个案分析第1期A同学从金融工程量化投

A同学

年龄：保密

工作经验：2年

学历：本科经管+数学/QSTOP40海外院校金融工程专业

现职位：P.A.T.H.中某大厂数据分析岗位(偏业务)

年薪：保密

我们第一期先来讲一讲这位A同学。

A同学回国之后很顺利地进入了广深某家公募基金的量化研究部实习，毕竟公募基金在金融行业的地位可谓是跟PE/VC/投行一样金字塔顶的存在，而且量化部和投研部作为基金投资公司的核心部门，更是市场上的香饽饽。但因为之后A股市场萎靡不振，导致了许多券商/基金纷纷缩减开支、裁员，而实习留用作为券商/基金选拔人才的唯一渠道，也变得比往日严峻。市场的不景气导致A同学没有能顺利留下来。

但在实习半年练出来的Python技能和TB级数据处理经验让A同学在技术层面获得了大幅的提高。于是A同学自信满满地参加校招，目标是量化投资或数据分析。

然而，和自己想象中差别很大，在市场上，首先量化投资岗位需要的人才是有2-3年实际盈利的实盘经验，和数亿以上资产管理经验，说白了，投资公司/私募基金更喜欢用有经验的人，而不是校园刚出来的小白菜。而数据分析岗位呢，在外行人看来这个好像和量化投资差别不大，但实际上，如果想转行的话很多东西需要在考试之前现学现卖。

先看看2个样例分析师的岗位描述：

1.

2.

可以看出，需要的是查询语句(SQL)，分析软件(SAS/Python/R)以及数据挖掘+机器学习模型，以及一些业务理解(如：游戏、信贷)。

A同学表示，数据分析跟量化投资不同的地方在于，前者更注重的业务运营、营销和客户行为，比如追踪公司某个产品的业绩走势，用户与产品的互动，什么样的用户更趋向于购买/复购产品，用户信用情况的决定因素，等等，少部分是回归问题(Regression)，大部分是分类问题(Classification)。而后者，关心的是股票的价格影响因素，如何入场和出场赚取超额收益，基本套路是构建选股/择时模型进行回测再观察从此刻开始的实际表现，多数情况下是回归问题(Regression)。

问题总结：A同学的SAS/SQL对于他来说基本算是新知识，因为上学的时候没有太多接触过；Python能力经过之前的实习已经具备，但是机器学习项目尚不丰富，理论不扎实且没有实战经验。

备战：校招和后面的社招阶段，对于SAS/SQL部分，A同学使用了清华大学出版的SAS教程，把里面的题都做了一遍，基本搞清楚了数据步、过程步和基本SQL写法。对于模型部分，通过参加Kaggle比赛、自律性的网课报班学习和研读西瓜书上面的理论基础，把机器学习的基础打扎实了(虽然上学的时候有学过但是课本上讲的东西非常浅显，而且没有实际项目支持发，所以想要往模型方向靠的同学参加比赛和报课做项目还是很有必要的)。

最后，A同学获得了大厂的青睐，拿到了令人心动的offer。当然，虽然A同学备战的时候准备方向是模型，但因为该大厂的核心部门在于业务方，且领导认为A同学更擅于沟通和解释，比起研究深奥的统计模型更适合业务数据分析，因此将A同学调到了偏业务分析的方向。

------------------------------------------------------------------------------

以上案例经过了一定的加工处理，想了解更多求职/自我提升技巧，请私戳小编~

后续将有更多精彩案例/干货内容，敬请期待。

如果你对

转载请注明：http://www.duanmaomaos.com/tzyhlx/542253.html