“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的“量化AI”崗位。
作為被今年AI新浪潮顯著帶火的金融職業門類，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查。
在獵頭的直觀感受里，這是個頂住了金融降薪潮、互聯網裁員潮“雙重寒冬”的人才市場：今年不僅相關崗位明顯比以前增多，招聘廣告上的薪水和條件也都很香。“量化金融機器學習/AI方向，經驗不限，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”……
有求賢若渴的機構甚至給應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，基本各家耳熟能詳的量化公司都在招AI方面的人才。
K線圖、交易波動、財務數據……資本市場每時每刻都會涌現大量的數據，量化投資，要從中挖掘因子，建立模型，找到規律，開發投資策略，來為企業和投資者賺取超額收益。量化投資機構本身盈利相對可觀，AI則相當于給量化裝上了加速器：AI在多個環節，尤其是尋找非線性規律上，有著巨大的價值。
因諾資產創始人徐書楠表示，量化發展還處于紅利期。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，國內的量化AI未來可能有巨大增長空間。
而對于已經符合標準的AI人才來說，這個行業是否適合自己，也需要仔細考慮。

量化×AI：1年把幾億資管規模再翻100倍╱01

用數學能力打破簡歷歧視 ╱02

Quant 4.0已來，去金融還是互聯網？╱03

適應“不確定性”和“光桿司令” ╱04

量化×AI：1年把幾億資管規模再翻100倍

AI在量化投資的多個環節都能產生不菲價值。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、運用機器學習或深度學習方法，發展復雜的交易模型，構建嚴謹的算法評估體系，形成對市場行為的洞察；
2、緊跟算法模型研究前沿趨勢，設計開發新的神經網絡結構/算法模型，以適應金融數據，不斷測試復雜的投資理念。

量化研究員Victor向職場Bonus解釋稱：這份工作的本質價值，是利用機器學習、深度學習等AI技術，從龐雜的市場數據中找到不平衡點，計算套利，開發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可以幫忙實現信息自動收集、指令下達以及持續在線等行為。”這意味著：交易員可以不再手動挑選變量，而是通過“無監督機器學習算法”，來挑選出建模最優的變量。深度強化學習和神經網絡可以構建一個具有認知體系的投資組合系統。
這種價值對私募（PE）機構尤為重要——業內公認用到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。在國內談論量化，一般都是指私募的股票和期貨的量化。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和投資人收益。其他類型的機構，例如做保險、可轉債利率債的量化，相對而言難度較低。
“量化私募投資機構在搶人方面很crazy，有時候甚至能給到八位數（千萬年薪）。”獵頭Flaw向職場Bonus感嘆道。近幾年，AI人才給機構帶來的價值更為明顯。“2020年，我的一個私募客戶當時規模只有幾億，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生，后來只用了一年多的時間，就把公司資產管理規模翻了100倍。”
Flaw表示自己近幾年見過類似的例子有7-8例，有的機構在不到一年內，就把資產管理規模擴大了幾百倍。
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。
私募排排網最新數據顯示，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、穩博投資、衍復投資、因諾資產的收益率今年以來均在9%以上。
實現盈利印證后，企業自然考慮逐步加大相關投入。
艾瑞咨詢發布的《2023年中國金融科技行業洞察報告》中指出，50.3%受訪的金融機構計劃加大對決策智能的智能化應用的投入，其中73.5%對此高度重視——根據量化私募相當一部分盈利來自于指數增強產品的特點，這個數字恐將只增不減。

用數學能力打破簡歷歧視

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

除了對量化研究經歷有一定成果上的要求，不少量化AI崗對背景資質嚴苛的擇優規則，幾乎讓普通求職者望而卻步：“計算機、數學、物理專業背景，清華/北大/藤校碩士以上學歷（博士優先）；在計算機頂會或者頂刊有論文發表；奧賽經歷、ACM、kaggle等國際賽事獲獎者……”為了搶到全球頂尖的人才，企業主還會直接到藤校進行秘密招聘。

仿佛世界上最優秀的人才能做量化AI。

“毫無疑問，量化行業是我在中國見過的學歷要求最頂尖的行業，”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學競賽中國隊的第一、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，能創造巨大的利潤。”

國內的量化公司人數普遍不多，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；而到了面試環節，考察的維度包含了代碼能力、論文情況、交流能力和數學統計能力。

