“薪資可達兩百萬，獎金無上限。”
你會以為這是某個愛畫大餅的公司的銷售招聘廣告，但事實上，高薪的誘惑來自今年金融業(yè)的“量化AI”崗位。
作為被今年AI新浪潮顯著帶火的金融職業(yè)門類，量化AI離錢很近。半個月前，來自華爾街的新聞印證了這種誘惑可能帶來的后果：量化巨頭Two Sigma的一名量化研究員由于通過私自修改交易模型，讓自己拿到了約2350萬美元（約合人民幣1.7億元）的巨額獎金，因此遭到美證交會調(diào)查。
在獵頭的直觀感受里，這是個頂住了金融降薪潮、互聯(lián)網(wǎng)裁員潮“雙重寒冬”的人才市場：今年不僅相關(guān)崗位明顯比以前增多，招聘廣告上的薪水和條件也都很香。“量化金融機器學(xué)習/AI方向，經(jīng)驗不限，70-100k，24薪” 、“量化策略研究員（AI方向），90k以上，18薪”、“量化算法專家（AI），100k以上，16薪”……
有求賢若渴的機構(gòu)甚至給應(yīng)屆生也開到百萬年薪。千億級量化私募「幻方量化」給實習生的日薪達到1000元。

高薪背后是機構(gòu)對稀缺性人才的爭奪。獵頭Kim告訴職場Bonus，今年，基本各家耳熟能詳?shù)牧炕径荚谡蠥I方面的人才。
K線圖、交易波動、財務(wù)數(shù)據(jù)……資本市場每時每刻都會涌現(xiàn)大量的數(shù)據(jù)，量化投資，要從中挖掘因子，建立模型，找到規(guī)律，開發(fā)投資策略，來為企業(yè)和投資者賺取超額收益。量化投資機構(gòu)本身盈利相對可觀，AI則相當于給量化裝上了加速器：AI在多個環(huán)節(jié)，尤其是尋找非線性規(guī)律上，有著巨大的價值。
因諾資產(chǎn)創(chuàng)始人徐書楠表示，量化發(fā)展還處于紅利期。中國基金報近期報道稱，目前整個A股市場上40%的成交量是程序化交易。美國市場的程序化交易量占大約是80%。隨著注冊制的改革，國內(nèi)的量化AI未來可能有巨大增長空間。
而對于已經(jīng)符合標準的AI人才來說，這個行業(yè)是否適合自己，也需要仔細考慮。

量化×AI：1年把幾億資管規(guī)模再翻100倍╱01

用數(shù)學(xué)能力打破簡歷歧視 ╱02

Quant 4.0已來，去金融還是互聯(lián)網(wǎng)？╱03

適應(yīng)“不確定性”和“光桿司令” ╱04

量化×AI：1年把幾億資管規(guī)模再翻100倍

AI在量化投資的多個環(huán)節(jié)都能產(chǎn)生不菲價值。而一個量化AI算法研究員的崗位JD，通常包含這兩項要求：

1、運用機器學(xué)習或深度學(xué)習方法，發(fā)展復(fù)雜的交易模型，構(gòu)建嚴謹?shù)乃惴ㄔu估體系，形成對市場行為的洞察；
2、緊跟算法模型研究前沿趨勢，設(shè)計開發(fā)新的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)/算法模型，以適應(yīng)金融數(shù)據(jù)，不斷測試復(fù)雜的投資理念。

