金融量化分析師
SOC 13-2099
用量化方法為證券與股票投資、金融工具定價與估值提供技術支援：把金融問題轉成可檢驗的數學模型，選擇並驗證統計或計量方法；開發衍生品定價、組合構建與最佳化、業績歸因、風險度量與相對價值分析模型；維護與改造在用的分析模型與模型庫，定義模型規範與資料要求；用獨立模型核對結果、復現並解釋偏差；與交易、研究、風控和產品團隊溝通模型假設與適用邊界；編制研究摘要與需求文件，並對模型的適用範圍與失效條件作出說明。
三項代表核心任務等權的模型影響指數，非實際工時佔比或失業機率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18.
快速判斷
金融量化分析師適合什麼樣的人？
先判斷自己是否願意長期與資料、方法與模型治理打交道，並接受獨立複核與模型失效的現實；用本頁紙面練習與七天任務驗證。
本卡是職業探索參考，不構成錄用、能力評分或投資、法律與合規結論。
什么样的人更可能适合金融量化分析師？
更值得考慮的訊號：願意把金融直覺寫成可檢驗的模型、能接受自己的模型被獨立復現和質疑、願意說明模型的失效條件。需要慎重的訊號：用複雜模型掩蓋假設薄弱、只報告有利回測、把模型輸出當成結論而不是依據。
什么情况下需要慎重选择金融量化分析師？
本清單只用於自我提問，不構成錄用標準、能力評分或投資結論。本頁按美國 O*NET-SOC 13-2099.01「Financial Quantitative Analysts」編寫；本頁讀者名稱取「金融量化分析師」，以與相鄰的金融與投資分析師區分，正文一律按「量化分析」職責展開。這一職業實際差別很大：賣方研究與自營量化、買方的組合最佳化與因子模型、衍生品定價與結構化產品、市場風險與模型驗證（model validation）、交易系統與執行演算法，以及 ESG 與碳相關建模。比較崗位前先核對所在機構與業務線、模型用途（定價、風險、配置還是合規）、是否對外提供結論、是否需要獨立校驗（模型驗證崗要求「用獨立模型核對」）、以及程式碼與資料的生產化要求。
如何用一次小实验判断自己是否适合金融量化分析師？
用一次紙面演練驗證：給你一份完全虛構的建模任務（需要回答的定價或風險問題、可用的行情與財務資料、必須遵守的模型治理與留痕要求、需要交付的模型說明與驗證材料），要求寫出問題到模型的轉換、方法選擇與檢驗方式、資料清洗與口徑、引數與假設、穩健性與失效條件、獨立複核安排，並標出哪些結論必須由模型驗證、風控或有職權人員確認。 紙面加練（使用虛構材料）：用同一虛構測試集比較兩個模型結果，記錄放寬一項模型假設後的變化。
职业画像
職業邊界：本頁按 O*NET-SOC 13-2099.01 金融量化分析師編寫，核心產出是定價、風險、最佳化或相對價值模型及其分析說明。與基金經理、金融與投資分析師、風險專家等崗位可以有任務交叉，區分應看崗位的主要產出和決策授權，不能把估值或投資組合工作一概排除。具體投資決策、驗證獨立性及上線許可權須核目標機構制度。
金融量化分析師的工作可以分成哪幾類？
金融量化分析師的日常圍繞「問題—模型—驗證—說明」四步迴圈：先把金融或業務問題轉成可檢驗的數學或統計表述，明確目標變數與約束；再選擇方法、準備資料並處理缺失與異常，擬合引數並做樣本內外檢驗；隨後用獨立方法或模型復現結果，檢查穩健性、敏感性與失效條件，並按模型治理要求留下版本與依據；最後把假設、結論、適用範圍與限制寫成模型說明或研究摘要，與交易、研究、風控和產品團隊溝通，並維護在用的模型庫。不同崗位側重點不同：定價崗偏衍生品與數值方法，配置崗偏最佳化與因子模型，風險崗偏度量與壓力測試，驗證崗偏獨立復現與治理。
資料準備與口徑處理：
以量化建模與獨立驗證為核心
- 01問題建模
- 02準備資料並核對口徑
- 03開發與擬合模型
- 04獨立復現與穩健性檢驗
- 05記錄假設與版本
- 06撰寫模型說明
- 07溝通並維護模型庫
- 08按治理要求複核與歸檔
建模與引數擬合：
資料來源與口徑記錄、模型規範與假設記錄、引數與版本記錄、驗證與復現記錄
- 01問題建模
- 02資料準備
- 03擬合引數
- 04獨立驗證
- 05說明邊界
- 06記錄版本
金融量化分析師與投資基金經理、金融與投資分析師的邊界在哪裡？
