它仍无法企及人类的创造性。创造性是一种无规律可循的特质，是天马行空的创意，是灵感的闪现。
这一特质在交易中具有独特的价值，有时候的“盘感”能够避免一些问题，而这种直觉是无法被写进程序的。因此，量化交易目前还不是真正的生物智能，仍然依赖于人类的思考和判断。
当前的量化交易主要依赖于计算机的计算能力和执行效率。利用计算机，量化交易者能够穷尽排列组合的所有可能性，进行大规模的数据分析和策略优化。
然而，尽管计算机能够完成大量的重复性工作，但在创造性和人性化方面，仍然无法替代人类。量化交易的局限性在于，它并不能完全摆脱投资人的情绪波动，而这一点是人类独有的特质。
量化交易被形容为零和博弈的行业。在这个竞争激烈的领域里，从业者需要具备高学历、高学习能力和综合素质。天赋在这里显得尤为重要，对数据的敏感性和对市场本质的深刻理解成为成功的关键。
然而，这也意味着压力和风险与收益并存。在优秀的量化私募公司，从业者可能需要具备较高的起点、聪明的头脑以及不懈的努力才能取得成功。
二、量化行业都有哪些岗位？
量化领域的涌入，让监管机构、银行、券商、公募、私募和期货公司都纷纷设置了相关的岗位。
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。
国内券商金工团队，大多数团队的纯量化岗位仅有一个，而私募则占据了大部分的纯量化岗位。
这反映出在金融机构内，纯粹的量化岗位相对稀缺，尤其是在券商。不同机构的差异使得在量化领域寻找合适岗位变得更具挑战性。
由于量化行业的特殊性，岗位相对有限且基础薪资较高，这导致了激烈的竞争。
量化行业在金融机构内呈现出多层次、多元化的岗位体系，从监管机构到不同类型的金融公司，每个机构都在努力布局量化领域。
三、什么样的人可以去做量化？
量化投资的大佬们都有一个门槛：物理学或数学博士起步，解决问题的能力超强。
因为平凡的人各有各的平凡，天才却基本上都一样。
早慧、数学好和鼓捣新玩意几乎是量化大佬的标准配置。
目前各机构的量化团队基本上是一个萝卜一个坑，除非你能力出众或际遇非凡，否则很难获得顶级团队的青睐。
国内量化投资界目前不缺新人，尤其是核心投研岗位不缺新人。
然而硬币的另一面是，大多数团队都严重缺乏兼备量化基本技术和原创想法还不固步自封持续学习的人才。
如果有办法证明你就是这种类型的人才，那么优秀团队的核心岗位指日可待。
市场上熟练掌握量化工具但缺乏原创想法的人和有独到想法但不懂量化的人都有不少，但真正兼备技术和原创想法的卓越的量化投资者总是凤毛麟角。
在中国目前的很多领域，赚钱已经变成一个非常困难的事情，但是在量化投资与对冲基金领域，是完全依靠自己的勤奋与努力。
一个持续稳定赚取的模型，不是靠关系和背景就可以的，而是靠着自己的聪明才智和脚踏实地的工作。
一般来说，优秀量化团队招人眼光比较准，判断能力比较强，如果你通过了他们的面试，自己后续对这个行业确实比较感兴趣的话又肯努力的话，问题就不大了。
一般混得不太好的是那些本来就不合适做量化的人才，去了一些相对末流的私募，又研究不出来什么东西，耽误了自己的时间。
第一第二梯队的量化私募里面，做不出来东西的，相对占比很少的。但是我真心也劝一些硬性条件不合适的人，不要考虑量化这个职业。
不是说量化要求行业苛刻，而是这个工作本身的难度并不比考985要简单。专业知识和研究能力搞不赢，即便入行，发展空间也会比较有限，或者会干不下去。
在校期间多参加竞赛，多拿奖，这样比较有优势。量化虽然归属于金融行业，但是却更偏爱数学、计算机、物理等专业方向的人才，正统的金融工程专业都被排在后面。
所以，别怕不懂金融，掌握基本金融理论，结合扎实的数理功底，做量化算是入门了。
量化投资领域不仅需要深厚的学术背景和数理功底，还需要探索新领域的热情和解决问题的能力。
在竞争激烈的环境中，全能人才成为市场上的稀缺资源，而只有持续学习、不断提升自身素质的人才，才能在这个挑战与机遇并存的领域中脱颖而出。
以上部分图片及资料内容来源于网络，版权归原作者及其公司所有；
