1樓：
這行業做得好的，目前為止，乙個學歷差的都沒有，乙個都沒有同學，我了解到的情況是清北為主，早年是有一些背景一般的人過的還不錯，但是這些年都被淘汰了，你可以思考一下是為什麼。如果你考不上清北華五，還是別考慮這個行業了，客觀的說，這行業做的好，清北華五平均智商是遠遠不夠的，做的不好，很快就被淘汰了，圖啥呢
2樓：
其實是因為現在行業飽和，需要的人越來越少，工作崗位越來越少。看看美國的現在的招聘的狀況就知道了，要求高得離譜，崗位少應聘的多，總得有個辦法選拔
3樓：原來Q現在P
你要是有好的策略，無論是理論還是實戰都靠譜的，不管你是啥背景都沒關係，能掙錢就行。你要是是想找個地方先學學入門的話，如果你是老闆，你覺得北清的學得更好更快還是一般大學出身的更好。量化這東西，你沒學會還是次要，搞錯了是要虧錢的，而且虧得還很快
4樓：
不是。 學會了技術，你會有機會。只是清北的背景會讓老闆看到簡歷的機會多一些，但是並不絕對。
如果你通過自己學習水平高，那簡歷裡必然有所展現，實習課程自己的專案等等。有很多學歷之外的東西可以證明自己。
你不能要求平平無奇毫不相關的乙份簡歷，老闆還要偏愛你給你機會。這樣的簡歷，就算是清北本科也沒戲的。加油。
另外樓上很多回答強調要做得好需要天賦很有勸退之意。我也同意。只是就你的問題目標是拿到乙份量化策略的入門級職位，那實在還談不到天賦的問題，學紮實全面即可。
5樓：為了什麼
先說結論，是的。
到不是是不是名校背景的時，是那些書說都是皮毛而已。學懂了，也就初級的初級水平。
如果你真的水平超高，不用名校背景，到處搶的要。
我覺得把在有高人提點的情況下，三年能入門，五年以上算是熟手，但也是只能打雜。正常人其實在這個水平大多就是天花板了，永遠上不去了。天賦夠10年才敢說水平中上吧。
量化投資這玩意同時需要技術和天賦。確實不好學。
6樓：匯農老李
量化就和做菜的廚師差不多，各種調料就是策略的因子，這與經驗相關，唯一區別是量化需要與計算機語言溝通，普通人如果能夠有把圖表任意位置用計算機語言描述清楚的能力，同時能夠把這個系統移植的任意交易平台的能力，你就是個優秀的量化交易員，這樣的人能夠沒有謀生的能力嗎，量化的核心價值在策略，計算機方面的知識是配套，這就是程式設計師到一定階段就可能被尷尬的原因，不過乙個好的量化平台也非常厲害，它是好策略起飛和展示與人的孵化器。
7樓：老杜
量化交易這方面，最大的問題是自己不知道自己水平到底是多高。很多人(包括我)看過幾本書後突然覺得自己似乎已經站在了高山之巔。回過頭等看完下一本書，又覺得當初的狂妄有多麼無知。
量化策略研究員成長之路？
有一些做matlab的私募，也在開始使用python做量化了 VNPY 量化交易上的效能對比分析 由於VNPY架構的不合理，導致架構效能和生產環境還有較大差距 guobz 個人覺得，先找到乙個領域，自己的能動性 可發揮的空間大些，從模型開始，接受市場的考驗，然後逐漸從收益慢慢關注到風險 成本 交易整...
在量化策略開發過程中，你都用到了哪些知識？
guobz 作為乙個純理科出身做alpha的我來說，優勢點在於數理統計，所以主要用到了數學統計知識，而計算機 金融知識其次，總結如下 數學統計方面 凸優化 多元線性模型 顯著性統計檢驗 方差分析 建模分析 線性代數 計算機方面 主要是程式設計，語言來說Matlab R Python都可以，只是工具，...
量化交易的核心是IT技術能力還是策略本身？
Duke 都不容易 如果把整個量化比作一輛車的話，跑得快不快受三個條件的制約條件1 車身結構 輪胎等，這個可以當做iT技術條件2 車子自身的發動機，這個可以看做是策略本身條件3 車子開起來的路面，這個就是策略執行的通道了XTP極速通道 不二者 鄙人一點點小看法是 1 一開始為了實現交易，T技術是必備...