物理學轉金融的人優勢在哪裡?是思維方式嗎?還是數學基礎? | 知乎問答精選

 

A-A+

物理學轉金融的人優勢在哪裡?是思維方式嗎?還是數學基礎?

2019年05月13日 知乎問答精選 暫無評論 閱讀 4 ℃ 次

【李望的回答(133票)】:

我本科在國內就讀計算機+金融雙學位,研究生在英國學金融工程,現在PhD第二年,研究的是信用模型及衍生品。

就像前一個回答者所說的,如果可以讓我回到高考前,我會毫不猶豫地選物理,數學等專業。無他,數學基礎太重要,當我考試度讀master時才認識到自己本科少學了很多數學。當然編程能力你也能在數學物理等專業學習到。

金融領域很龐大,所以題目裡的轉金融實在是很模糊的概念。銷售,HR,客戶關係等職位,的確不需要數學多好,量化多精。正如再前面一位回答者所說的「與人溝通能力,人脈,是數學物理課本上學不到的。但是我相信,這些能力不是任何課程能教的。而這些能力是一個人的EQ而非專業技能。所以當討論到人際關係,溝通能力的時候,我認為實際已經跑題了。不要以為華爾街裡的人就像電影華爾街之狼裡的小李子那樣是靠忽悠賺錢的。那只是滿足局外人意淫的藝術作品。

當我們拋開一些在金融領域裡邊緣的,非核心的職位不說。如果一家投行要設計某種衍生產品以滿足客戶的需求,一個很自然的問題就是,該賣多少錢。如果你說,當然越高越好,那麼最少應該不低於多少錢呢?實際上他要考慮什麼價錢才是合理的,所謂「fair price」。自然而然地,我們就涉及到了數學模型,概率,偏微分方程。對於更高級的已經無法推導出解析解的數學模型,其他數學工具,計算機編程能力就有必要。因為可能要用到asymptotic approximation, 傅立葉變換,PDE的數值解,simulation等等。實際上金融工程,金融數學基本就是圍繞這個主題展開研究的。運用什麼模型,如何求解,如何在這個模型之下做對沖 and so on. 當然這是起碼master level的東西,本科需要積累

拋開資產定價不說,當regulator要求銀行對於衍生品trading book的exposure計提capital reserve the時候,數學模型也是不可避免的。舉個例子,當我賣了一堆衍生品給IBM,根據regulation,我必須對IBM的違約風險進行量化分析,再對於衍生品的exposure進行量化分析以最終確定我對於IBM違約風險的頭寸有多大,再進行準備金計提。這裡所做的都離不開前面所提到的各種數學工具的運用。例如其中對於Credit value Adjuatment的computation已經發展到研究運用GPU(顯卡)編程以追求更快的速度。這已經是計算機科學,數學,金融的融合。也是其中一個例子為什麼很多計算機背景的人也會進金融。我是無法想像只靠EQ,金融知識是能勝任這些工作的。

如果你不喜歡投行,在基金的核心領域裡也無處不是數學(這裡說的核心不包括拉客戶)。高頻交易,套利模型,asset allocation, portfolio optimisation等就會涉及到統計模型,各種時間序列分析(注意不是技術分析),計量模型,參數估計,非參數估計,HJB equation。而我羅列的只是我知道的,我不知道的可多了。

總的來說,如果你沒理科生的頭腦和基礎,不懂技術,也可以進金融界,但是不怎麼可能做核心工作,只能拉拉款,搞搞客戶關係。我這裡不是說人際關係,溝通能力不重要。如果想要進國際投行工作,這些是基本的。而現在國內很多本科生過於強調這些人際關係的能力,通常抽像成所謂辦事能力而忽略專業技術的培養,是很不好的現象。

如果你上linkedin,搜索一下投行高層的背景,你就能看到大部分來自物理工程數學領域。很多物理的phd後來才做的投行。即使用的不是物理的只是,但對同一個金融現象的詮釋,理工科背景的人對比起文科背景的人說出來的話是差異很大的。希望能幫到你吧。

