详解热门的美国金融工程专业

棕榈大道成立于斯坦福大学，我们拥有2000 的导师遍布北美和欧洲顶级名校，和你一起打破行业信息不对称，改变留学，变革教育。

Quant 介绍

金融工程是一个比较广的专业，按我的理解，它是把金融数学的工具，成功运用到工程上之后形成的学科。什么是工程呢，你已经拥有现有的成熟的技术了，我们没有更多的科研需求了，而是把它做成一套体系交给普通人去做。是一种职业培养方式，而不是科研。

金融工程是面向工作而不是科研。

Quant 具体分工和具体需求

它主要的分类有风险管理、衍生品定价。

风险管理属于风控，离钱稍微远一些，工作比较稳定，主要拿常规性薪水。风险管理在 Quant 中是比较特殊的一类，就在于它的稳定性，需要的基础就是统计。

衍生品定价，在我看来是比较难的，要写一些些随机微分方程。

大家都知道 Black-Scholes模型吧，它算是衍生品定价最基本的概念。

Quant 在这一块的分工呢，主要应用在金融机构里的 OTC，私下交易里有一些对等的产品，你要对这些产品进行合理的估计，就需要这些知识。

金融机构 IT 系统的维护开发：

作为一个金融系统背后的稳定性是非常重要的，需要 IT 人员去维护。所以相对应地他们需要掌握算法和数据结构的知识。

量化交易策略开发：

这种人才就是要对统计继续学习，还要有一定市场直觉。他们是真的在背后建数学模型的人，当你建好一个量化交易的粗略模型，通常会给金融 IT 的这些后台的人，用 C 语言去开发。

量化交易员：

不光是在后台建模型，还要去前台去管理钱。

量化交易在中美的市场：

美国市场：75% 的股票交易来源于这种量化交易自动化系统。

中国市场：由于许许多多复杂的原因，比如政策的不稳定性、金融工具的缺乏，中国市场的封闭性，换句话说，就是躺着也能赚钱。

交易策略举例 1

中国市场，所有的股票，他们的相关性都非常高，基本上整个大盘跌的话，所有股票都跌。

在美国，各股和大盘的相关性非常非常低。

其实量化，就是计算机代替人来做事情。

基本面数据驱动：

通过公司的财务报表、股票历史走势联合预测公司未来的股价变动。

比如商场，可以通过卫星遥感去看商场门口停的车数量，来判断运营状况好坏。

它比人的好处在于，人比较主观，用量化交易起到验证的作用。

文本挖掘：

在 facebook、twitter 上啊，或者通过卫星遥感，很多人可能没有那么快速地捕捉第一手信息，然后我去抢占它，找到它和股价之间的关系，从而完成我的交易。

纯数据挖掘：

最典型的是期货趋势策略，通过历史的模式，我们认为未来是重复历史的，历史的数据我们可以学习来预测未来走势。

交易策略举例 2：

套利：

统计学基本原理之一，利用金融产品之间的关联，寻找 100% 获利的可能。最后市场一定会趋于无套利空间。

统计套利：

利用金融产品的之间的关联，寻找 >50% 获利的可能。

比方说在同一个领域有两个公司非常像，我们从历史上发现他们的走势基本是一致的，有一天你突然发现他们有 1% 微小的差距。

通过我们对历史的规律总结，这 1% 只是瞬间的现象，最后他们还是会趋于一致。这就是我们没有 100% 获利空间，但可以通过历史数据可以发现有很大概率盈利。这就是我们的统计套利。

宏观经济：

对全球宏观上的经济情形进行预测，交易外汇、石油、金属等与经济形势有强关联的资产。这一块量化交易还并不是那么占优，宏观很多时候判断是靠人主观经验去完成的。

高频交易：

通过对市场微观结构的挖掘，预测极短时间内的资产价格波动。是一个特别火的概念，它之所以这么热门，是因为它的回报率非常非常高。

举个例子吧，香港有个做高频交易的公司，他们每年在高频交易的硬件投入上是 300 万美元，但是他们一年在这上面的回报呢，也只有 600 万美元。可能一开始在这里面 50 万美元就够了。

