大厂转基金攻略 + 金融科普贴
职场感言
之前发帖提到了，地里都是讨论科技大厂的，很少讨论金融，让我很不解。看回复发现很多人对量化金融领域有误解，也有人私信我问如何准备，特地写了这个帖子，希望拓宽大家找工作的思路、理清准备的方向。我个人职业发展是高频出身，因为non-compete去科技大厂水了一年多，又回到高频，所以对量化领域还算比较了解。以下当然是我的个人意见了，不一定完整，但尽量属实。
职位介绍
按一级市场和二级市场分，一级市场包括PE、VC、IBD等，但这些公司和各位技能树不匹配，我就不多介绍了。二级市场的机会，投行也都一般，除非star trader，没什么参考性，直接跳过。现在着重讲量化交易，trading firm和quant hedge fund，这也是我的从业范围，相对比较了解。
公司类别
同样是量化基金，结构可能大不相同，大体有两类。
一类是雨伞结构的公司，公司提供基础设施，公司下不同小组几乎独立运营、竞争，也就相当于若干个独立的小公司，这类公司下不同组之间好坏差别很大、收入差别也很大，差的组很难活得长，我本人就是在这类公司里面的一个大组，业绩相对稳定，人也比较多。如果去小组，就需要承担更多风险，当然upside也更大。这类公司例如tower, millennium, cubist
另一类就是中心化的公司，这类公司像一个巨大的车间流水线，每个人负责流水线的一部分，更像螺丝钉，接触的知识少一些，但整体业绩稳定性也好一些。这类公司例如two sigma, citadel
学历要求
这是比较大的一个误区，很多人认为顶级金融公司只要顶尖学校，这是不对的。如果您有一定的大厂工作经验，或者是1.5-2梯队的硕士、博士NG，是很可能拿到面试的，我本人就是top 30的PhD。希望大家直接撇掉“非顶尖学校毫无机会”的误解。
有一点非常重要，想做金融不需要懂金融。事实上，大部分面试quant的人选都几乎毫无金融背景和知识，但基金并不care，因为quant要解决的本来也不是金融问题，而是统计问题。
工作经验
NG可以跳过这个部分了。什么样的大厂经验跳槽最相关呢？简单来说，machine learning和data science。机器学习和数据挖掘近几年在量化策略中应用非常普遍，很多相关人才都是从科技大厂挖过来的。如果您的工作经历和机器学习相关，不论NLP、深度学习、数据挖掘、语音识别、图像处理等等，那么您的经历可能就是某hedge fund正在积极寻找的。
职业发展 quant职业发展大概分成两条路
那么做量化和留在大厂如何比较呢？
网申是最不靠谱的，也是最懒的。想去好基金，需要积极寻找内推，这点和科技大厂差不多。
除此之外，猎头其实也很有帮助。很多人说猎头不靠谱，那就需要您自己甄别了，一般推荐的公司、职位听起来靠谱，就可以合作。我工作若干年，合作过很多猎头，大多靠谱，就连我中间NC跳到科技公司都是金融猎头的朋友帮着内推的。科技大厂大多不用猎头，所以码农们没有依靠猎头的意识，其实金融各个阶层换工作依靠猎头都是非常常见的，不靠猎头反而很少见。如果没有猎头主动在linkedin上联系您，您可以主动去寻找猎头。猎头都是免费的，只要叮嘱他们不要乱发简历，对您其实没什么成本。
面试准备
这个是大家比较关注的了，我是个quant，着重介绍quant的面试准备，其实也只有quant面试地里的各位才需要准备。之前说过，developer不难面，但是没必要跳。很多人都说科技大厂更好面，这我倒不同意，因为quant面试其实很有规律可循，只要好好准备面试，都能有不错的表现。我之前面的很多stem phd都是准备不足，而不是能力不够。
地里人才众多，我这篇帖子希望继续帮助大家拓宽找工作的思路，不要眼里只盯着科技大厂，也不要认准一线基金没戏。换一个视角，就会发现世界之外还有世界。
有的人像马，可以鞭策；有的人像驴，需要顺毛。还是那句话，冷暖自知。冷了就得吃饭，求米！
补充内容 (2022-02-14 02:54 +8:00):
首先感谢大家的积极回复，提了很多很好的问题，可惜我没有精力一一解答
所以也要感谢楼里（被炸出来的）各位同行们帮助解答问题，很多人提出了很好的点、给出了很好的解答，地里人才众多，金融大佬想必也不少，赞
补充内容 (2022-02-14 02:57 +8:00):
很多人觉得975很辛苦，哈哈我无言以对。上班期间划水时间不多，但也不是高度紧张，毕竟research不能逼出来，只能花时间试错。btw有的公司是可以wfh的
