不论国别，“金融工程”一直是留学的热门专业，很多本科学习理工科、商科的同学都想申请这类专业，毕业后从事金融类的工作。
原因如下：
1.由于金融工程属于工程类STEM专业，因此申请OPT、H1B等工作签证会比传统商科类专业容易。
2.中国孩子在数学、编程上的优势以及对金融的兴趣也使得在这个领域有天然的竞争力。
3.最近几年国内金融业蓬勃发展，私募基金、量化投资逐渐受到关注，不少华尔街资深人士也纷纷回国创业，这为现在的留学生们提供了丰富的就业机会。
实际情况真的如此吗？听听留美学长怎么说。我赌上这一脸的帅气担保：这可能是最全的”金融工程专业“解析文……
一丨国内金融市场盈利前景可观
自动交易、量化投资在美国也是比较新的领域，即使是美国一些如雷贯耳的高频交易公司也未必是全自动交易，人工交易的部分还是有30%左右的比例，只有极少数的“高科技”高频交易公司才能做到基本上全自动。因此媒体营造的一些笼统概念未必就能真实反映业界形态。
量化投资也一样。虽然很多公司都会宣称自己运用“定性与定量相结合的投资方式”，但绝大多数公司的量化工具都较为简单，更多是辅助性质的，不需要要多么深的数学知识，只有极少数顶级的公司才会使用非常复杂的、计算量异常巨大的统计模型。
目前，国内的商品期货交易量早已是世界第一，股指期货交易量在严格监管前也已经是世界第一，首只股指期权也已经上市交易，未来原油期货、外汇期货、商品期权等也会陆续发展，因此中国的金融衍生品交易前景广阔，由于博弈程度还远未达到欧美水平，而欧美的巨头又被层层限制，因此未来几年国内金融市场的盈利前景是非常可观的。
二丨金融工程到底学什么？
这个问题其实大家上一下各个金融工程硕士专业的官网查看他们的课程安排基本上都可以有大致的了解，主要包括数学、编程、金融三大块。
数学上主要是随机过程、随机分析、随机微分方程等；编程更多是偏向于科学计算的编程，比如蒙特卡罗模拟、数值线性代数等，而不是计算机系统、应用软件的编程；金融其实更多的是数学和计算方法在金融里的应用，入门级的包括衍生品定价、投资组合理论等，像NYU,CMU等著名的项目基本上都会有非常实务的课程，比如算法交易、统计套利、量化股票投资等；从找工作的角度出发，建议选修一些跟实际结合更紧密的课程，课堂作业包括一些统计、编程的小项目而不仅仅是定理的证明，这样简历可以更充实一些，对找工作有很大帮助的。
最近出现了不少介绍量化投资和高频交易的文章。比如关于DE Shaw的创始人David E. Shaw，他原来是并行计算的博士，在摩根斯坦利工作几年后自己开办了DE Shaw公司，在金融市场获得丰厚收益后又转战生物医药领域，并取得了一系列科研成果。另外，文艺复兴的现任两位联席总裁原来都是IBM语言识别实验室的专家。可以看出，量化投资的很多模型和技术与其它领域是相通的。对于一些研究分工比较细致的公司，无论是学习统计、优化、计算、系统等方面的人都会有自己合适的位置。
在高频交易方面，或许计算机编程比数学统计更为重要一些，很多非常“暴利”的策略都主要依靠计算机硬件方面的优势，比如著名的Virtu Financial公司，最近已经成功上市，他们交易1260天仅有1天亏损；另外国内市场也有一些报道高频交易盈利惊人的例子，比如上海某公司600多万本金3年获利20亿，有一些交易方法游离于合法与非法的灰色地带。
三丨金融工程毕业能找什么样的工作？
可以说每位同学申请金融工程的初衷都不大一样，有些人确实对这个领域很感兴趣，有些人仅仅是觉得开设金融工程的名校比较多，有些人觉得它好找工作只是希望能借助这个学位在美国留下来，等等。
事实上，我接触了这么多学习金融工程硕士的同学，最后从事与金融工程相关工作的人并不是很多。
留在美国工作的，很多人即使在金融行业工作其实从事的也是很传统的金融工作，并不会涉及到复杂的C 编程；很多人依靠在金融工程课堂学习到的编程技能，加上自己的额外准备与本科的底子，在硅谷从事码工的工作。
