量化投資碩士

㈠ ▲量化投資有這個在職研究生嗎

這個了解也不多http://www.onjobe.com/，對外經濟貿易大學是唯一一所開設資產管理與量化投資在職專人員高級課屬程研修班的高校，學校緊隨國際金融形勢和市場發展，目的是為政府、各類金融機構（銀行業、證券業、保險業、期貨業、信託業等）以及各類企事業單位培養通曉資產管理和投資分析的復合型專業化人才。
課程特有國際性、前沿性、實踐性
對外經貿大學自身國際化、前沿化特徵顯著，金融專業一直是對外經貿大學的優勢學科，所設課程同樣與國際金融市場接軌密切，如量化投資、統計套利、高頻交易等。其他信息-點擊，鏈@接

㈡ 金融專業的碩士畢業一般都做什麼工作

不同銀行區別還是很大，主要針對股份制商業銀行（五大行中，尤其在支行，還是挺注重工齡的，按照工齡定等級與薪資）

銷售端：對公客戶經理(2-3年，固定薪資10W左右，全部薪資15-20W左右），理財客戶經理，個貸客戶經理（房地產個貸近幾年都還挺好做的）（後面兩個比對公客戶經理略低一點點嘍）偏銷售類崗位，只要你做得業績高，薪資自然就高，其中行業內平安的提成點偏高。

金融產品經理：對專業能力要求較高一點（2-3年，固定薪資10W左右，全部薪資15-20W左右）

風險管理：主要分布在銀行分行以及總行（2-3年，固定薪資10W左右，全部薪資15-20W左右）

（總體來說，銀行就業市場最大，人員最雜，總體學歷要求最低，但總行要求肯定高，對於優秀碩士生還是努力去分行或者總行，在支行很浪費自己的學歷）

投行崗：IPO，新三板項目，壓力很大，全年出差，學歷要求高，211以上碩士是基本，CPAor法律職業資格證至少需要一個（排名前50的證券公司，畢業10W正常，工作5年左右，基本30W以上正常，不過項目做得好，工資很高的，見證過10多年經驗，ED崗或者MD崗，2015年股市最好時期，底薪3W，獎金1000W的）

研究員：應屆生就業大方向，因為很多做過賣方研究員的人都很想轉型，跳槽人員很多，因此為了補充人員，證券公司每年都會招聘應屆生，主要為賣方研究員（除非是證券資管部的研究員則不需要沖擊新財富，不過人員編制很少，而且一般由證券公司內部優秀賣方研究員轉崗）畢業2-3年，薪資20-30W，很辛苦，天天寫文字，賣文字，不過發展前景還是很不錯的，做賣方研究員可以努力做首席研究員，研究院院長等等，所以沖擊新財富是實現這一切目標的唯一方式；另外可以轉買方研究員，之後就努力轉型做基金經理助理，基金經理，總體發展方向還是不錯的

風控法務部：（比銀行專業，要求更高）2-3年，底薪1.5W以上，年薪20W以上

營業部：開戶，理財經理，渠道經理，機構客戶經理等等，工資平均比銀行的偏低，見證一個B級營業部老總，工作經驗15-20年左右，年級35-45歲，底薪1.5w-2.5w，年薪在50W-100W之間，取決於當年整個營業部的業績水平。

本科生：

大行銀行支行、其他銀行分行與支行、租賃、證券營業部（純銷售類崗位居多），以及一些小型金融機構的崗位（比如排名60之後的證券公司）

碩士生：

1.十大財經院校碩士生以及985政法院校碩士生：從事高端業務類崗位（比如投行、研究員、證券等風險管理崗）

2.其他財經政法碩士生：可選擇會計師事務所、律師事務所做跳板，或者從事薪資偏高或者平台高大上的銷售崗，比如大型基金機構客戶經理等

㈢ 量化研究員招聘的是物理數學博士多還是金融碩士多

量化研究員招聘肯定是物理數學博士多的，
國內的量化研究員基本上專都是理工科背景的屬，量化需要的三類主要知識：數學、編程、金融，金融相對來說是學習成本最低的。
編程有一定的基礎就可以，在工作中再不斷學習，如果不知道學什麼建議先學c++，對數據、演算法、對象、內存、線程等有一定了解，後面學習其它語言也比較容易，另外需要熟悉資料庫，國內感覺目前用matlab的挺多的，python比較有發展前景。
關於這個問題，知乎上有很多精彩回答，可能會有不同的看法，根據自己的情況選擇吧

㈣ 怎麼自學量化金融

懂量化投資，但是他們應該完全不知道CQF是什麼，問題被他們簡化成了「不懂數學和編程的金融碩士，是否可以學習量化投資？還是自己學習編程比較好？」不過同意他們的言論。
CQF是paul wilmott搞的一個培訓課程和認證體系。
第一就是不官方，沒人會認，除非你已經在投行里工作，公司給你出錢修個CQF來進行再教育，比如Sales和Trader對產品背後的數學知識有限，但是沒必要去脫產讀個MFE，就來修個CQF事半功倍。
第二，CQF的課程跟MFE項目差不多，更偏向於金融產品端，講各類金融衍生品和FICC產品（期權 互換 債券 結構化產品等）定價以及量化風險管理的內容。這些不是搞量化投資的內容。
可以通俗的認為CQF是Q QUANT方向的知識，而量化投資是P -QUANT方向的，具體參見：
P Quant 和 Q Quant 到底哪個是未來？ - 寬客 (Quant)
另外一個問題，學習編程。不知道你怎麼定義「學習編程」和「不會編程」。如果不會寫MATLAB R PYTHON這類語言，沒法實現基本的數據處理統計分析和策略回測的話，那真是不會編程，先學編程。 如果定義學編程是搞C++ JAVA要開發啥啥的，那暫時沒必要，能用M R P三個語言幹活就行了。

㈤ 想考金融研究生，該從什麼學起啊

問：金融專業學生有必要考acca嗎?

