1樓：babyquant
量化可以說是演算法的乙個子集。
演算法可以用在各個領域，通訊、網際網路、計算流體力學、計算機視覺、深度學習打遊戲、金融量化交易等等。
可能不同領域需要的演算法不同。
卷不捲由行業屬性決定。
哪怕贏家通吃，如果輸家數目眾多，每個平攤費用，也不會虧多少。
比如量化就有點平分利潤的屬性。幾百億的私募能賺錢，幾十億的、幾億的也可以。
之前還有千億量化，現在要麼跌回來，要麼勸人贖回，都沒有千億了。
因此量化無法做到贏家通吃。
但網際網路在細分領域可以做到贏家通吃。
這樣其它玩家留下來也是虧錢，只能離開。
而且量化可以單幹，由小做大，只要你不急著發財，慢慢來是可以的。
一年翻一倍，10萬起家，10年乙個小目標。
第二個十年，衝擊中國富比士前10。
第三個十年，衝擊世界富比士前10。
私募不會告訴你這些，他們只會慫恿你賺快錢，比如第一年3000萬、5000萬。
這就像吸粉，一旦陷進去了，你就無法發揮自己的潛能。
工字不出頭，靠打工上富比士很難的。
像那個賣大餅的，窮到賣房，4年900億美金。
不是國內Top 3，不是美國名校。
沒有在大投行大私募工作過。
創業八年慘淡經營。
沒有顯赫的背景，也沒有什麼資源。
為啥後來就成了？
因為人家沒有在奮鬥的年齡選擇安逸的高薪，選擇了低起點高增長的複利。
2樓：
量化卷多了。
985大學：是清北復交科嗎？不是就拜拜
國外的offer是藤校/牛劍理工科專業phd，或者top5金工碩士嗎？不是就拜拜
拿過IMO/IPHO獎牌嗎？沒有的話減20分來量化的都是聰明人中的聰明人，普通人只憑藉努力很難拿到靠譜的offer的。
3樓：yjz
在向量量化編碼中，關鍵是碼本的建立和碼字搜尋演算法。
碼本的生成演算法有兩種型別，一種是已知信源分布特性的設計演算法；另一種是未知信源分布，但已知信源的一列具有代表性且足夠長的樣點集合（即訓練序列）的設計演算法。可以證明，當信源是向量平衡且遍歷時，若訓練序列充分長則兩種演算法是等價的。
碼字搜尋是向量量化中的乙個最基本問題，向量量化過程本身實際上就是乙個搜尋過程，即搜尋出與輸入最為匹配的碼矢。向量量化中最常用的搜尋方法是全搜尋演算法和樹搜尋演算法。全搜尋演算法與碼本生成演算法是基本相同的，在給定速率下其複雜度隨向量維數K以指數形式增長，全搜尋向量量化器效能好但裝置較複雜。
樹搜尋演算法又有二叉樹和多叉樹之分，它們的原理是相同的，但後者的計算量和儲存量都比前者大，效能比前者好。樹搜尋的過程是逐步求近似的過程，中間的碼字是起指引路線的作用，其複雜度比全搜尋演算法顯著減少，搜尋速度較快。由於樹搜尋並不是從整個碼本中尋找最小失真的碼字，因此它的量化器並不是最佳的，其量化訊雜比低於全搜尋。
4樓：推脫
量化的目的是為了壓縮資料，同時也是影象質量下降的主要原因。所以設計合理的量化器十分重要。
在保證影象質量的前提下，為了獲得較高的壓縮比，JPEG量化器利用人眼的空間視覺特性，相對於高頻成分對低頻成分採用較小的量化間隔和較少的位元數。
又根據人眼對亮度訊號比色度訊號敏感的原理，對影象的亮度分量和影象的色差分量使用不同的量化表——亮度量化表和色差量化表。量化表的元素即為量化間隔。對於CCIR
601標準電檢視像，JPEG標準提供了最佳的亮度和色度量化表。
根據不同的應用需要，使用者還可以設計或選擇其他的量化表。
5樓：尊尼小叔
演算法明顯空間更大，而且相對容易靠創業突破內卷。
演算法路徑比較清晰：
名校畢業》
大廠or AI獨角獸卷細分領域演算法 >
出來組團隊忽悠投資人 ＞
碰上風口一路開掛，突破內卷 or 組新公司繼續忽悠投資人總有一次會成功
量化的路徑：
名校畢業》
遇到牛市一年吃飽 or 遇到熊市懷疑人生 ＞週期一過新韭菜出爐 ＞
加速內卷 >
很難靠創業突破，繼續內卷
6樓：
認得清自己的前提下。
能力強去量化，能力平庸去演算法
這個指全方位survive在叢林肉搏中的能力和心態。
換句話說從來不是職業方向選擇的問題，頂尖去到哪個方向都能成為頂尖。如果平庸，則選擇穩定的旱澇保收即可
7樓：量化牛犢
這兩個職業選擇並不衝突，建議你圍繞自己的專業知識、個人興趣及行業背景做文章。可以先握住別人不容易進入，但你相對有優勢容易進入的高階崗位。
1. 量化行業更喜歡絕對的牛人。
2. 職業發展上看，鑑於你有幾段網際網路實習經驗，可以先網際網路，再轉量化。畢竟網際網路能提供相對多一些的top坑位。
3. 演算法或量化，都挺好。哪個做到高位了都行，但做到高位之前大家賺錢差距不大，看個人喜好吧。
8樓：
量化也機械化，也沒啥技術，只有虛幻的聖杯。挑戰是挺有挑戰的，只是容量太小，捲來捲去也沒啥意思。不如搞搞網際網路，和朋友們出去話題也多，廠大福利也好，曬出工牌還能吹一波牛。
搞量化只容易吸引神棍，和股神們聊天發現自己一無所知。
量化交易 演算法交易需要多牛的概率統計功底？
okoooook 更重要的問題可能是 概率 在交易中是不是有用的。幾點看法 1。如果市場真的是有效的，那麼 sum 概率 盈虧幅度 應該趨近於0。如果不趨近於0，總有人發現這種偏差，並利用之，以使之逐漸失效。2。概率應該建立在足夠大的樣本統計之上。足夠大的樣本，或者有足夠頻繁的模式，恐怕都逃不過 1...
碩士選擇量化金融好還是精算學好
愛喝酒的糊哥兒 不同的兩條路，前者是做金融工程相關的工作，後者是進保險公司設計保險產品的。就業來看，在國內量化金融就業非主流，需求很少，一般就私募會招，買方賣方一般都是要行業研究或者是固收研究，保險不了解，不過聽說保險精算一般都是南開大學獨佔。 緣外求緣 結論 其實這兩個都不算是非常好的專業，半斤八...
現在轉算法學cpp還是rust？
你要做安全 高效能的高質量軟體就選擇Rust。未來這樣的關鍵模組都會是Rust寫的。不知道你說的演算法崗具體是做什麼，但是提醒一下 在Rust裡寫那種底層的資料結構對你的理解和熟練度有很高的要求，絕非初學者能做對的，特別是涉及到泛型的時候，初學者拿unsafe瞎搞很容易就UB了。大一的時候學過c，建...