WallStreetTequila 04-24
华尔街铁饭碗岗位出现了:毕业年薪30万美金,还不会被AI取代……
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_keji1.html

 

AI 代替审计

AI 代替初级软件工程师

AI 代替股票分析师……

有什么是 AI 代替不了的吗?

Quora 上就有小伙伴提问到:

AI 会代替量化岗位吗?

顶尖量化选手 " 稳如老狗 "

被 AI 代替?不存在的

近期,一位曾在华尔街顶尖交易公司工作的前量化分析师小哥在油管上发布了一则视频,跟大家分享了他的前司对于人工智能的应用和看法,正好就能解答 Quora 上这位小伙伴的疑惑。

cr.youtube

小哥表示,去年间,AI 颠覆性的发展让所有行业都希望能乘上这艘快船,他当时所在的量化公司 CEO 也决定如此。公司专门成立了 AI 部门,砸重金从谷歌等公司挖来 AI 专家,甚至还招了一位上榜 Forbes 30 Under 30 的 AI 领域领军人物。

引入 AI 后的公司…

这一系列的操作下来,AI 在公司内部达成了初步的应用。小哥表示成果确实不错,公司的确通过 AI 实现了一些效率上的提升:

编程辅助:公司为每位开发者配备 AI 代码助手(如 GitHub Copilot),用最新技术自动生成代码。

内部流程优化:AI 聊天机器人替代 HR 答疑(如差旅政策、年假规则),通过扫描公司文档即时回答。

前台的渐进改进:交易前端流程因 AI 变得更高效,但这些改进更多是优化而非突破。

其实目前,华尔街不少量化大厂都在积极拥抱 AI 技术赋能日常工作,通常是将多个先进的 AI 计算模型和技术结合使用,以便在复杂的市场环境中获得竞争优势。

这些 AI 计算模型包括一系列复杂的算法和技术,可能被用到的模型例如:

深度学习模型(Deep Learning Models)

强化学习模型(Reinforcement Learning Models)

生成对抗网络(GANs)

自然语言处理(NLP)模型

量化因子模型(Factor Models)

统计套利模型(Statistical Arbitrage Models)

图神经网络(GNNs)

自适应交易算法(Adaptive Trading Algorithms)

AI 取代一切,但是取代不了 Quant

但当触及到量化交易的关键问题:AI 能否生成阿尔法(Alpha)或优化交易执行?小哥给出的短期答案则是:不能。

小哥从两点出发解释了这个回答。首先,AI 无法参与核心交易、代替员工的一个很重要原因就是:最好的 AI 依旧会出现 " 幻觉 "。

用过 AI 的大家都知道,即使是目前顶尖的 AI 软件,仍可能间歇性地 " 胡言乱语 ",给你生成一些看似正确、其实错误的信息内容,而这对于量化交易来说是非常危险的。

在顶尖的量化公司中,一次错误交易就足以让公司崩盘。因此一般 Quant 公司的标准工作流程需要经历层层测试与审核:人工写出代码→小组 code reviews →回测 backtesting → compliance 审查,然后才能投入使用。

第二点也是关乎量化公司 " 命脉 " 的问题。对于 Quant 公司来说,最值钱的 IP 就是代码,下至每个小组,上至公司都会用一切方式保护代码的稳定、安全、高效;但如果要让 AI 理解全部交易策略,就需开放整个代码库和专有白皮书,放到一个大池子里面让 AI 去学习。

给大家打一个通俗易懂的比方:蟹老板想要研制一个能自动生产蟹黄堡的 AI 厨师,要让 AI 真正掌握调配精髓,就必须打开保险箱,把痞老板最想要的蟹黄堡秘方全部喂给它。这相当于把保险库钥匙插在门上,痞老板只需简单几招就能把秘方收入囊中。

量化公司对于这种事情可谓是极度警惕,因为早有公司在这点上翻过车:某著名全球量化交易公司的一位员工,在 Covid 期间利用职位权利,从公司窃取了耗时数年、耗资超过 10 亿美元开发的 " 源代码 ",用于开发自己秘密创立的量化交易公司的源代码。

cr.justice.gov

这并不是个例。Covid 期间,由于需要远程办公,公司原有的防护措施(如禁用 USB)失效,就有员工用手机拍照 +OCR 技术窃取代码,并偷偷成立初创公司蚕食原公司市场份额,Citadel、Akuna 等公司皆 " 中过招 "。