高频交易的基本原理就是你对市场微观结构的挖掘和预测，还有就是你可以作势，我又买又卖，为市场提供流动性。

量化交易的好处

• 大数定理保证长期盈利的概率几乎为 1。

因为量化交易是持续稳定的，用同一套逻辑做同一件事情。它相当于，只要我有 >50% 的概率，交易次数足够多，那我赢钱的概率肯定是会趋于 100% 的。

• 效果可验证。

不像你主观交易你拍脑子这个东西赚钱你就直接上，可以通过非常严谨的历史判断它是否是可行的策略。

• 对风险暴露的极强把控。

所有的量化交易，如果认真去做研究的话，是知道现在的策略受什么影响，什么情况下会赔钱，什么情况下不赔钱。

• 不受人的情绪影响。

因为是机器在自动执行。我们公司在运营一个策略在去年股灾的时候，基本上把两三个月的利润吞噬了，但是我们坚持交易下来，两个月后我们又把这个亏损填补了下来。

• 自动交易，省心省力。

你不用天天去盯盘，有好的策略之后你就可以给它去运行。

Quant 相关 program

Top 硕士项目：

CMU、Columbia、UCB、NYU、Stanford ICME MCF、Baruch 基本都在纽约。

Stanford 有一个 Mathmatical & Computational Finance 项目。

这个项目是前年才新开的项目，所以你在排名上根本找不到。但是这个项目依托于强大的斯坦福资源，还是很有竞争力的。

金融相关项目：

MIT 和 Princeton 的 Master of Finance。

Princeton 一般是高帅富去的项目，也非常难。

你们可以去看看已经入学的学生简历，真的是亮瞎眼睛。

最后我想介绍一下相关的 Ph.D.：

据我所知，最相关的博士项目是斯坦福和普林斯顿，Stanford ICME，Princeton ORFE, UCBIROR, Columbia IROR。

除了这些，还有就是运筹学和统计学的 Ph.D.。

如果你本身喜欢研究，又对金融市场有兴趣，可以去读博士。

很多时候在交易市场没有一个标准答案市场，这个过程你就要去不断研究。

申请准备

特别注意以下课程：

• 微积分、线性代数，这两个是一切后续课程的基础。尤其是线性代数。

• 概率论、统计，在做量化交易时要做很多历史数据的统计，所以这个也很重要。

• 偏微分方程，随机过程，这两个就是和衍生品定价相关。

• 编程（ C /python，MATLAB，R），编程在当今这个年代，几乎是一个必不可少的技能。C ，做高频交易比较多，真正做量化交易还是科学计算语言比较多。

GRE 和 TOEFL

这个在申请过程中可能不是那么重要，但当你真的找工作时，你会发现如果你英语不强，真的是一块短板。

Quant 作为金融领域的工作，与人交流的能力是十分重要的。

从功利角度，尤其在面试的过程中，与面试官用英文沟通的能力很重要，其次当你真的入职后，你怎么与人交流你怎么想的，也是需要英语的，所以提高英语能力不光是为了申请，它们也是你职业发展上必不可少的技能。

科研

除非申请 Ph.D.，否则科研只是锦上添花的东西。可以考虑参加一些比赛，如美国数学建模比赛。

实习

实习实在是重中之重的东西。

Big name 相关（顶级对冲基金）> big name 但不相关（投行）=相关（小型对冲基金）>不相关（国内券商）

Big name 在履历上是很占据优势的，小的对冲基金，你可以学到很多开发策略的实践经验。

推荐信

实习老板、某一课程老师、科研导师、毕业设计导师。

原则就是要么这个老师特别特别有名，要么就是他非常了解你。

我的个人经验是，我会把我的 CV 注重我的个人经历，PS 是一篇文章把我的经历串联起来。

推荐信，就是把我做的实习、做的科研，更细节的部分在推荐信中体现。

实习机会

打一个小广告

Pengfei Gao

[e-mail]

