职位定量是否过度使用？：史蒂夫·威尔科克森（Steve Wilcockson）

职位定量无处不在。虽然它是一种充满活力，令人兴奋和动态的纪律，但其广度和意义可以使不同的角色混淆和蚕食。最近，它的集成，参与度和与不断增长的数据科学和数据工程学科重叠，为其含义增添了新的维度和动态。

Quant具有令人着迷的历史，一个词意味着许多含义随着时间的流逝而融合并融合在一起。在某种程度上，这是由于定量金融的发展以及行业如何发挥作用。主要的链条专注于选项和衍生品社区，通常是卖方，想想任何阅读了约翰·赫尔教授的经典期权，期货和衍生品的人，其第一版于1993年发表。它们通常来自物理和工程背景，这些物理和工程背景与随机的积分和Matrix Algebra相一致，这些代数吸引了很多定价理论。同时，由威廉·夏普（William Sharpe）品牌的Markowitz优化品牌驱动的一个针对投资管理的社区应用于投资组合理论，再次以矩阵代数和随机演算作用，建立了投资组合/buyside Quant纪律。然后，有一些人通常来自计算机科学背景，他们倾向于“交易量”，以盲目的快速交易算法为当时的新兴道具办公桌来针对越来越多的液体资产（FX，公平），例如Goldmans和JP Morgan等通用级别的银行，以及高度系统性的HEDDE HEDDE HEDDE HEDDE HEDDE资金和市场，例如CitadaIssanciess或Renasissanciess，

一本非常好的书，尤其是描述第一组的兴奋和磨难的书，当时天才失败了罗杰·洛恩斯坦（Roger Lowenstein），关于对冲基金的兴衰，与诺贝尔奖获奖者迈伦·斯科尔斯（Myron Scholes）相关的对冲基金的长期资本管理的兴衰。另一个是弗兰克·帕特诺（Frank Partnoy）的惨败，以他在摩根士丹利（Morgan Stanley）的时间为中心。摩根士丹利（Morgan Stanley）在访问apl，k和q（例如K和Q语言发起人Arthur Whitney）的采访中很好地捕获了针对速度和数学的TRESE语言的工作。

现在，“量化”一词已在金融中（结束）来描述许多涉及数学和技术的数据驱动或技术角色。真正的量化工作需要掌握前高级数学，统计建模和编程，这是金融工程核心的定价，风险和交易模型的基础。

为什么使用“量子”如此宽松？

• 营销吸引力：“量化”信号是技术复杂和数学严谨的信号，这使角色听起来更享有声望或高风险，即使它涉及不深度定量的工具和方法。在1990年代和2000年代，这是镇上最酷的科技演出，今天仍然很酷，尽管现在落后于严重的AI描述符。
• 边界模糊：许多现代金融工作都使用一定程度的定量方法（例如，Excel建模，SQL查询，Python脚本），因此该术语被广泛应用。
• 数据驱动金融的上升：由于分析，自动化和数据科学分布在中/背部的风险和操作中，尽管不需要高级数学或理论，但许多角色还是采用了“量化”品牌。就是说，现在许多“ Quants”被描述为数据科学家。我认为他们是原始数据科学家。
• 历史光环：该术语源自需要博士学位数学的角色，但随着时间的流逝，随着定量方法变得更加普遍（和工具支持），即使技能要求稀释，标签也会持续下去。我是Databento克里斯蒂娜·齐（Christina Qi）的伟大追随者，他经常在社交媒体上讨论从学术界到她的行业所谓的智者的过度供应，部分原因是这种趋势。

需要真正的数量技能的角色

他们应该要求 高级数学，，，， 统计数据， 和
编程能力，通常在 研究生学位（博士学位，MSC） 在定量学科中。

定量研究人员

• 开发用于衍生品，期权，结构化产品的定价模型。
• 使用随机演算，PDE，蒙特卡洛方法。
• 示例技能：C ++，Python，高级概率理论。

定量开发人员（Quant Dev）

• 在生产系统中实施和优化量子模型。
• 需要数值方法，算法设计和低延迟编程。
• 示例技能：C ++，Java，Q/KDB，高性能计算。

统计套利 / HFT量

• 设计基于统计模型的交易策略。
• 应用时间序列分析，机器学习，信号处理。
• 示例技能：Python，R，C ++，高频数据处理。

风险定量 /模型验证定量

• 建立或验证风险模型（例如，信贷，市场，运营风险）。
• 需要了解监管框架 +定量建模。
• 示例技能：风险价值（VAR），压力测试，场景分析。

投资组合定量 /定量分析师

• 使用定量技术（例如均值变异，因子模型）优化投资组合。
• 设计Alpha因素，风险主要策略。
• 示例技能：线性代数，凸优化，计量经济学。

标有不需要深度量化技能的“量化”角色

• 风险报告分析师
• 资金分析师
• 金融工程师（在某些公司中）
• 使用BI工具 /仪表板的面向业务角色。

通常，这些人将使用由真正的问题开发的应用程序，通常从事定制任务或为特定的投资组合团队提供服务。

该学科具有令人着迷的历史，并且继续以最纯粹和最扩展的形式拥有自己的自身，这是一门可靠的技术学科，在不断增加的AI和数据科学炒作的海洋中！