難道不是清北博士，不是QS前20，沒獲過獎，沒發表過頂刊論文，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的研究項目，不允許發表論文，更不會出現在頂刊；有的人可能在校成績一般，但由于在量化相關的實習中做出了非常優秀的歷史業績，也能被雇主看中。“不能絕對地用學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適應力。”

而綜合能力中，數學思維乃重中之重：數學是全球所有量化機構都青睞有加的專業，企業主們也愿意為數學能力強的人打破規則。在量化交易行業已發展較成熟的美國，相當一部分數學Phd會選擇從事量化。

這是因為，量化交易是一種利用數學模型和計算機技術來進行投資決策的方法。開發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據分析和數理統計推理的能力——而這些，都是數學人的強項。

Flaw最近剛好有一位這樣的候選人。“他才23歲，幾乎不會編程，但是數學非常強，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。”

● 雇主有錢+自身優秀+創造巨大價值=高薪

Quant 4.0時代已來，去金融還是互聯網？

在互聯網行業，今年AIGC人才招聘的大年。對比之下，金融行業對AI人才的總需求量并不算高。獵聘大數據研究院發布的《AIGC及其產業鏈人才需求大數據報告2023》顯示，2023年1-8月，AIGC人才在各行業需求中，IT/互聯網/游戲行業新發職位數量斷層第一，為62.23%，同比增長305.36%；而金融行業新發職位數量位列第四，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，互聯網科技企業可能會給出更為優厚的待遇。對比之下，量化行業準入門檻似乎還比互聯網高出不少。

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訪談多名相關招聘人士和從業人員后得出的結論。

“到了這個層次，很多人是沒法用金錢打動的。”Flaw認識的多數優質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、互聯網，他們會優先選擇自己感興趣的行業。”

事實上，比起當下大多被人工智能悄然改變的行業，金融作為非實體經濟行業，無法創造看得見、摸得著的實業價值。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。

“去互聯網能干實事兒。”石先生是AI領域的創業者，此前曾是阿里的算法工程師，他對金融行業就興致缺缺，“如果說同樣是搞計算機的情況下，我去汽車企業或者互聯網企業，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的。”

然而另一位在互聯網AI崗位實習過的海外名校畢業生則認為：互聯網的個人發揮空間也有限，工作內容多數是沿著已有的理論道路去做修補；而量化能夠把數據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。

對比互聯網的996，量化AI工作很大的一個亮點，是更方便實現work-life balance。

由于從業者要跟蹤實盤數據，因此節假日基本不加班，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，今年十一更是不調休，只在交易日上班。

薪資方面，雖然對于應屆生初級崗位，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：經過4-5年的發展，量化的薪資水平會比互聯網高得多。量化AI研究員們在市場上摸爬滾打幾年之后，有了自己的策略經驗，管理的資產規模擴大，獲得的超額收益穩健增長，進而拿到的獎金或分紅也就相當多。

這一點已經是不少互聯網AI人才，想要轉型量化AI的主要原因。

Flaw曾有一位候選人，畢業后在互聯網大廠做了2年的機器學習，轉行進入量化行業后只用了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”：能夠轉型量化的互聯網人，在原行業薪資都不低。如果轉型做量化，在初期開發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網的總包要低。

適應“不確定性”和“光桿司令”

對于從互聯網轉型的人來說，除了前期薪資低的風險，思維的轉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，技術上都是沒什么問題的。但如果他的態度過于理想化，沒能改掉自己在互聯網那邊的思維和工作習慣，就會導致最后沒能通過試用期。”每當企業主因此將候選人退回時，Flaw倍感挫折，卻也無話可說。

這種思維轉變的關鍵，主要在于對量化本質的理解。

“管它黑馬白馬，能跑起來的就是好馬。”互聯網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變的難度，往往出乎很多候選人的預料。

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

已經成功轉型做量化的Victor對于思維差距的本質認識更為深刻，他認為兩者的差異在于：單純的計算機程序，是一種確定性的關系。而量化策略帶有數學推導的概率結果，本質上屬于“不確定事件”，結果可能與預期相背離，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型者去主動適應。

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

這與互聯網企業動輒一個部門里一個領導帶領十幾、幾十個人，甚至上百人的情況大相徑庭。“互聯網的領導來到這邊，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“互聯網”，準入門檻當會難上加難。而對于完全對金融、數學“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。

參考文章：

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

2. 《從互聯網到量化，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