答：金融專業考ACCA是沒專問題的，屬但是你為啥要考ACCA得想明白了，ACCA考試科目比較多，不然你考到中途撂挑子不考了，這樣就沒意思了，浪費時間浪費錢。

這個ACCA考試與專業沒有必要一說，只有自己需要不需要的，所以你得想明白了，別盲目跟風也別不自信。小編再送一個考試資料包，可以分享給小夥伴，自提，戳：ACCA資料【新手指南】+內部講義+解析音頻

急速通關計劃 ACCA全球私播課 大學生僱主直通車計劃 周末面授班 寒暑假沖刺班 其他課程

㈥ 工科專業碩士可以從事金融分析等這種金融專業性很強的工作嗎

芝加哥大學金融數學在讀，可能對這個方面有點心得。
不知道樓主怎麼定義「專業回性很強」，如果是純金融比如答，公司金融，沒有金融背景那是不太現實。
工科專業相比較於純金融，多的是數學背景，比如模型構建，數值分析，而這兩個在量化金融領域十分重要了。量化金融領域有量化投資，量化分析（例如風險管理，運籌）。這兩個對數理要求十分看重，會淡化對金融背景的需要。所以樓主可以試試這兩個領域。
當然一點金融都不懂是不現實的，股票，債券，金融衍生品，另類投資等等。做不到精通，至少需要了解。

㈦ 想走量化投資方向，大概需要什麼學歷

碩士學歷足夠，需要具備金融學、心理學、經濟學、統計學、會計學等，總結數據統計能力、計算機技能以及心理素質。
量化投資可以肯定說目前還是一年藍海，稀缺人才很少，如果有志往這方面發展是不錯的選擇。

㈧ 上財金融碩士一般得考多少分才行啊

你好，參考2017年的數據，2017年上財金融學院大的要求是總分380，公共課55，專業課83。其中金版融碩士（金融分析師方向、信用權風險管理與互聯網金融方向）分數線是：總分394，單科55/83；金融碩士（金融工程與量化投資方向）分數線是：總分385，單科55/83。上財金融碩士的競爭比較激烈，初試考400的也大有人在，需要好好准備。身邊有人參考凱程輔導班的，跟著老師的節奏復習，都取得了不錯的成績。

㈨ 金融碩士為什麼這么火

我覺得金融行業里適合理工科學生的方向就是量化投資，或者說金融工程，如果你喜歡專寫代碼屬的話。
我本科讀的土木工程，到了大三越學越難受，感覺很沒有意思，後面也糾結了整整一年。後面偶然的機會得到了一個私募基金的實習機會，接觸了資本市場，再後面又陰差陽錯地找到了量化投資的相關實習，這時候我才發現我對數據挖掘數據分析相關的內容很感興趣，因此心也開始慢慢定了下來。
幸運的是，我的畢業設計也是數據挖掘相關，並且在我的爭取下，博士課題也偏向了數據挖掘。
雖然我現在仍然是弱雞一枚，不管量化交易方面還是科研方面，但最起碼我對自己所做的工作充滿了興趣。
回到題主的問題，對於我來說，不是金融行業有多好，而是我對數據挖掘感興趣，也對金融行業里的量化投資感興趣。很多時候我也在想，為什麼我不早點走這條路，為什麼選了一個坑爹的專業，如果早學了計算機，現在說不定都去美帝和曾博談笑風生了！但是，年輕人最大的優勢不就是可以不斷試錯嗎？
總之，建議樓主去金融行業體驗一下，如果覺得自己喜歡，那就繼續嘗試唄。如果真的要轉金融或者計算機或者大數據，說難不難，說簡單也不簡單，別人說再多都是廢的，還是要自己去實踐啊！

㈩ 在中國，做量化交易一天的工作是怎樣的

做量化交易一天的工作：

8:00~:00： 打開交易策略，設置一些運營參數

9:00~9:30： 觀察策略運轉，確保沒有問題

9:30~15:30: 解決已有策略的問題並研究新策略，測試新想法

15:30~17:00: 分析交易記錄， 確定第二天的交易計劃

17:00~18:00: 運動

崗位職責：
分析金融市場（期貨、股票等）數據，尋找可利用的機會；開發與維護量化交易策略；提供機器學習/數據挖掘相應的技術支持；

崗位要求：
1.熟練計算機編程能力，熟練掌握至少一門編程語言，python優先；

理工科背景，具有良好的數理統計、數據挖掘等相關知識儲備，熟悉機器學習方法（分析科學問題和相應數據，建立模型和方法，驗證模型和方法，應用模型和方法並分析結果，改進模型和方法）；

有處理分析大量數據的經驗，並能熟練選擇和應用數據挖掘和機器學習方法解決科研和工作中的實際問題；良好的自我學習和快速 學習能力，有工作激情，喜歡金融行業；兩年及以上實驗室研究經驗或研發類工作經驗優先；

(10)量化投資碩士擴展閱讀

量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，

極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。