综上所述,核心代码 private 到连员工都需权限隔离,更别说直接喂给 AI 了。

小哥说,在权衡风险后,公司 CEO 最终选择了保守策略:部署完辅助型 AI 工具后,大幅裁撤 AI 部门,仅保留维护人员;同时放弃用 AI 直接改进核心交易算法,转而专注 " 防御性 " 工具开发。

回到开头的问题,可以看出来,虽然在一些辅助性的功能上 AI 能极大提升工作效率,但在短期内,AI 还是无法代替真正的量化交易员,接管公司的交易工作。

Invesco 公司曾对管理规模达 22.5 万亿美元的系统化投资者开展调查,得出的结果也能佐证上面的想法:

数据显示,62% 的受访者认为十年后人工智能的重要性将与传统分析不相上下,13% 认为其将更具颠覆性;但被问及当前 AI 技术应用现状时,仅 9% 的受访者表示已大规模使用,38% 称将有限度使用,其余则表示暂未应用。

多数受访者认为人工智能最适用的场景是识别市场模式与趋势——突显其提升投资组合表现的巨大潜力。支持者指出,AI(或其数据驱动分支机器学习)更擅长检测多变量间复杂关系,因此更能适应多变的市场环境。

不用担心被 AI 代替的香饽饽岗位

量化求职到底该怎么做?

从前文不难看出,部分量化岗位非常看重你的写码能力与 hard skill 实力,毕竟代码可是一家量化公司的 " 核心 IP"。

对于想要求职量化岗位的同学来说,狠狠打磨硬实力、把握好 technical skill 才是 Quant 求职顺利的基石。总的来说,Quant technical skill 包含五大元素:

金融产品知识

统计知识

编程能力

brainteaser

金融数学

坚实的 technical skill,可以靠反复刷题可以做到。推荐大家多刷这两本书

红皮书(Mark Joshi, Quant Job Interview Questions & Answers)

绿皮书(Xinfeng Zhou, A Practical Guide to Quantitative Finance Interviews)

当然,真题也是非常好的辅助工具,来自量化大厂的面试真题能够让你最直接地感受到量化面试的难度与形式,高质量刷题掌握核心逻辑才能以不变应万变。

除了刷题外,如果你想在课余时间丰富自己的量化知识或者 tech 技术,那么下面这几个宝藏网站 & 频道你一定不能错过 ~

Stack Overflow

全球知名的IT 技术问答平台,会有很多程序员与量化从业者在上面交流技术问题,提问即可获得大佬们的专业解答,还有丰富的技术文章分享。

Quantocracy

专注量化和金融领域的博客聚合 web,每日更新,上面汇总了全网 quantitative trade 的优质文章,很适合新手入门了解相关资讯。 

Quantpedia

Quantitative Trade 百科全书式 web,可依据 Trading 品种、Sharpe 值等多维度搜索,提供经学术验证的各类量化策略,助力高效决策。 

Quantconnect

综合性量化平台,提供免费的开发环境与数据,支持多资产类别,具备强大回测与实时 trade 集成功能,便于策略开发测试。

YouTube:Quant Questions IO

一个分享量化面试题目的油管频道,里面有各大公司量化相关面试题目分享及详细解答。

插播一条提醒,咱都知道隔壁 IBD 招人招的早,不少同学在前两个月就收到了 2026 Summer offer;但目前,Quant 赛道也卷起来了!

不少大厂都开放了 2026summer 的申请链接,WST 已经整理好了全球 2025&2026 量化岗位申请 list,同学们可以对照着表格进行筛选及投递,需要完整版的联系小助手回复【量化】即可 ~

想知道买方和卖方 Quant& 看重的到底是什么能力?面试流程?问题积累?思维训练?临场表现?Quant 的 recruiting 该如何准备?Desk quant, quant researcher, strategist 等行业内部职位都是做什么的?有什么优缺点?想知道业内有什么有趣的故事?

不经过正规化和魔鬼式的训练,何谈年薪百万?

备战 2026 求职季

联系 WST 团队咨询项目 ~~

声明:所有学员斩获的高薪岗位实习 / 全职 offer,均是通过 WST 的求职项目达到自身实力过硬,符合公司录用标准的前提下通过官方校招渠道,自行申请所获得。

▼点击这里,更多求职资讯尽在 WST

宙世代

宙世代

ZAKER旗下Web3.0元宇宙平台

一起剪

一起剪

ZAKER旗下免费视频剪辑工具

相关标签

ai 华尔街 快船 谷歌 聊天机器人
相关文章
评论
没有更多评论了
取消

登录后才可以发布评论哦

打开小程序可以发布评论哦

12 我来说两句…
打开 ZAKER 参与讨论