You build mathematical models for pricing derivatives, managing risk, and developing algorithmic trading strategies in financial institutions.
注：职业描述基于市场通用岗位职能，实际工作内容因单位和部门有所不同。
月薪（税前）· 受地区、单位性质和个人能力影响较大
北京、上海、深圳等一线城市薪资通常高于全国平均水平 20–40%
国有企业稳定性强，私营和外资企业薪资弹性较大
AI工具将大幅提升该职业的工作效率，善于运用AI的从业者可以产出倍增。主动学习AI工具的毕业生将明显领先于同行。
技术技能名称保留英文（行业通用表达），面试和实际工作中均以此为准。
在导师或上级指导下熟悉业务体系，建立专业知识框架。通常需要 3–6 个月内开始独立承担项目模块。
独立主导项目或业务模块，开始带领初级成员，逐步建立行业内的专业声誉和人脉网络。
负责重大项目或部门管理，参与战略决策，薪资上限显著提升。高级岗位通常需要丰富的项目记录或专业认证。
清晨9:00，量化分析师首先检查前一晚自动运行的策略回测报告与实盘盯盘系统告警——确认无异常滑点或风控触发。9:30-10:30复盘隔夜海外市场及商品期货波动，调整因子权重参数；10:30-12:00在Jupyter中清洗A股Level-2逐笔成交数据，构建新的流动性衰减因子并加入多因子模型。午休后与交易员协同验证新策略在模拟盘中的执行逻辑，使用Python+Backtrader完成10年滚动回测，重点分析夏普比率与最大回撤。15:00参加跨部门例会，向投资经理解释最新动量反转组合的IC值衰减原因，并提交因子稳定性诊断报告。17:30前完成当日代码提交、文档更新与Git版本标记，最后运行一键化监控脚本，确保明日早盘信号生成无误。
国内头部机构普遍要求硕士及以上学历，金融工程、统计学、计算机科学或应用数学专业优先。扎实的数理基础（随机过程、时间序列分析）与编程能力缺一不可。核心技能包括：熟练使用Python（NumPy/Pandas/Statsmodels）、熟悉SQL及至少一种数据库；掌握机器学习框架（如Scikit-learn/XGBoost）者更具竞争力。行业认可证书包括CFA二级（侧重基本面逻辑融合）、FRM一级（风控建模）、以及中国证券业协会《证券投资基金从业资格》。部分团队倾向候选人具备Kaggle金融类竞赛Top 10%或开源量化项目（如vn.py、zipline）贡献经历。
非必需。硕士已覆盖主流岗位需求，博士优势集中在前沿因子研究（如另类数据深度学习建模）或顶级对冲基金科研岗；但耗时长、机会成本高，多数从业者通过项目实战与持续学习弥补理论深度。
有路径但需补足硬技能：6–12个月系统学习Python量化生态（推荐《Advances in Financial Machine Learning》+实操聚宽/掘金平台），完成3个完整策略闭环项目（数据获取→特征工程→回测→实盘模拟），并用GitHub展示代码规范性与文档能力。
不会取代，但将重塑工作重心：LLM可辅助研报摘要、因子灵感生成与自然语言信号提取，但策略逻辑设计、过拟合识别、实盘风控响应及市场异常归因仍高度依赖人类经验与批判性思维——人机协同是未来三年主旋律。