-------------這裡是分割線-------------

-------------這裡補充回答-------------

其實我看這個問題的時候沒評論的各位那麼擴散思維。題主問的是物理轉金融優勢在哪裡。那麼我就把物理學數學計算機科學在投行裡的作用說出來。所以,

1,承銷,賣衍生品,風控……誰才是主營業務,與題目無關。我說的是我知道的英美投行的情況。很多是基於我學長同學們告訴我的。這些人分別在citi,巴克萊,匯豐,摩根斯坦利擔任quant。有risk quant 有equity quant。所以如果扯到中國特色,那真的是一個沒完沒了的問題。

2,我很反感把索羅斯搬出來做例子,因為這樣的例子對於一個大學生來說一點指導作用都沒有。如果你問一個大導演怎麼拍好電影,他會跟你說他的世界觀和哲學。他說的沒錯,但是他還沒跟你說他如何設置攝像機和場景這些細小的技術面。因為這對他來說不是問題。而恰恰,太多人忽略最基本的技術,而把自己抬到一個分分鐘能影響市場的角色想問題。就像Dai說的市場影響力,定價權。其實也沒說錯,但問題是一大學生哪來的資本,哪來的定價權?有的只能是技術,如果技術沒有了就什麼都沒有了。

3,模型是中性的。不知道反模型的人有沒有真的學過模型。至少學到現在沒一種模型告訴我怎麼忽悠客戶把我的虧損都承擔掉。就像我要買一份CDS對衝我持有的信用風險,模型會告訴我應該付對方多少錢。但是對方如果不懂模型,不懂自己要承擔的風險而願意接受更低的價格。這難道能怪模型?這得怪對方不懂模型。模型算出100塊,您給客戶送了100塊,最後賣了300塊。用一個不fair的價格,不合法的手段,造成客戶巨虧,然後反過頭來怪模型?如果一些人所強調的客戶關係blahblahblah是指怎麼送出去那100塊錢。那麼用戶虧損了到底是哪個環節應該受到指責?

4,能搞定機構客戶,搞定要IPO的公司。怎麼搞?吃頓飯?其實這是說了等於白說,因為我看完了完全不知道明早我要朝哪個方向努力。如第二點提到的,沒指導意義。

5,我感覺評論裡有幾個人提出反對意見,但是其實我們說的不是同一件事。我是從資產定價,風險管理的角度說明出數學的作用。但是感覺很多人在說的是理財投資?居然還扯IPO去了?Dai說「答主說的很多模型我們都是在實戰中檢驗過的,有些的效果只能呵呵了。。。」 冤枉啊!!我通篇回答可是連一個模型的名字都沒提過,連Black-Scholes都沒提到,讓你呵呵的是哪個模型?你真的讀我回答了嗎?另外你的「實戰」又是什麼?

6,其實一直有句話「盡信模型不如沒模型」。每個模型都有一大串assumptions。所以它推導出的結果的意義也是有局限的。但即使有局限,其結果也是有指導意義的。就看用的人怎麼理解了(不懂的就亂用咯)。其實就這個問題,有一個專有名詞叫「model risk」,即運用不同模型進行定價的差異造成的風險。通常要對比,折中以規避這種風險。

我覺得討論模型到底有沒用實在沒有意義。quant就做這個,這是事實,也沒啥好反對的。我回答的初衷也只是告訴題主quant會這麼幹,而且沒說其他技能沒用。所以還是請反模型的人反應別過激了。在一個像投行一樣的大機構,做什麼的人都有。對於自己不熟悉的技能和部門加以反對完全沒必要。但是反對前至少自己要瞭解,要不然反對得也沒根據。另外,搞關係和搞模型是對立的?我不覺得。

【知乎用戶的回答(61票)】:

我本科金融+碩士金融,本科屬於文科,碩士在國外讀的屬於理科,而且已經工作了,如果你今後想工作我應該有點發言權。如果你今後想PHD可以參考樓上某人的話

如果能讓我回到高考前我絕壁選擇本科數學/物理+碩士金融

金融工作範疇太廣,剛起步基本可以簡單分為銷售類,分析類和管理類

技術類的不用說了,技術分析誰都會誰都能學會;然而基本分析,建模,量化你以為想學就能學會嗎?稍微簡單的還好說,複雜點的模型對數學要求很高,這時你的優勢就體現出來了。就我身邊同學的水平我可以很負責的告訴你,搞數量和建模純金融的肯定比物理+金融的差遠了。

上面是我的主觀感受,下面說客觀事實,你去看看國內外大券商大投行總部招的技術類人才是什麼要求,都是理工類和金融復合背景,物理和數學是第一選擇。這也屬於沒有關係沒有背景的人能找到的起薪最高且發展前景最好的工作了。

下面說銷售類工作,高端客戶作為上層人士,是不會被忽悠的,說服無非兩個方法,一個是theoritical,一個是empirical,前者靠邏輯,後者靠數學,物理背景有沒有優勢一目瞭然。學文的人是能忽悠,但那只能騙騙小客戶,真正的大客戶都有自己的想法,學文的人說個話都沒邏輯,能留住大客戶嗎?而且就我觀察高端客戶大部分都反感學文人的那種文藝幼稚的氣質。

管理類工作我就懶得說了,這種工作誰學學都能做,誰晉陞都可以,沒有背景什麼專業都一樣。

前面是起步,下面說長遠發展,這世界上最賺錢的工作永遠是基金沒有之一,對沖量化的招人要求網上有你可以自己去看

學好數理化,走遍全天下這話永遠沒錯,因為你掌握的是實實在在的有進入門檻的技術,別人跟你就是有差距。文科碩士才真是沒用,他能幹的事大專畢業都能幹。他今後唯一的出路就是和學歷比自己低得多的人去拼人脈拼忽悠。而你的技術可以讓你一下找到只有碩士才能幹的工作。

純數理化碩士不好找工作是因為這類專業偏研究,無法轉化成利潤,所以人才需求少供給大。量化金融就不一樣了,你可以把建模轉化成利潤,而且國內現在量化金融人才缺口非常大,即便是在金融市場已經成熟甚至飽和的歐美,人才缺口也很大,你學好量化金融也不用愁工作。

最後說說自己的本科金融都在幹嘛,就是背書,背完就忘,全是些理論知識,之所以說是理論就是因為假設根本不能實現,一點用都沒有,你們學物理的自己看書也可以跟上我們,但你讓金融的人去學物理的模型絕對學不會。

我之所以打了這麼多是因為剛做完一個量化工程的題目,現在打從心底裡佩服數學好的人。

數學和物理不是真理,但他們凝聚了歷史上最聰明的人和現在最聰明的人的心血和智慧。你可以覺得它沒用,但短時間內不會出現比它更有用的東西

【小切糕的回答(13票)】:

幾乎沒有優勢。

用我的血淚教訓現身說法,我是物理本+金融碩,下面從理論和實務兩個角度分析物理(本科)轉金融的優劣勢。

理論方面,首先談優勢,一般來說,物理背景比經管出身的數學、計算機能力強,在邏輯思維、數據分析上具有一定優勢。但是,一來這種優勢並非物理獨有,而是理工科相對經管科所共有的,二來這種優勢往往不足夠顯著,除去少數天才,物理背景在數學和計算機方面遠遠不能與數學、計算機科班出身相比,很多經管背景的學生稍加學習即可達到同等水平。