补充内容 (2022-02-14 03:01 +8:00):
有关NC的pay，的确有的案例可以拿两份工资，但一般NC pay也就二十多万，所以相比于NC两年期间的损失（可能每年1m+），还是亏的。有人指出来现在有的合同是，如果NC期间你找到了其他工作，NC pay就要打折扣，我也听说是这样
有同行说NC可以不给pay，这我很难相信，因为按照法律合同需要有consideration（对价）才valid
补充内容 (2022-02-14 06:01 +8:00):
可能我没有强调够，这里的收入我是指top fund里alpha quant的收入，可以想象成基金业里的FAANG，大概不到十家
补充内容 (2022-02-14 07:00 +8:00):
有人提到quant行业的长期发展，这个行业竞争是很激烈的，以后随着模型越来越复杂，也会慢慢出现几个头部公司赢者通吃的现象
补充内容 (2022-02-14 12:55 +8:00):
看到很多人讨论base，quant行业我接触到的base都二三十万，三十万算多的了，大头都在奖金，n x base
补充内容 (2022-02-15 11:42 +8:00):
补充一些有关收入的内容
正如之前所说，我所列的数字是我观察到的top fund里alpha quant的收入，这个群体显然不多，想达到这个level也的确不容易。投行、中游fund里的各种quant，很多收入达不到这个level，或者说并不显著比大厂多很多。所以我认为有必要在这里指出这个行业的收入方差，也应该是各位考虑的一个因素
但话说回来，top level难以达到，并不妨碍各位尝试。能进大厂的都有水平，如果您的目的是提高收入，那么试一试申请quant也无妨
补充内容 (2022-02-18 13:24 +8:00):
有人提tech上市退休的，这并不很具有代表性。换句话说，大概比如top 0.1%是tech收入更多，因为startup压中了，但top5% quant收入更多。top fund类似于FAANG地位
职位介绍
按一级市场和二级市场分，一级市场包括PE、VC、IBD等，但这些公司和各位技能树不匹配，我就不多介绍了。二级市场的机会，投行也都一般，除非star trader，没什么参考性，直接跳过。现在着重讲量化交易，trading firm和quant hedge fund，这也是我的从业范围，相对比较了解。
- quant，这些公司的主要盈利来源，自然收入不菲，压力也不小。这类职位和各位最匹配，也是这个帖子的主要讨论范围
- trader，其实quant firm里面trader的贡献并不大，很多trader起到监督系统、及时报错的作用，所以职能、收入都一般，并不适合大厂的各位跳槽
- software engineer (developer) ，开发公司的工具和系统，虽然重要，但并不是直接的盈利来源，还不如留在大厂
公司类别
同样是量化基金，结构可能大不相同，大体有两类。
一类是雨伞结构的公司，公司提供基础设施，公司下不同小组几乎独立运营、竞争，也就相当于若干个独立的小公司，这类公司下不同组之间好坏差别很大、收入差别也很大，差的组很难活得长，我本人就是在这类公司里面的一个大组，业绩相对稳定，人也比较多。如果去小组，就需要承担更多风险，当然upside也更大。这类公司例如tower, millennium, cubist
另一类就是中心化的公司，这类公司像一个巨大的车间流水线，每个人负责流水线的一部分，更像螺丝钉，接触的知识少一些，但整体业绩稳定性也好一些。这类公司例如two sigma, citadel
学历要求
这是比较大的一个误区，很多人认为顶级金融公司只要顶尖学校，这是不对的。如果您有一定的大厂工作经验，或者是1.5-2梯队的硕士、博士NG，是很可能拿到面试的，我本人就是top 30的PhD。希望大家直接撇掉“非顶尖学校毫无机会”的误解。
有一点非常重要，想做金融不需要懂金融。事实上，大部分面试quant的人选都几乎毫无金融背景和知识，但基金并不care，因为quant要解决的本来也不是金融问题，而是统计问题。
工作经验
NG可以跳过这个部分了。什么样的大厂经验跳槽最相关呢？简单来说，machine learning和data science。机器学习和数据挖掘近几年在量化策略中应用非常普遍，很多相关人才都是从科技大厂挖过来的。如果您的工作经历和机器学习相关，不论NLP、深度学习、数据挖掘、语音识别、图像处理等等，那么您的经历可能就是某hedge fund正在积极寻找的。
