转 为了做宽客选择读一个PhD值得吗？

编者按语：接触不少想往quant方向走的童鞋,对于量化交易是很感兴趣也觉得未来大有可为，但是quant由于其行业性质其门槛具有一定的专业要求。现在很多投行、银行、公募、私募等招聘职位基本都要求硕士学历，甚至偏向录用名校PhD，至于本科学历或以下的基本很少，即使有也是少数或者集中在一些私募公司或金融科技服务公司。那问题就来了，为了做quant，是不是有必要去选择读相关专业的博士呢？正文将分享下行业内的quant们的个人看法

@星光居士

作为一个博士毕业困难户+quant这种同时从事者世界上最容易跳楼的两项工作的人前来现身说法。如果你要成为背靠大树的分析师或者找一份像样子的工作，不仅要读PHD，还要读名校的PHD，top2常青藤那一类的；如果你要靠自动打钱机实现财务自由，读一个PHD可以给你足够的时间沉淀下来做研究，慢慢的你会发现：在丛林里，爪牙的锋利和铠甲的厚度是决定食物链的唯一标准，皮毛是否美观，那只会影响到探索频道的摄像机。

@Yupeng

做金融的其实就是看regulator的脸吃饭，人家让你做什么不让你做什么，你都要去按部就班，不然市场就没有你的立足之地。包括一些central clearing、capital charge，银行也在适应新的市场规则。而学位方面，不是phd的quant前后台都有，但感觉在银行里quant的phd还是不少，因为phd有四年的时间，足够你去更多的了解市场、学习量化分析、做好编程，优势相对于msc还是很多的。但银行不是看学位，而是看能力，如果一个msc具有以上的水平，该收的肯定收。phd之所以多是因为phd有了更多时间去学习，所以能力会比一般msc强一些。

这几年已经不像过去了，过去纯数物理phd可以一点也不懂市场但依旧靠数理在quant领域横行霸道，也不需要跟其他部门沟通太多。但现在regulator push us to collaborate，一些市场规则让这些quant不得不去做出改变，对市场的理解和概念也是越来越重要了，因为大家都要在规则下玩游戏。

这几年很火的高频交易在实际中跟数学其实关系不大，重点是如何分析limit order book，而计算机明显感觉比数学占更多份额，而这几年这一领域随着regulator的限制（自然不止是中国），逐渐由灰色地带走出来，以后的发展不知道会变好还是变坏，但未来应该会有很多限制在里边。

再比如单单counterparty risk一个方面，市场规则这几年一直非常混乱，有的银行只算cva，有的算dva，还有的会charge kva和fva，而对不同客户，银行的策略还是不同的，有时考虑competetive还会不charge或少charge，而最近regulator又想搞ccp以减少系统性风险，ccp一出cva、dva将变im，一些学者模型论文没写完，规则就让他模型变了废纸，所以现在大家都要理解规则。

而hedge fund方面，有的fund不需要传统意义上的quant，因为他们的策略对衍生品的需求不大，更多需求一些tech的人，而有的量化fund会需要quant，但tech的东西还是很多，coding会被当作一项基本技能，msc在这方面比做过数据处理的phd会有些差别。但归根到底，业内是看能力而不是学位的。

@董可人

非常值。有两点考虑：

出国找工作，只读master的话压力非常大，这意味着你刚到国外就要马上开始找工作。这个时候文化还没适应，课程才刚开始学，人脉还没建立，要想在短时间内找到工作，压力是非常大的。读PhD的话有比较长的时间慢慢做准备，找到好工作的概率会更大一些。

PhD不等于做科研。现在PhD烂大街的情况下，完全可以把它当作一种培训。你主要的任务是去学习如何系统化的分析问题，以及看论文，做演讲等能力，这些都是对以后的Quant工作有直接帮助的。如果你一开始就准备毕业后去业界工作，和导师沟通好，PhD期间的发论文压力可能也会比较小，不会读的很痛苦。

金融业应该是这世界上最看重PhD的工业了，Quant简直就是为数理PhD量身定做的工作，这在任何其他行业都是很难找到的（它们也许会因为你是PhD给你一个稍微高一点的起薪，但是工作内容很可能不会直接需要你读PhD期间所学到的那些能力，而在金融业，你不用担心会有这种浪费）。所以以Quant为目标去读一个PhD，基本上是可以无脑选择的。

我同意PhD并不是一个必要条件，我自己就有朋友以本科学历找到Quant工作；也不是充分条件，拿到PhD的也有找不到工作的。但是这些都可以算作outlier，不太有参考价值。一定要对自己的能力有清醒的认识，如果没有十足把握本科或硕士毕业就能找到工作的话，读PhD是非常值得考虑的选择。

@郑阶

在我看来，读不读博士的问题，从来不是由一个单因素模型决定的。

首先，从客观分析，不得不承认，quant的就业市场近几年一直处于萎缩状态。第一，是金融监管力度加强。新的金融创新产品种类越来越少。第二，金融工程，金融数学方面人才太多。很多的欧美名校，为了减缓财政压力，设立金融工程项目并大量招生用来吸金。第三，市场需求不大。银行中做quant的人本来就不多，并且很多大银行都在裁员和缩招。第四，交易平台统一的冲击。很多银行的交易定价系统全部是买的三方软件。从一定角度上说，银行自己不需要去开发定价和风险管理系统，极大的减少了对quant的需求。

其次，从自身角度分析。第一，自己正真想做的是什么？是定价模型，交易策略还是风险管理？如果是定价模型，随着计算技术的发展，可拓展的空间已经不大。如果是交易的话，很难找到能稳定盈利的策略。做高频交易更和计算机专业有关。如果是风险管理的话，市场需求不会很大，因为风险管理更多的和公司的policy相关。第二，自己是不是能静下心来读博士，做科研。即使周围的朋友可能在业界已经干的不错。第三，能不能够申请到欧美名校的博士。第四，自己是不是真的喜欢和数学统计打交道，对编程有没有兴趣呢？第五，家里人是不是支持。

最后，我想说，我可能说的负面情况过多。不过，这些都是需要考虑的因素。通过考虑这些，你可以发现自己是不是真的喜欢金融数学。从我的角度而言，我觉得，对金融行业而言，数学永远只是一个工具，并不是核心。

结语：看完这几位“大咖”的看法，想必可以给很多童鞋可借鉴的参考。

来源：知乎 整理

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

---

《算法导论 第三版英文版》_高清中文版

《深度学习入门：基于Python的理论与实现》_高清中文版

《深入浅出数据分析》_高清中文版

《Python编程：从入门到实践》_高清中文版

《Python科学计算》_高清中文版

《深度学习入门：基于Python的理论与实现》_高清中文版

《深入浅出数据分析》_高清中文版

《Python编程：从入门到实践》_高清中文版

---