其实人在美国很多时候是由不得自己选择的，如果第一目标是留在美国，或许难以找到最心仪的工作，而且这几年硅谷的扩招非常火爆，给的薪水也非常高，从事码工的工作未必会比金融工程对口的工作差；另外很多人虽然技术水平不大行，但英语很溜，最后从事对技术要求相对没那么高的咨询类工作。
最近比较热门的一些领域是机器学习、深度学习、大数据等，这些领域发展出来的模型一般都具有普适性，人们在图像识别、语音识别、自动驾驶等都能够成功运用，在金融相信也并不例外。比如高盛收购的金融科技公司Kensho，就是为了它在复杂计算方面的能力，使得客户可以方便运用统计学的方法来预测金融市场。
四丨跟金融工程相关的有哪些岗位？
1.最传统的是给复杂衍生品定价的quant
有时候一家公司负责一类产品的只有1-3个quant。这相当于于国内券商的行业研究员，每个行业对应几个研究员；或者期货的研究员，农产品研究员、能源化工研究员等，美国的金融衍生品更为发达，而且很多都是柜台交易，因此会有CLO/CRO/MBS等研究员，这些产品的研究更数量化一些，就是最传统的quant。国内的券商和期货公司也有金融工程小组、量化研究组等，更多是研究股票、期货的交易策略，因为国内柜台交易并不发达，复杂的衍生品不多。
2.最近比较火的是automatic market making的quant
这跟高频交易其实是差不多的，基本上大的投行和银行都会有，比如高盛、摩根斯坦利、花旗等，工作更多地是预测短期波动率、短期价格变化等，对编程也有一定要求，找这类工作跟去找高频交易工作其实是差不多的。这一类工作在买方和卖方里其实工作内容差不多，因此很多在投行工作的人几年后都会出来自己开公司，现在中国发展迅速，很多在美国大投行做AMM的quant都回国了。
3.第三种是对冲基金里面的quant，包括DE Shaw, Two Sigma等。
他们其实跟国内的私募投资基金比较像，事实上很多国内的这类基金都是美国从事量化交易的人回国创立的，比如金锝的创始人原来是摩根斯坦利PDT的元老，明浤的创始人也是美国多家投行和对冲基金的投资经理，等等。这类公司更多地是广泛收集各类数据，包括行情、基本面、财务、宏观等，然后构建统计模型来进行交易。这类公司应届毕业生是非常难进的，但对于有一定工作经验的却比较友好。
4.最后就是execution desk的quant
这更像是算法交易，跟自动做市有类似的地方。但执行层面往往属于后台部门，其实不少buy side quant也是从execution desk一步一步转变角色过来的。一般来说，入行之后再更换岗位会容易一些。
五丨工作怎么找？
quant的工作技术性比较强，所以对数学、统计、编程的基础要求比较扎实，有几本专用的面试备考书，比如绿皮书、红皮书，不要想“大家都这么准备那到底选谁？”其实很多时候其他人的勤奋程度并没有你想象中高；C 方面可以仿照码工看leetcode，如果铁了心留美国不妨多类工作都找找，以后跳槽回金融行业也是可以的。
时间安排上，刚去到美国的第一个学期就有不少实习机会了，但这时候大家简历上只有本科国内的经历，并没有美国的经历，所以最好在国内的时候就有相关的实习，比如大四暑假反正出国结果已经尘埃落定，不妨去一些证券、期货、私募寻找实习机会，最好是量化研究相关的。
如果运气不好，第一个学期没找到实习，冬季学期也有很多实习机会的，比如大的计算机公司基本上都是冬季安排暑假实习的面试；因此秋季学期也应该好好准备基本的码农面试，即使金融的实习没找到，暑假有个码工的实习经历也是挺好的。码农的实习不会对找金融工程全职工作有负面影响。
有了实习经历再找全职工作就会容易一些，至少有了跟面试官闲聊的机会。很多行为面试各个行业差不多的就不赘述了。
