You build and validate quantitative models for market, credit, and operational risk at banks, insurers, and asset managers.
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。
早9点启动模型监控看板，核查前日市场波动对信用风险模型的冲击；10:30参与跨部门会议，向信贷审批团队解释新上线的PD（违约概率）模型在房地产板块的敏感性分析结果；午休后清洗并标注新增的小微企业还款行为数据，优化反欺诈规则集；15:00用Python重跑压力测试场景（如利率骤升200BP、失业率跳升3%），生成VaR与ES变动报告；16:30与IT协作部署模型监控告警脚本至生产环境；下班前更新风险仪表盘，并邮件同步监管报送口径调整要点。全程需兼顾模型可解释性、合规留痕与业务落地时效。
需具备扎实的数理基础与金融实务理解力，主流机构普遍要求硕士及以上学历，专业聚焦金融工程、统计学、应用数学或计算机科学。核心能力包括：熟练使用Python（pandas/scikit-learn/PyTorch）与SQL处理高维时序数据；掌握GARCH、Cox比例风险、蒙特卡洛模拟等量化方法；熟悉Basel III/《商业银行资本管理办法》等监管框架；持有FRM Part I/II或CFA二级为显著加分项。
可以，但需系统补足金融知识短板（如通过FRM一级+银行信贷实务课程），并用Kaggle风控赛或开源项目（如Lending Club违约预测）构建可验证的模型作品集，证明能将统计能力转化为业务风险洞察。
是。需每日监控模型稳定性（PSI/CSI）、特征漂移及预测偏差；每季度执行模型重训与回溯测试；遇重大政策调整（如LTV上限变化）须72小时内完成影响评估并提交应急方案。
不会被取代，但会深度重构。AI加速了模型开发与异常识别，但监管问责要求人类持续判断模型假设合理性、业务逻辑一致性及黑箱决策的伦理边界——这正是量化风险分析师不可替代的核心价值。