下面談理論方面的劣勢,也是我認為物理轉金融最大的劣勢——決定論思維。物理學的核心課程是四大力學,所謂力學,歸根結底是「作用」,講究物質之間的相互作用規律,上至天體,下至粒子,無一能逃出決定論框架下的因果思維(量子力學引入了不確定性,但其研究框架仍是決定論的,愛因斯坦一直論戰「上帝不擲色子」,可見決定論在物理學中的根深蒂固)。相較於分析和代數,物理出身的人在概率、統計方面背景相對較弱,而這方面恰恰是金融(數理金融)理論最依賴的部分。舉個栗子,物理學中混沌的概念看起來可以解決紛繁複雜的金融現象,有一陣子很火,混沌看似隨機,本質上卻是決定論下的「偽隨機」,初始條件的微小偏差(通常是超出我們觀測精度的)導致運動終態的不確定,表面上就形成了隨機性(有點像偽隨機數的生成,用一個確定的種子生成一個循環週期非常長的序列,截取一段來看就很隨機)。相較之下,概率論中的隨機才是「真隨機」,樣本空間的樣本點通過隨機變量映射到實空間,即不需要初始設定,也不需要複雜的邏輯鏈條,而是從本質上承認不確定性的存在。決定論的思維在處理金融問題時帶來了一些麻煩,市場上的一些「證券物理學」論調,給金融市場強加一個未經檢驗的因果邏輯,得出一些似是而非的結論,試圖給證券投資這種藝術披上偽科學的外衣。相較而言,金融衍生品理論直接承認了不確定性的存在,並在此基礎上對衍生品進行定價,把基礎產品的定價繼續留給市場,並不試圖去進行任何形式的預測。

實務方面,以傳統的IBD、S&T、研究三大塊業務分別分析。

傳統的IBD對social要求高,專業知識偏重會計和財務,物理背景在IBD方面有劣勢;S&T中,目前國內的sales對產品要求還不算高,依舊是看重social(很多機構的sales團隊都是清一色的女神團,能摸敢睡分分鐘),傳統的trader什麼專業背景的都有,物理背景算不上優勢,quant trader偏好理工背景不假,但物理背景比不上計算機和數學吃香,此外該職位在國內發展還比較初步(待遇發展尤其慢);研究板塊和品種關係比較大,權益、信用研究依賴基本面,看重宏觀和財務,金工研究則是八仙過海,理工背景還是有些優勢,不過物理背景依舊拼不過計算機、數學,甚至不如統計。

綜上所述,有些金融行業職位親睞理工背景,但物理的競爭力不如同為理工科的計算機、數學和統計。物理轉金融,最重要的是拋棄決定論框架,學會用金融學的框架來思考金融問題。指望通過閱讀物理書來搞通金融,我覺得是不切實際的。

【知乎用戶的回答(14票)】:

瀉藥。

看到很多人說沒啥關係,也有很多人說的神乎其神。我自身作為一個物理轉金融的人來談點我的看法。

首先,金融是一個很大的學科的,就像物理也是很大的一門學科。做IBD,M&A或者傳統上的trading的,按很多人的定義都是金融。對於這類的金融來說,我感覺作為一個物理學專業出身的人來說,沒有任何優勢。但是對於現在很多的量化交易、金融風險管理等等來說,物理學專業出身的人可能就會有一些或者很大的優勢。

我說物理學專業出身的可能會有優勢是因為物理也有很多方向(請原諒我下述的這種分類),如果你是做實驗物理的,可以說基本上跟這些金融的方向關係都不大了。但是如果是做統計物理或者計算物理,那麼關係就比較密切了。比如說做強關聯電子體系常用的一些hubbard模型或者Ising模型會用退火算法來做一些蒙特卡洛模擬什麼的,做期權定價、算VaR的時候,我們常常也會用一些算法來做蒙特卡洛模擬。所以你看,這裡大家做的還是有些類似的。另外數學物理方法裡面會學點的PDE,用到的也不少。