网上会流传一些quant的面经，还会标注一些“史上最难面试”的噱头。其实很多时候问的智力题brain teaser都是一些组合数学、概率统计、算法等的变体，基础好的话完全不必紧张。
六丨我个人的找工作经历
由于我喜欢高频交易的工作，主要也是面试这类的公司，比如Jump Trading, Tower Research, RGM Advisor等。
电话面试因人而异，有时会闲聊，有时会问数学题、编程题、智力题，有时是一对一，有时是一对多；有的还会有编程测试，有些是选择题，有些是要写代码的；
到了现场，一般是早上9点多开始，一直面试到下午4、5点，大概见10个人左右，每个人进来也是闲聊和做题。有时候如果那个人对你印象好或许他不会让你做题，或许让你做一些很简单的题；如果他对你印象不好，则会出一些很难的题。onsite的话一般他们会买好机票，但酒店的钱要寄发票过去报销。
中国和美国的对比？
李学长：本科毕业于中山大学数学与应用数学专业，研究生毕业于美国斯坦福大学计算与数学工程专业（现在已经与金融数学专业合并）。毕业后曾在美国从事期货高频交易工作，随后回国，目前在一家私募基金从事国内的期货量化与高频交易研究工作
由于我在美国工作了两年，在中国也工作了两年，都是做期货高频交易和量化交易，可以简单对比一下：
▲市场方面：
美国竞争激烈得多，已经是红海，中国还是蓝海。美国为了获取每年10%左右的收益率都是很困难的，大家要收集各种各样的数据来建模，模型要几千台机器来计算，每台机器几十个核；做高频的动不动就微波传输网卡优化，1、2个微秒都要抠。其实他们是把金融投资当生产汽车一样，不是科学，不是艺术，而是一门工程。每个人都作用也未必就是螺丝钉，有可能从A到Z都能参与，这一点每家公司都不同。
中国远远没到这个地步，可能就把股票日线数据拿来跑一下均线对外也说自己做“量化投资”；其实很多高频交易公司已经把重心放在亚洲市场；而且美国这几年是牛市，大家买普通的指数基金都能赚很多钱，对冲基金反而发展不好了。
▲高频 vs 低频
高频交易其实是最难入门的，它容量太小，在里面赚钱的人不会轻易教别人，而且超高频的策略一般是不需要怎么调整的，需要的人力也不多。低频其实更多用在资产管理，它需要非常多的策略来分散风险，因此需要更多的人力，既然要别人干活那首先肯定得教一下怎么干。
而且低频的量化投资涉及到很多数据处理的底层工作，也需要人手去做；再加上很多传统的投资者想转成量化投资者，自己编程水平有限，也会雇一些人做统计方面的工作。这应该在中美都是一样的。美国的量化厉害，更多的是文艺复兴、DE Shaw、Two Sigma这几家公司厉害，普通的资产管理公司也会招量化研究的职位，但他们的量化水平则不会用到太复杂的方法；
▲策略研究
其实我自己相信的一句话“金融交易里能赚钱的策略就那么几种但能亏钱的策略有千种万种”，这对高频交易尤为正确。跟高频交易的人聊一些策略相关的问题，能赚钱的人用的方法都差不多，亏钱的人总是有很多千奇百怪的念头。所以很多高频交易公司最终演变成硬件军备竞赛，因为在策略上能挖的已经不多了；但对很多人来说还是得在策略上下功夫，因为他离“正确”的道路太远了，还没到拼硬件的地步。
▲组织架构
应该说每个公司都不大一样。比如Getco属于老牌高频交易公司，人工交易依旧保留；Jump Trading/Tower Research/HRT属于新型高科技交易公司，更多依靠全自动交易。保留人工交易的话trader权力会比较大，quant容易被边缘化，比如拿不到按收益固定比例的提成，甚至很难（或不想）把每个人的贡献量化到具体的收入。有些公司分了几十个财务独立的组，每个组与公司之间是按比例提成的，但组的内部是组长决定的；有的公司也分了组，但它是每年把各组利润汇总后再层层分配下来，一般来说前者对下层的员工会好一些，后者对上层的员工会好一些。这只是顺带提一下，很多时候自己能选择的并不多。