职业发展 quant职业发展大概分成两条路
- 在大公司升职，甚至作为manager，稳定性相对较高
- 出去单干，拉个team，自己当portfolio manager，run自己的策略/book，这个路线风险较大，但upside也更大。不少公司提供这样的机会，提供capital，您负责研发、运营、维护策略，挣到的钱提分成，提成的行业标准是20%，cover您所带领组的几乎全部cost
那么做量化和留在大厂如何比较呢？
- 政治，简单来说，基金里实力说话，政治很少
- 收入，比较敏感的话题。根据我的观察，目前一线基金quant的NG包大概三四十万，按照中位数来算的话，3年60-70万，5年差不多能到1m，十年的组长天花板大概是5m（做到公司顶层除外，能10m+）。需要指出的是，这些公司里quant和trader收入是差很多的，一般trader都是监督职能，拿的少一些。之前发帖很多人不信、反驳这样的数字。Again，quant行业收入都比较保密，这是我根据我周围十几个关系好的数据点总结出来的，显然好公司能做到5年+的quant都有幸存者偏差，您可以不信，我也不需要向您证明什么，俗话说得好，冷暖自知。
- Impact，很多人忽略的一点，其实基金里impact是非常显著的。因为行业竞争激烈，research周期一般都很短，几个星期到几个月不等，而且project上线后很快就能看到成效（挣钱还是亏钱）。这一点其实比很多大厂职位要更好，很多大厂结构复杂、政治交错、产品流程漫长，很多员工的impact其实十分间接。当然了，如果您只想做无人车，推动人类科技前沿，就另当别论，这个帖子主要目标于职业目标没那么明确，可以接受换行业的人
- WLB，其实没有那么累，我已经离开大厂若干年了，不知道最近那边卷的如何，但是大部分quant的工作时间大概是9-7-5，加班并不多。每个公司、每个组文化都不一样，但整体而言我、以及我各个公司的朋友们，wlb都还可以
- 稳定性，也是比较容易有误区的一个方面，做交易压力当然比较大，毕竟完全靠业绩说话，有些好公司裁人不少，但说实话，只要能面进，工作不划水，大部分人是可以存活下来的。有一点需要注意，有些公司会整组裁掉，如果是这样那就不幸了，这种情况下可以尝试转组，或者换公司。高收入伴随着高风险，但因为基金里政治很少，所以不会像一些大厂因为人际关系pip，也不太可能遇到傻x老板让您无所适从
- 换工作，好基金都有non-compete，时间一年起，会影响职业连贯性，但因为大家都有NC，所以对跳槽也不算毁灭性打击。想换工作，找好下家（等你一年多），去大厂水一年多，跳回来，很常见。但NG需要注意，如果NC过长，不一定值得，需要谨慎考虑
- 投资限制，其实基金里不怎么限制长期投资，如果您是长期投资者，那么相当于没有限制，如果您是短期投资者，限制您频繁操作说不定还帮您省钱了呢 : )
- 坑位，quant确实职位少，但好像职位多少和您是否申请并没什么关系？
- 绿卡，我知道的一些公司是一年开始申请绿卡，比一些大厂晚一些。早一年绿卡值多少钱呢？每个人有不同的判断
网申是最不靠谱的，也是最懒的。想去好基金，需要积极寻找内推，这点和科技大厂差不多。
除此之外，猎头其实也很有帮助。很多人说猎头不靠谱，那就需要您自己甄别了，一般推荐的公司、职位听起来靠谱，就可以合作。我工作若干年，合作过很多猎头，大多靠谱，就连我中间NC跳到科技公司都是金融猎头的朋友帮着内推的。科技大厂大多不用猎头，所以码农们没有依靠猎头的意识，其实金融各个阶层换工作依靠猎头都是非常常见的，不靠猎头反而很少见。如果没有猎头主动在linkedin上联系您，您可以主动去寻找猎头。猎头都是免费的，只要叮嘱他们不要乱发简历，对您其实没什么成本。
面试准备
这个是大家比较关注的了，我是个quant，着重介绍quant的面试准备，其实也只有quant面试地里的各位才需要准备。之前说过，developer不难面，但是没必要跳。很多人都说科技大厂更好面，这我倒不同意，因为quant面试其实很有规律可循，只要好好准备面试，都能有不错的表现。我之前面的很多stem phd都是准备不足，而不是能力不够。