最後總結用別人的一段回答來結束。之前跟S&P的一個物理phd的Director聊的時候問他覺得我們以前做物理的人轉做金融有什麼優勢的時候,他說:「我想可能優勢並不是很大。但是現在我這一批的quant確實很多之前是做物理的。因為我們做物理的有個特點就是:啥都懂點。這讓我們很適合去做一些開創性、拓荒類的工作。比如說之前計算機最早出現的時候,沒有人懂計算機,就是我們做物理的去研究計算機。後面成為了一門專門的學科了以後,就變成有計算機家專門去做這件事。對於quant finance來說,以前也有很多我們物理學家、數學家、計算機科學家來從事這個行業,但是現在已經有了很多像你這樣專門的學習quant finance的人了,所以說將來應該越來越少學其他的來做這個了吧。」

【佟浩功的回答(14票)】:

謝邀,凡要挨打的答案一律不匿,總得有人說說實情。

我猜題主問這個問題的目的是想知道你在專業上的選擇是否正確?

我也算是所謂理工轉金融的人,有些話真是不吐不快。你可以說我還年輕見得還少,但是我和很多很多圈子裡的牛人和高管交流過類似的問題,得到的答案全部都是:想做金融的話沒必要本科學理工科,沒什麼用。我自己的感受是,說學理工學科對金融沒用有點偏激了,應該是有很大用的,但是有用不等於你就得學它。花四年時間學理科,雖然為將來轉金融打好數理基礎,但是你從中的受益並一定比你的付出多啊。quant這個行業現在國外的形勢是這樣的,buy side的頂尖quant team不要什麼金融啊MFE啊這種學歷的,還是要理工phd,也就是說本科學理工碩士轉金融的人實際上很少能得到在對沖基金做量化賺大錢的這種機會。而sell side的quant本身技術含量要稍低於buy side,有些門檻可能更多的是在金融和經濟的知識上,甚至有數理基礎一般,本科都不是理工科的人在做。

我覺得可以這樣總結,理工轉金融的人最適合做的工作是金融界的那些金融味兒不那麼濃的工作,有很多因為喜歡金融而決定先打好數學基礎的人,他們當初所感興趣的不是這類工作,但是進了這行之後以後的選擇餘地也很少了。很多人可能是最初是因為投行、風投、併購等等這些東西才喜歡上金融的,後因各種各樣的原因選擇數學、物理、計算機一類的專業以打好基礎。但是等你真的從學校走出去的時候你在這些工種上的能力和人家金融、經濟、管理類專業的人才相比真的毫無競爭力可言(大樣本而言,不排除有真的各方面很優秀的,我有個師兄就是這樣,學習好情商高能力強人還很nice,簡直是我的人生偶像)。而數理轉金融的人我瞭解到的大多還是在金融領域做數理工作吧?這個真的是當初這些人想要的嗎?應該不全是。

我認為」打好理科基礎有利於學金融「這個說法是從學術角度來說的,在業界工作的話不一定。頂尖的金融學的研究現在真的離不開數學、物理、計算機。數學從來沒有像現在一樣對金融產生如此決定性的作用。不過這個是學者要研究的事兒,對於絕大部分人來說,學金融不是為了做這些數理味兒極濃的工作的。我們實話實說理工學生的情商、社會生存能力、人際交往能力等等這些金融需要的素質相比商科、社科學生總體而言有差距。不要光看著有一些物理、數學大牛在金融領域做的很牛逼,其實失敗的例子更多。而且在金融界從事quant這種工作的競爭壓力我認為是比其他工種大的,因為quant最後存活下來的都是最聰明、最能吃苦、最有創造性、甚至可以說是最天才的人。

綜上呢,物理、數學、計算機乃至其他各種理工科的學生如果轉金融的話,沒法一刀切的說誰的優勢更大,應該先看你是什麼樣的人。如果你是技術型人才,那先學理工科再轉金融這個優勢絕對是很大的,甚至可以一直讀到理工phd再轉金融我覺得最好。但是如果你是商人型人才,恐怕就談不上優勢了,可能還有劣勢。技術型人才我覺得就以現在排名第一的答案那個答主為榜樣就好了,而商人型人才我覺得你學金融然後補充數學知識要遠比你學數學物理再補充金融知識來的值。