量化研究員Victor向職場Bonus解釋稱：這份工作的本質(zhì)價值，是利用機器學(xué)習、深度學(xué)習等AI技術(shù)，從龐雜的市場數(shù)據(jù)中找到不平衡點，計算套利，開發(fā)能從市場上賺取超額收益的投資策略。
“量化是最容易玩到AI的：AI可以幫忙實現(xiàn)信息自動收集、指令下達以及持續(xù)在線等行為。”這意味著：交易員可以不再手動挑選變量，而是通過“無監(jiān)督機器學(xué)習算法”，來挑選出建模最優(yōu)的變量。深度強化學(xué)習和神經(jīng)網(wǎng)絡(luò)可以構(gòu)建一個具有認知體系的投資組合系統(tǒng)。
這種價值對私募（PE）機構(gòu)尤為重要——業(yè)內(nèi)公認用到AI最難，搶人最激烈，也是薪資最高的量化AI崗位，基本上都是來自私募。
私募是高度市場化的金融機構(gòu)。在國內(nèi)談?wù)摿炕话愣际侵杆侥嫉墓善焙推谪浀牧炕?。在私募，研究員每個策略帶來的市場收益將直接變成公司資產(chǎn)和投資人收益。其他類型的機構(gòu)，例如做保險、可轉(zhuǎn)債利率債的量化，相對而言難度較低。
“量化私募投資機構(gòu)在搶人方面很crazy，有時候甚至能給到八位數(shù)（千萬年薪）。”獵頭Flaw向職場Bonus感嘆道。近幾年，AI人才給機構(gòu)帶來的價值更為明顯。“2020年，我的一個私募客戶當時規(guī)模只有幾億，他們拿出幾億的資金，一下子招了20-30個這方面最頂尖的清北畢業(yè)生，后來只用了一年多的時間，就把公司資產(chǎn)管理規(guī)模翻了100倍。”
Flaw表示自己近幾年見過類似的例子有7-8例，有的機構(gòu)在不到一年內(nèi)，就把資產(chǎn)管理規(guī)模擴大了幾百倍。
而這一行落實到員工身上的薪資總包，通常由基本薪資、獎金和員工基金收益構(gòu)成，部分公司會給分紅。至于一個成熟的量化AI崗能達到幾百萬的年薪，則是很正常的事。但要注意的是，對于應(yīng)屆生來說，實際年薪彈性很大，范圍橫跨30萬-200萬。
開出高薪背后的雇主實力，離不開近年來量化私募的可觀盈利。
私募排排網(wǎng)最新數(shù)據(jù)顯示，今年前三季度收益Top10的私募中，量化私募占了7席。百億元級量化私募，今年以來表現(xiàn)尤為出色：有28家量化私募前三季度收益率平均值為5.75%，遠超私募整體均值1.44%。其中，信弘天禾、寬德私募、穩(wěn)博投資、衍復(fù)投資、因諾資產(chǎn)的收益率今年以來均在9%以上。
實現(xiàn)盈利印證后，企業(yè)自然考慮逐步加大相關(guān)投入。
艾瑞咨詢發(fā)布的《2023年中國金融科技行業(yè)洞察報告》中指出，50.3%受訪的金融機構(gòu)計劃加大對決策智能的智能化應(yīng)用的投入，其中73.5%對此高度重視——根據(jù)量化私募相當一部分盈利來自于指數(shù)增強產(chǎn)品的特點，這個數(shù)字恐將只增不減。

用數(shù)學(xué)能力打破簡歷歧視

“投遞簡歷的互聯(lián)網(wǎng)人才很多，但基本都卡在了背景上。”這是昱辰寬客獵頭Leon的日常煩惱。

除了對量化研究經(jīng)歷有一定成果上的要求，不少量化AI崗對背景資質(zhì)嚴苛的擇優(yōu)規(guī)則，幾乎讓普通求職者望而卻步：“計算機、數(shù)學(xué)、物理專業(yè)背景，清華/北大/藤校碩士以上學(xué)歷（博士優(yōu)先）；在計算機頂會或者頂刊有論文發(fā)表；奧賽經(jīng)歷、ACM、kaggle等國際賽事獲獎?wù)摺睘榱藫尩饺蝽敿獾娜瞬?，企業(yè)主還會直接到藤校進行秘密招聘。

仿佛世界上最優(yōu)秀的人才能做量化AI。

“毫無疑問，量化行業(yè)是我在中國見過的學(xué)歷要求最頂尖的行業(yè)，”獵頭Flaw的語氣聽上去相當肯定。他手中的候選人里，有來自全球奧林匹克數(shù)學(xué)競賽中國隊的第一、第三名，以及某物理競賽中國隊的第二名。“你想想，人家為什么愿意把錢給你，而不是給別的人去做？當然是你的策略要比別人好，要能在資本市場上競爭得過別人，能創(chuàng)造巨大的利潤?！?br/>

國內(nèi)的量化公司人數(shù)普遍不多，而這種“要全中國最頂尖”的過高標準，大大縮小了可選擇的人才范圍。Flaw稱自己的客戶涵蓋了八成以上的百億級私募，但一個崗位平均每月能收到大致符合的簡歷也就只有80份，最后能過篩的僅2-3份；而到了面試環(huán)節(jié)，考察的維度包含了代碼能力、論文情況、交流能力和數(shù)學(xué)統(tǒng)計能力。

難道不是清北博士，不是QS前20，沒獲過獎，沒發(fā)表過頂刊論文，就和這個高薪崗位有緣無份了嗎？

——其實也不盡然，真實的求職市場上仍有不少例外。

Flaw列舉了幾類典型例子：有的人在校期間做的是保密性質(zhì)的研究項目，不允許發(fā)表論文，更不會出現(xiàn)在頂刊；有的人可能在校成績一般，但由于在量化相關(guān)的實習中做出了非常優(yōu)秀的歷史業(yè)績，也能被雇主看中?！安荒芙^對地用學(xué)歷或者論文情況去衡量，因為最后還是要看綜合能力和行業(yè)適應(yīng)力。”