地点：中关村（北京）

有偿：基础工资 策略分红

内容：利用统计、机器学习与数学优化，进行策略开发的研究。每个实习生都会有单独的项目，并获得一对一指导。

要求：会使用 python 或 matlab 之一。

Q&A

1、将来想做 Consulting 领域，请问在美本上学选择纯数还是应用数学？

这个好像没什么疑问吧，必然是应用数学。你要真学纯数，肯定是往学术界发展。

2、对 Quant 非常感兴趣，准备申请 Master in Finance 也是可以选修 Quant 的吧？

首先你去美国申请 Master in Finance 的话，我觉得你是很难找到工作的。

传统的金融行业在美国都会被拥有美国身份的白人所统治的，作为一个中国人，除非你有非常强的 social 能力，你的英语和 native speaker 没有任何差距的话，你才可能有立足之地。

所以从申请的角度，Master in Finance 可能没有太多的竞争力。如果你对 Quant 感兴趣，我反而建议你学一些 data science 专业。

据我所知，MIT 那个 Finance 的项目确实有一些 Quant 的相关课程。

3、想读 buisiness analytics，似乎对 Quant 的要求不是特别高，BA 毕业想做量化是不是会比较吃力？

的确比较吃力。

主要是 buisiness analytics 和 Quant 没什么关系。

在我看来做 Quant，其实和金融交易还是比较远的，更多的是你的编程能力，你对统计学的了解，和金融相关的部分就是市场直觉的部分了，做 Quant 的金融知识，其实是可以一到两个月补全的。

4、如何拿到很好的实习机会？

这个就看你是什么阶段了。如果你找到一个好项目之后，就完全看你英语是否足够好，你是不是刷了足够多的题，一般只要你进入了一个好项目，你都是能拿到一个好的实习机会的。

但是对于申请之前的实习机会呢，我建议大家，你可以先考虑一些 big name，有这个行业相关的经验在简历上是非常有亮点。

找不到 big name，可以去一些小型的量化对冲基金，可以去应届生这样的网站搜一搜。

大家可以去看看对冲基金的老板是从哪里来的，是什么名校的 Ph.D.毕业的，如果能够带你呢，我觉得是一个非常好的机会。

5、面试会问什么？

面试主要有会有一些脑筋急转弯，考你的反应能力。

然后会问一些概率论基础问题，扔个硬币呀，算算排列组合这种，然后一些统计的知识。

最后最重要的一块就是编程问题。

6、ICME 对申请学校的 GPA 要求是怎么样的？

他们在挑选人的时候就会想你是否能把很难的课程坚持下来。

换句话说，它对 GPA 的要求是很高的，当然还是要看你学校，除非你是北大数院的，要不你就要想办法证明自己可以学下这些课程。

这里给大家一些经验，大家可以去上一些斯坦福的远程课程。

7、ICME 有哪些很好的相关方向？

ICME 没有自己的教授，都是从别的院系，主要是统计系、数学系，还有运筹管理系，它主要围绕数字算法、优化、统计、大数据经济学，所以你只要进了这个院系，任何一个老师都是你可以选择的。

8、已经在投行做量化开发，还有必要出国念 MSE 吗？

你在国内做量化，就要看你老板能不能带你，如果没有自己瞎折腾，纯粹就是浪费时间。

如果是念 MSE 回来，哪怕是最强的 MSE，你没有在金融机构做过，那我觉得也是没有什么亮点的。

MSE 只是一个敲门砖，你不要太依赖在这个硕士项目学到太多知识，大部分是你刚入学就要找第二年的暑期实习了。

是导师，亦是朋友

监督学习，也常伴左右棕榈大道期待与你一同成长

更多留学申请干货请关注微信公众号：棕榈大道

留学服务咨询请联系微信号：palmdriveVIP3 (研究生) rhea_me (本科)

(回复“头条号”有绝密资料赠送~)

棕榈大道成立于斯坦福大学，我们拥有2000 的导师遍布北美和欧洲顶级名校，90%导师来自世界排名TOP30的学校，为同学提供一对一学业规划、留学申请指导、海外文化融入、职业规划服务。