- 编程，这点和准备科技大厂十分类似，刷题就可以了，leetcode就不用说了，我推荐两本书，Algorithms For Interviews, Cracking the Coding Interview，尤其第一本，有一些数学、编程结合的题目，很适合quant面试准备。至于语言，一般选择C++或者python就可以了，这也是大多基金所用的语言
- 概率，其实和编程很像，学习一下大学概率论课程，之后刷题就可以了，这类题目也不少，比如Quant Job Interview Questions and Answers，A Practical Guide To Quantitative Finance Interviews
- 统计，这块比较麻烦，需要一些知识储备，quant面试很喜欢问线性回归，大多数的candidate也是挂在线性回归上，所以如果您号称懂得机器学习，务必先把线性回归的各种各种各种弄得明明白白清清楚楚，数学推导、intuition、各类线性回归模型的特点，都好好学学。除此之外，时间序列、随机过程、各类统计检验，如果能弄明白，就更好了
- 机器学习，如果您的经历和机器学习相关，那就好好准备一下过去的工作、project，模型选择、调参过程、数据处理，都需要能讲清楚
地里人才众多，我这篇帖子希望继续帮助大家拓宽找工作的思路，不要眼里只盯着科技大厂，也不要认准一线基金没戏。换一个视角，就会发现世界之外还有世界。
有的人像马，可以鞭策；有的人像驴，需要顺毛。还是那句话，冷暖自知。冷了就得吃饭，求米！
补充内容 (2022-02-14 02:54 +8:00):
首先感谢大家的积极回复，提了很多很好的问题，可惜我没有精力一一解答
所以也要感谢楼里（被炸出来的）各位同行们帮助解答问题，很多人提出了很好的点、给出了很好的解答，地里人才众多，金融大佬想必也不少，赞
补充内容 (2022-02-14 02:57 +8:00):
很多人觉得975很辛苦，哈哈我无言以对。上班期间划水时间不多，但也不是高度紧张，毕竟research不能逼出来，只能花时间试错。btw有的公司是可以wfh的
补充内容 (2022-02-14 03:01 +8:00):
有关NC的pay，的确有的案例可以拿两份工资，但一般NC pay也就二十多万，所以相比于NC两年期间的损失（可能每年1m+），还是亏的。有人指出来现在有的合同是，如果NC期间你找到了其他工作，NC pay就要打折扣，我也听说是这样
有同行说NC可以不给pay，这我很难相信，因为按照法律合同需要有consideration（对价）才valid
补充内容 (2022-02-14 06:01 +8:00):
可能我没有强调够，这里的收入我是指top fund里alpha quant的收入，可以想象成基金业里的FAANG，大概不到十家
补充内容 (2022-02-14 07:00 +8:00):
有人提到quant行业的长期发展，这个行业竞争是很激烈的，以后随着模型越来越复杂，也会慢慢出现几个头部公司赢者通吃的现象
补充内容
很多好基金在西海岸都有office，总部在西海岸的不多补充内容 (2022-02-14 12:55 +8:00):
看到很多人讨论base，quant行业我接触到的base都二三十万，三十万算多的了，大头都在奖金，n x base
补充内容 (2022-02-15 11:42 +8:00):
补充一些有关收入的内容
正如之前所说，我所列的数字是我观察到的top fund里alpha quant的收入，这个群体显然不多，想达到这个level也的确不容易。投行、中游fund里的各种quant，很多收入达不到这个level，或者说并不显著比大厂多很多。所以我认为有必要在这里指出这个行业的收入方差，也应该是各位考虑的一个因素
但话说回来，top level难以达到，并不妨碍各位尝试。能进大厂的都有水平，如果您的目的是提高收入，那么试一试申请quant也无妨
补充内容 (2022-02-18 13:24 +8:00):
有人提tech上市退休的，这并不很具有代表性。换句话说，大概比如top 0.1%是tech收入更多，因为startup压中了，但top5% quant收入更多。top fund类似于FAANG地位
已获得 201 大米
+2
共494条回复
chersquare
置顶
我相信层主和楼主提到的收入范围都是真实存在的情况, 之所以不同我觉得还是这个行业可分配资源总量的问题.yz978 发表于感谢lz分享关于quant的一些知识，我也是做quant，其实很希望大家能了解这个行业，但关于薪资和氛围个人的认 ...