而綜合能力中，數(shù)學(xué)思維乃重中之重：數(shù)學(xué)是全球所有量化機構(gòu)都青睞有加的專業(yè)，企業(yè)主們也愿意為數(shù)學(xué)能力強的人打破規(guī)則。在量化交易行業(yè)已發(fā)展較成熟的美國，相當一部分數(shù)學(xué)Phd會選擇從事量化。

這是因為，量化交易是一種利用數(shù)學(xué)模型和計算機技術(shù)來進行投資決策的方法。開發(fā)能夠盈利的投資策略，是每個量化人的核心競爭力，且背后依賴的就是數(shù)據(jù)分析和數(shù)理統(tǒng)計推理的能力——而這些，都是數(shù)學(xué)人的強項。

Flaw最近剛好有一位這樣的候選人。“他才23歲，幾乎不會編程，但是數(shù)學(xué)非常強，他只要寫幾個腳本，告訴別人怎么做，就能夠在利潤方面超過很多人。”

Quant 4.0時代已來，去金融還是互聯(lián)網(wǎng)？

在互聯(lián)網(wǎng)行業(yè)，今年AIGC人才招聘的大年。對比之下，金融行業(yè)對AI人才的總需求量并不算高。獵聘大數(shù)據(jù)研究院發(fā)布的《AIGC及其產(chǎn)業(yè)鏈人才需求大數(shù)據(jù)報告2023》顯示，2023年1-8月，AIGC人才在各行業(yè)需求中，IT/互聯(lián)網(wǎng)/游戲行業(yè)新發(fā)職位數(shù)量斷層第一，為62.23%，同比增長305.36%；而金融行業(yè)新發(fā)職位數(shù)量位列第四，為3.13%。

在初級崗位的正常薪資上，二者也不分伯仲。甚至對于無法在量化AI拿到較高薪資的人，互聯(lián)網(wǎng)科技企業(yè)可能會給出更為優(yōu)厚的待遇。對比之下，量化行業(yè)準入門檻似乎還比互聯(lián)網(wǎng)高出不少。

對于同時符合兩者招聘條件的AI人才來說，如何站在人生岔路做選擇，要聽從的還是“興趣”——這也是職場Bonus訪談多名相關(guān)招聘人士和從業(yè)人員后得出的結(jié)論。

“到了這個層次，很多人是沒法用金錢打動的。”Flaw認識的多數(shù)優(yōu)質(zhì)候選人都有自己的熱愛和理想，“有的人喜歡金融，有的人喜歡自動駕駛、互聯(lián)網(wǎng)，他們會優(yōu)先選擇自己感興趣的行業(yè)。”

事實上，比起當下大多被人工智能悄然改變的行業(yè)，金融作為非實體經(jīng)濟行業(yè)，無法創(chuàng)造看得見、摸得著的實業(yè)價值。對于很多想要用科技改變世界、成為下一個的喬布斯、埃隆馬斯克的有志青年來說，金融很難勾起他們的興趣。

“去互聯(lián)網(wǎng)能干實事兒?！笔壬茿I領(lǐng)域的創(chuàng)業(yè)者，此前曾是阿里的算法工程師，他對金融行業(yè)就興致缺缺，“如果說同樣是搞計算機的情況下，我去汽車企業(yè)或者互聯(lián)網(wǎng)企業(yè)，未來很可能看到自己做的東西切實改變了人們的生活。但是去金融好像挺難實現(xiàn)的?！?br/>

然而另一位在互聯(lián)網(wǎng)AI崗位實習過的海外名校畢業(yè)生則認為：互聯(lián)網(wǎng)的個人發(fā)揮空間也有限，工作內(nèi)容多數(shù)是沿著已有的理論道路去做修補；而量化能夠把數(shù)據(jù)研究方法運用在時刻變化的金融市場中，是一件很酷的事情，她也最終因此選擇了量化研究員的崗位。

對比互聯(lián)網(wǎng)的996，量化AI工作很大的一個亮點，是更方便實現(xiàn)work-life balance。

由于從業(yè)者要跟蹤實盤數(shù)據(jù)，因此節(jié)假日基本不加班，甚至非交易日直接放假。比如去年十一，因為節(jié)后兩天是非交易日，很多量化公司直接放9天假，今年十一更是不調(diào)休，只在交易日上班。

薪資方面，雖然對于應(yīng)屆生初級崗位，兩者薪資差距不大；但是未來漲薪路線上，量化AI或許更勝一籌。

獵頭受訪者們向職場Bonus透露：經(jīng)過4-5年的發(fā)展，量化的薪資水平會比互聯(lián)網(wǎng)高得多。量化AI研究員們在市場上摸爬滾打幾年之后，有了自己的策略經(jīng)驗，管理的資產(chǎn)規(guī)模擴大，獲得的超額收益穩(wěn)健增長，進而拿到的獎金或分紅也就相當多。