=====================

@楊大恆你個點贊狂魔。。。。

【知乎用戶的回答(9票)】:

鑒於好多經濟學家都是學物理或者數學出身,所以目前好多學習經濟學的人都認為學物理再學金融或經濟才能有前途,但事實上,一位著名的華人經濟學家曾在被問道物理學對其經濟學方面成功的幫助時給出了否定答案。

現在我們來想這樣一個問題:當我們觀察到很多成功的經濟學家都是從物理學轉行的時候,我們能說學好經濟學需要先學習物理嗎?答案是否定的。儘管兩者之間存在相關性,甚至是強相關,我們也不能給出肯定答案,因為這裡有一個內生性問題——即這些人之所以在經濟學領域取得成功,並非因為他們先學習了物理學,而是存在另外一種因素(比如高智商之類),這一因素曾經促使這部分人選擇學習相對艱難的物理學,又在現在幫助他們在經濟學領域取得成功,從而使得「看上去」是先學習物理學再學習經濟學才能取得成功。

所以說,想學好經濟或金融就學習經濟或金融吧,不要瞎想些別的(雖然我當初也這麼想過)。如果你真的對經濟學感興趣,那麼當你在思考經濟問題時遇到了問題,你會主動去尋求答案。在尋求答案過程中,如果確實需要用到物理學的知識,再學習也來得及。畢竟,不管是物理學還是經濟學,解決問題的能力才是最重要的不是嗎?

【陳浩的回答(8票)】:

看到那麼多牛人的回答,我也來說說我對金融的看法,本人是純文科背景的財經系本科學士,喜歡歷史,英文較好,高等數學一般,物理基本不懂,目前從事中小企業的信用貸款(300W起)工作。

數學和物理究竟對金融行業有用麼?我的看法是有用,不過作用非常有限。因為不懂數學和物理,就不對上述兩個學科評論了,我來說說金融吧。

首先,你得搞清楚什麼是金融,金融是資金融通的縮寫,說白了就是借錢,借錢就需要至少兩個主體,一個需要錢,另外一個有錢。需要錢的無非就是個人或者企業,原因多種多樣,大致分三類:可以是創業,可以是用於經營,也可以是借點錢辦場婚禮。。。。那麼有錢的在哪呢?如果你的創業想法像馬雲一樣好,有軟銀為代表的風險投資可以給你錢,如果你是正常的擴大產能,投入更多經營性現金流的話,就需要銀行的貸款,如果是為了辦婚禮急需酒席錢,那麼就需要民間借貸這種快速的融資機構。。。。這叫各自的融資渠道。好了,那麼為什麼人家給你錢呢?

先說風投,風險投資同時給10個看似優良的創業者1000萬,投出去了1個億,9個項目都倒閉了,1個成功了,為他掙了1一個億,收支相抵,如果成了2個以上的話,下半輩子就可以高枕無憂了,有興趣參見阿里巴巴的上市,所以風投的目標就是把投資項目的失敗率提高到10%以上,那麼對每個項目的分析就得更加準確,順便說一下哈,這些項目都是商業性質,極少支持純粹的科學研究,那麼商業性質的項目將來能不能掙錢,估計沒人能說的清楚,只能做預測,涉及到預測的東西,最好不要做複雜的數學模型,因為變量太多,就意味著沒有結果,這時候,風險投資人的能力就體現出來了,能不能抓住涉及天文地理、人文技術、社會大環境、科技進步等諸多因素中一個重要因素,大膽的賭一把,注意,最後還是賭一把。

今天就說這麼多吧,有人有興趣,我再繼續講銀行和小額貸款

【知乎用戶的回答(3票)】:

首先聲明不是真的特別明白這個領域的問題,發表些愚見其他還是等大神來答吧。

第一,如果是針對學術領域而言,做物理的轉作金融還是有優勢的,物理是所謂的模型科學,金融裡頭也是各種各樣的模型,從一系列數據中找出聯繫,用模型解釋並且預測,這是跟物理的共同之處,物理作為理工科鼻祖是有原因的。沒記錯的話,北大光華,CCER一些學術做的不錯的老師很多是物理跟數學背景轉過來的。國外應該更多。你可以去分析下諾貝爾經濟學獎得主原來的學科背景。

第二,針對業界的話,一般而言金融實務對數理要求不高,但是最近量化投資在國內開始熱起來(在美帝出現30幾年了吧),這裡頭一般來說,強調建模與編程的能力(私以為國內本科學金融的人數理背景搞這個是完全不夠的),做物理人應該是有優勢的,去年光大烏龍指就是ETF套利出現的BUG,這裡套利用的模型本質上也就用計算機編程建模的問題。

真要分析這個問題,我想第一要讀金融PHD的大神們來回答,看看數理背景對搞金融研究是何影響。第二就是看看業界做量化投資的人真正背景是啥,覺得學物理有用不。

話說,電影margin call裡頭那個那個做風控的小伙子不是學一個什麼高大上的學科來著,似乎是物理的子學科。小伙子說,以前搞的數據,換做金融還是處理數據,不過錢多爾。

回應下樓上,金融的微觀模型裡頭確實各種隨機過程,布朗運動,隨機微分方程等聽起來挺虎逼的玩意。我本科數學的,搞過點這些,不清楚物理專業學隨機過程否。

【夏川的回答(3票)】:

我只知道研究微觀運動的布朗模型在金融領域很有用

【fnody吳超的回答(2票)】:

好多物理轉金融是在學生時代轉換了專業方向,這種情況對所有要求較高數學基礎的專業都適用。完全物理出身,工作時才開始轉向金融行業只存在部分物理專業人身上。在物理學的許多分支中,從事高能物理、核物理的科研人員需要依靠編程處理分析極大數據量的實驗數據,所以對數據的統計分析以及數據處理類的編程有較高造詣。而在金融證券上往往也需要對大量金融數據進行統計學上的分析處理。所以金融行業有許多學物理的人

【知乎用戶的回答(2票)】:

本人是物理專業本科+研究生,迫於生活壓力轉行到銀行,物理知識基本用不上,銀行更多的是操作工、有資源的、或者能吃苦去積累資源的人

研究生童靴裡面有一些物理博士轉行去做量化投資、私募之類。我覺得這種人屬於在研究領域也能做的很好,只不過轉換學科背景,需要補充很多股票證券等金融知識去做。華爾街曾經也有好多頂級名校數理博士出來做QUANTS的,這種成功有時代因素也有個人能力問題。做物理的人覺得什麼都能拿來做模型,可是金融有很多需要考慮政策、現實限制條件。

數學系也有挺多的做金融的,像保險精算師據說大多數都是數學系才能考出來的。

想要搞金融還是需要定位:

1、偏銷售型的:需要情商高、喜歡和人打交道+資源的積累,在哪裡有資源的銷售都是吃香的,這種可能不太看重專業、更在乎個人性格、出生背景

2、研究開髮型:前面說到數理量化分析、精算等,最好能讀細分領域的博士,拿到一些頂級證書如CFAFRM、國際註冊的保險精算師等

3、中台:熟知各種政策,去做投行併購等,或者交易員等;有機會進入這個行業,然後積累經驗閱歷。關鍵是要能夠進去,之後就是積累人脈、考取保薦人等跟自己領域相關證書了

希望進入金融領域也許是想要高薪,也許是被外界的光環所吸引,亦或者真心熱愛這個行業;希望看到的童靴早作打算,避免後面沉沒成本太高。

【豬小笨豬的回答(2票)】:

總的來說只有劣勢沒有優勢,只在量化模型和衍生品定價等需要數學和編程的方面比純財經金融的學生有優勢,但是此時又遜於數學和計算機的學生,所以物理沒什麼優勢。有少數物理轉金融的,本人本科也是物理,身邊同學有幾個在中信證券工作,但比例還是很低的,而且自身條件都很優秀,一個女生是全年級gpa第一,還有個好哥們也拿過國獎,都是出國讀了一年金融類碩。所以要轉就得早轉,而且自己不夠牛就算了吧。金融現在人才過於飽和,光華匯豐的同學我隨機打聽了幾個,反正去年找工作很困難,好的很難找,大部分都是今年三月這波才拿到offer的。本人湊著那波也投了不少簡歷,想找個寒假實習看看。最後絕望後只好找父母幫忙找關係了。學物理再轉的學生就業面比財經類更窄,他們進不了券商基金也可以委屈去銀行律所之類的,當然更牛的去大投行了,而你們只能往券商基金鑽了。這些單位每年都會裁人的,中信大約是5%,裁幾個再招幾個這樣,大的進不去(通常也是進不去的)要麼去小券商餬口要麼只能去國外拼了。從北美的同學反饋的消息來看,那也越來越難留了。去年暑假嘗試找過實習,第一次面試的對手一堆海歸,哥大紐約之類的,也是現在出國人數眾多,外面工作機會又不寬,所以只能回國了。當然也有不少本來就找不著工作被迫出國的。去年中信在我們學校的宣講我也去聽了下,適合物理學生的崗位只有兩三個。高盛的宣講我也聽了,國內的投行業務太窄,基本沒有適合物理學生的崗位。所以就業面是狹窄決定了物理轉金融的就業是很困難的,當然留在學校搞研究還好,不過那等於換了個課題而已。當然大學教職也很難了,當個小講師多慘就不說了。所以如果真想轉就越早越好,而且要意識到自己的劣勢。當然如果家裡在財政部有比較牛的關係就另當別論了,目測樓主是沒有的,不然就直接學金融了。

【haoluo的回答(2票)】:

優勢在於:比學金融的更珍惜這個能賺錢養家的機會,所以就更加努力

【李鳳朝的回答(1票)】:

還是邏輯思維能力吧。當然我只是認識個本科物理美帝金融master的前同事,在他身上確實有強於周圍人一大截的邏輯思維上的優勢。所以樣本太小,可能也不具有代表性。

至於書,首先強烈不推薦 《證券物理學》。裡面的推斷裡很多參數難以量化。

反倒是國外一些《經濟物理學導論》等倒是至少嚴謹,而且方法常用不會過於複雜。而且如果是轉金融的話,正好可以提供一個用統計理解金融學中相關性的新思路。

不承擔學術責任...

【lasingwang的回答(1票)】:

我的教授跟我說。。真正的難題是出在金融方面而不是數學。。華爾街所要用到的數學跟研究所要用到的完全不在一個量級。。

【nong的回答(1票)】:

先學物理在金融上的確有些優勢,許多金融模型與物理模型非常相近,現在正在流行的量化投資非常重視這數量分析這一塊(現在不說量化都不好意思說投資了)但是現實中的情況要複雜得多,要有許多考慮的因素,人的作用,市場瞬息萬變,要想單憑數學和模型就能縱橫金融,這樣的想法還是太簡單了。

【藍海平的回答(1票)】:

這個問題首先得從什麼樣的角度來看待金融市場。如果從承銷、發行等角度強調,則恐怕大部分與專業無當,這裡起作用的無非是情商或人脈。題主可能更強調的是定量化相關領域,物理背景的影響。從技能來看,物理學的訓練與數學,統計或金融、經濟科班,如宏觀相關的動態隨機均衡,微觀相關的隨機折現因子,並無太多優勢。我個人以為,物理思維在這裡能不能有較強的優勢,是值得關注的,當然這也是看個人的造化。物理與金融的深刻差異,是物理背景切入的可能和優勢。

標籤:-金融 -金融學 -MarketingAnalyst


相關資源:





給我留言