大体来*无依据*估计一下这行里做quant每年能拿$1m+的人数: 全球hedge fund AUM (prop shop不知道有没有相关数据)现在一共大概$4.5 trillion? 按照最好情况 2/20 (这年头估计越来越少了), 然后平均收益6% (这里主要看可分配的总资源, 所以我觉得用平均收益算是相对合理的), 那每年可分配的收入就是 4.5 trillion * (2% + 6% * 20%) = $144 billion. 假设这些钱全用来发给员工 (实际情况应该会有各种其他开销), 一共能发给144K个员工每人$1m.
下面开始我的*无依据^2* guesstimate:
1. 首先这种分配是不太可能平均的(比如有的fund manager AUM大或者performance好所以像叶问一样一个打10 - 50个), 那就除个10: 144K 人 -> 14.4K 人
2. 其次那些不拿pnl cut的员工也需要分钱, 那就再除个3? 14.4K -> 4.8K
3. 再次这些人里有很多是非quant的传统型投资者, 那就再除个3? 4.8K -> 1.6K
以上这些估计显然是以猜测为主, 但我觉得由此得出以下估计应该不算太离谱: 全球hedge fund quant每年收入能超过$1m的总人数在1.6K * [ 0.3x - 3x ] = 500 - 5000人之间? 再次声明这只是我个人的*无依据纯猜测*, 但是觉得有意思所以分享一下.
已获得 34 大米
+2
yz978
置顶
感谢lz分享关于quant的一些知识，我也是做quant，其实很希望大家能了解这个行业，但关于薪资和氛围个人的认知挺不一样的：
1. 我身边的同行基本是清北/藤校大U本科，Columbia/NYU这个级别的硕士或者top50博士，工作五年后TC暂无一人达到了50w，其中有很多我非常钦佩他们技术实力的人。不排除我井底之蛙的不认识更厉害的人，但很怀疑那群人的总量能有多少。另一个侧面是去年是quant fund/hft的大年，Jane Street的收入达到了4.1b https://www.tradinginsider.fr/2021/01/the-pay-at-jane-street-last-year-was-enormous/，还是EBIDTA，去掉苛捐杂税以后能发得起多少个10m，多少个1m？这个大年里收到1m的人，在小年还有这么多么？
2. 绿卡政策和金融文化，这点是最折磨我的：进司一年申绿卡，但没有科技大厂的batch process，各项材料的准备每步拖一两月是常态，等锁定pd一般都是入职两年多了。公司的一些老人是旧社会的华尔街出来的，脾气暴，像我们这种quant就在边上大爷一口一个f**k中瑟瑟发抖，怕自己撑不到锁pd就被开。事实上alpha quant的淘汰率就很高，纵使5 yoe有1m，没有好策略的人困在入职--开除--求职的死循环里一直达不到。
总的来说我喜欢quant是因为觉得个人的技能比较匹配 & 现在的组挺有意思，但真心认为图钱图身份还是tech更好一点。
1. 我身边的同行基本是清北/藤校大U本科，Columbia/NYU这个级别的硕士或者top50博士，工作五年后TC暂无一人达到了50w，其中有很多我非常钦佩他们技术实力的人。不排除我井底之蛙的不认识更厉害的人，但很怀疑那群人的总量能有多少。另一个侧面是去年是quant fund/hft的大年，Jane Street的收入达到了4.1b https://www.tradinginsider.fr/2021/01/the-pay-at-jane-street-last-year-was-enormous/，还是EBIDTA，去掉苛捐杂税以后能发得起多少个10m，多少个1m？这个大年里收到1m的人，在小年还有这么多么？
2. 绿卡政策和金融文化，这点是最折磨我的：进司一年申绿卡，但没有科技大厂的batch process，各项材料的准备每步拖一两月是常态，等锁定pd一般都是入职两年多了。公司的一些老人是旧社会的华尔街出来的，脾气暴，像我们这种quant就在边上大爷一口一个f**k中瑟瑟发抖，怕自己撑不到锁pd就被开。事实上alpha quant的淘汰率就很高，纵使5 yoe有1m，没有好策略的人困在入职--开除--求职的死循环里一直达不到。
总的来说我喜欢quant是因为觉得个人的技能比较匹配 & 现在的组挺有意思，但真心认为图钱图身份还是tech更好一点。
已获得 43 大米
+2