這一點已經(jīng)是不少互聯(lián)網(wǎng)AI人才，想要轉(zhuǎn)型量化AI的主要原因。

Flaw曾有一位候選人，畢業(yè)后在互聯(lián)網(wǎng)大廠做了2年的機器學(xué)習，轉(zhuǎn)行進入量化行業(yè)后只用了1年，就做到了年薪400-500萬——而他今年只有31歲。另一位受訪者，量化研究員Victor也向職場Bonus認同了這種漲薪速度帶來的跳槽偏好。

但獵頭受訪者們也特別提示了這其中存在的“幸存者偏差”：能夠轉(zhuǎn)型量化的互聯(lián)網(wǎng)人，在原行業(yè)薪資都不低。如果轉(zhuǎn)型做量化，在初期開發(fā)不出能夠獲取超額收益的投資策略，就只能拿基本薪資和員工基金收益，薪資可能要比原本在互聯(lián)網(wǎng)的總包要低。

適應(yīng)“不確定性”和“光桿司令”

對于從互聯(lián)網(wǎng)轉(zhuǎn)型的人來說，除了前期薪資低的風險，思維的轉(zhuǎn)變才是最需要跨越的大山。這一點也是Flaw在挖人時最大的擔憂。

“我們找到的人，技術(shù)上都是沒什么問題的。但如果他的態(tài)度過于理想化，沒能改掉自己在互聯(lián)網(wǎng)那邊的思維和工作習慣，就會導(dǎo)致最后沒能通過試用期。”每當企業(yè)主因此將候選人退回時，F(xiàn)law倍感挫折，卻也無話可說。

這種思維轉(zhuǎn)變的關(guān)鍵，主要在于對量化本質(zhì)的理解。

“管它黑馬白馬，能跑起來的就是好馬?！被ヂ?lián)網(wǎng)的程序很多時候是添磚加瓦，核心不會變；而量化程序的推翻重來，則是再平常不過。研究員們需要不斷大幅迭代自己做出來的算法、模型，以適應(yīng)瞬息萬變的資本市場。原本的策略基本在兩個月后就會被完全推翻。

聽上去似乎挺容易理解，但這兩種思維模式之間轉(zhuǎn)變的難度，往往出乎很多候選人的預(yù)料。

“如果是讓他短期之內(nèi)去克服一下，基本沒有問題。但你讓他長期去做，思維沒轉(zhuǎn)變過來的話，就沒辦法通過這么嚴峻的考驗。”Flaw說道，“學(xué)習能力方面，人選如果想轉(zhuǎn)型去做量化，必須要把自己的思維拉回到當年高考、做畢設(shè)時候的高度。”

已經(jīng)成功轉(zhuǎn)型做量化的Victor對于思維差距的本質(zhì)認識更為深刻，他認為兩者的差異在于：單純的計算機程序，是一種確定性的關(guān)系。而量化策略帶有數(shù)學(xué)推導(dǎo)的概率結(jié)果，本質(zhì)上屬于“不確定事件”，結(jié)果可能與預(yù)期相背離，要時刻有推翻重來的心理準備。

除此之外，量化AI的工作模式也需要轉(zhuǎn)型者去主動適應(yīng)。

對比起美國量化一百年的歷史，量化行業(yè)在我國發(fā)展歷史短短十余年，量化AI也不過幾年的光景。目前量化AI在國內(nèi)發(fā)展仍處于初期階段，企業(yè)體量小，最大的機構(gòu)也不超過300人。正因如此，大部分機構(gòu)里的量化AI團隊人數(shù)少、甚至有單兵作戰(zhàn)的情況。

這與互聯(lián)網(wǎng)企業(yè)動輒一個部門里一個領(lǐng)導(dǎo)帶領(lǐng)十幾、幾十個人，甚至上百人的情況大相徑庭。“互聯(lián)網(wǎng)的領(lǐng)導(dǎo)來到這邊，突然變成一個光桿司令，或者是只管一個小團隊，連獨立辦公室都沒有，心里多少會有不平衡。”

當然，量化AI作為一個挑戰(zhàn)與薪水齊高、管理屬性不強的工作，終會吸引更多能排除萬難的有志之士。等到它成為第二個“互聯(lián)網(wǎng)”，準入門檻當會難上加難。而對于完全對金融、數(shù)學(xué)“絕緣無感”的朋友，也不建議為了薪資，盲目更換去不適合自己的行業(yè)。

參考文章：

1. 《郭健發(fā)聲！Quant 4.0：量化投資站在AI新風口上》， 姚波，中國基金報

2. 《從互聯(lián)網(wǎng)到量化，他們做出相同的選擇》， HFA Community

3. 《量化巨頭被查》， 聶林浩，上海證券報

撰文|單咪

編輯|陳桐

排版|戴修齊