华尔街的金融工程师最爱招什么专业的人？

花街矿工平均15万年薪的事实就赤裸裸地放在那里，眼红吗？

在各种非金融学科和金融学生抢Quant饭碗的时候，再不行动起来就只能坐以待毙，高智商和高收入的投行Quant，传说是一水的斯坦福/MIT物理PhD？

港真，还有一条捷径可以走

进Quant三大硕士专业：MFE（金融工程硕士）、MQF（量化金融硕士）、MMF（数理金融硕士）

今天小编总结：

1.怎么进这些Quant相关专业？

2.Quant相关专业都在学什么？

3.毕业做什么？赚多少钱？

4.美国Quant就业最好的Top 10项目

5.Quant就业必备技能

怎么进FE/QF/MF专业？

本科学什么申FE/QF/MF最有优势？

• 数学：FE/QF/MF专业对数学背景要求颇高，所以如果本科是数学相关专业，研究生转FE/QF/MF最有优势，毕竟数学专业的学生多会接触到R、MATLAB、C++等，这些语言也是做Quant必备的，而且学数学的同学数理推倒能力强，统计学相关基础也不错。

• 计算机科学：不用说，编程能力杠杠的背景也是Quant相关专业喜欢的。

• 经济学金融学等：传统的商科专业还有EE、统计学这些和数学、编程、金融相关的专业也可以申请。

FE/QF/MF专业是什么？

Financial Engineering（金融工程）、Mathematical Finance（数理金融）、Quantitative Finance（量化金融）这些专业是综合运用数学、统计和计算机编程技术去解决金融问题的学科。也是金融中专业性最强的一个专业。是一门综合了金融学、数学和计算机科学的交叉学科。因此，对于理科成绩好，又对金融感兴趣的同学，这是一个非常不错的选择，而且此专业为理工背景的毕业生提供了转行的机会。

Finance vs FE/QF/MF

• Finance专业：主要偏金融理论知识，主要学习的是公司理财、企业并购、投资管理与投资方法的内容，具备基本的数学和经济学基础即可。

• FE/QF/MF专业：主要偏金融数据分析，广泛使用模型，用数学方法分析股票走势、收益率曲线，分析各种债券的定价规律、作用和应用策略。而且对数学和计算机编程的要求非常高。

FE/QF/MF学什么？

首先FE/QF/MF专业想培养的人需要：

• 有扎实的数学、经济学理论基础

• 掌握基本金融理论、金融数学、金融工程和金融管理

• 能够开发、设计、操作新型的金融工具

所以美国大学的FE/QF/MF专业课程设置均涵盖实用性较强的金融学和理论性较强的数学与统计学：

• 金融学的相关课程：金融市场学、证券投资分析、公司金融学、衍生金融工具研究、投资组合分析、期货和期权等。

• 数学相关课程：时间序列分析、期权定价的数学分析、随机积分、衍生产品的数学方法等。

FE/QF/MF就业起薪如何？

FE专业毕业的学生在美国的平均工资超过了9万刀。其中experience的程度也会影响薪资：

• Experienced：$150k+

• Mid-Career的：$120k+

• Entry-Level：$85k+

相比其他专业，这个起薪相当有优势了。

数据来源：payscale

2017年最好就业的FE/QF/MF项目Top 10

数据来源：quantnet

各个项目的详细介绍+录取条件+就业前景猛戳：美国名校金融工程（MFE）专业大盘点！揭秘各项目录取条件与就业前景

FE/QF/MF学生的就业出路？

• 做“矿工”：对于专业背景比较强的学生，毕业后可以利用自己在计算机方面的优势，去投行、对冲基金从事投资战略分析和风险管理。当然，也有做quant工的小伙伴吐槽，自己像是华尔街的IT蓝领，每天就对着电脑写代码，没什么机会与人打交道。

• 做Trader：对于编程能力没那么强或者不希望从事quant的学生来说，在投行或者对冲基金做Trader也是个不错的职业选择，可以利用他们对金融衍生品及风险管理的知识。

Quant就业必备技能？

• IT方面：Hadoop显然是你必须要了解的一个重要工具。Hadoop只在少数项目中能够用到；基于C/C++或者Java创建的定制环境（Custom Enviroments）要相对重要一些。

• 编程语言方面：C/C++/Java/MATLAB依旧是你最需要了解的，虽然同样高效的Python和R越来越多地出现在项目中。

• 硬件方面：很重要的一点是要记住投行业基本属于*nix世界（比如Linux，等等），所以了解这些系统是很必要的，同时还要了解SQL（在短期内还不会消失）和NoSQL数据库方面的知识。

• 数学能力：理想的候选人必须熟练掌握统计分析、预测模型和微积分（包括微分、积分和随机形式）。

• 其它软技能：你必须有很强的好奇心和持续的兴趣，深入挖掘新想法和新技术，从而为不断出现的复杂问题寻求可能的解决方案。