金融量化分析師與相鄰崗位常被混用，區分方法是看職責落點：本職業用量化方法與模型支援投資定價與風險管理，並承擔模型開發與驗證職責；投資基金經理以組合構建與投資決策為主；管理分析師以組織流程與經營改善診斷為主；市場研究分析師與營銷專員以市場與消費者研究為主；信貸分析師以借款人信用評估為主；金融與投資分析師以財務與市場資料的定量分析與估值結論為主。
| 维度 | 主要方向 | 比较方向 |
|---|---|---|
| 核心目的 | 用量化方法為證券與股票投資、金融工具定價與估值提供技術支援，開發風險管理、資產最佳化、定價與相對價值分析的數理與統計模型。 | 按建模流程完成方法選擇、模型開發、獨立驗證與說明作業 |
| 主要物件與依據 | 物件包括行情與成交資料、財務與參考資料、模型引數與假設、模型庫與版本記錄、研究摘要與需求文件、驗證與治理材料；依據是機構模型風險管理與驗證制度、資料與資訊保護要求、研究與披露規範以及內幕資訊與利益衝突管理規則。 | 物件為金融資料與模型；依據為方法規範與模型治理制度 |
| 核心過程 | 建模 → 資料 → 擬合 → 驗證 → 說明 | 以量化建模與獨立驗證為核心，兼顧模型治理與溝通 |
| 主要產出 | 模型規範與假設記錄、引數與版本記錄、驗證與復現記錄 | 模型規範與版本記錄 |
| 責任主體 | 模型質量與治理合規責任由分析師與所在機構按制度承擔；模型輸出只是分析依據，定價、風險與交易授權須按機構制度由有職權人員確認，涉及披露與利益衝突的事項須由合規確認。 | 模型質量與治理合規責任由分析師與所在機構按制度共同承擔 |
| 許可權與批准 | 遇到資料口徑不明或質量可疑、方法假設與業務不符、模型在壓力情景下失效、需要對外披露或涉及利益衝突等情形，須停止自行處置並按模型治理流程請驗證崗、風控或合規確認。 | 超出模型適用範圍或治理要求須停止並請驗證崗、風控或合規確認 |
| 結論邊界 | 單次回測或單期表現不構成對個人能力的最終結論 | 模型表現受資料質量、市場結構與假設適用性影響 |
核心工作
- 01問題建模與方法選擇 · 把金融問題轉成可檢驗的模型表述
選擇統計、計量或數值方法
- 02資料準備與口徑處理 · 準備行情、財務與參考資料
處理缺失、異常與口徑差異
- 03模型開發與引數擬合 · 開發定價、配置或風險模型
擬合引數並做樣本內外檢驗
- 04獨立驗證與穩健性 · 用獨立模型或方法復現結果
做敏感性與失效條件測試
- 05模型庫維護與治理 · 維護在用的分析模型與模型庫
按治理要求留存版本與依據
- 06結論說明與協作 · 編制研究摘要與需求文件
與交易、研究、風控與產品團隊溝通
入職前必須逐條核對什麼？
入職前需要逐條核對：所在機構與業務線；模型用途（定價、風險、配置還是合規）；是否需要獨立校驗與模型治理；資料與計算環境；程式碼與生產化要求；披露與利益衝突規則；以及市場時段、波動期加班與計酬方式。
- 01
確認是賣方研究、買方投研還是風險管理方向
核對機構與業務線
- 02
確認模型用於定價、風險、配置還是合規
核對模型用途與治理要求
- 03
確認資料來源、計算資源與版本管理方式
核對資料與計算環境
- 04
確認獨立校驗、披露與利益衝突規則
核對驗證與披露要求
- 05
確認模型上線、監控與回滾流程
核對程式碼與生產化要求
- 06
按機構制度與所在地規定核對，本頁不作投資或法律依據
核對時段與計酬
职业方向比较
金融量化分析師的工作方向與相鄰職業怎麼比較？
下列職業同處金融與量化分析鏈條，但職責落點不同；用它們幫助定位方向，而不是互相替代。
| 职业方向 | 核心工作与产出 | 关键区别 | 更适合什么选择 |
|---|---|---|---|
| 投資基金經理 | 構建投資組合並作出買賣決策 | 以組合構建與投資決策為主；本職業以模型與量化方法支援決策為主 | 偏好直接做投資決策選該職業；偏好建模與方法驗證選本職業 |
| 管理分析師 | 診斷業務流程並提出改善建議 | 以組織流程與經營改善診斷為主；本職業以金融量化建模為主 | 偏好流程診斷選該職業；偏好量化建模選本職業 |
| 市場研究分析師與營銷專員 | 設計市場調研並分析消費者資料 | 以市場與消費者研究為主；本職業以金融資料與模型為主 | 偏好市場與使用者研究選該職業；偏好金融建模選本職業 |
| 信貸分析師 | 評估借款人信用並出具風控意見 | 以借款人信用評估為主；本職業以定價、配置與風險建模為主 | 偏好信用評估選該職業；偏好量化建模選本職業 |
| 金融與投資分析師 | 完成估值分析並形成結論 | 以財務與市場資料的估值結論為主；本職業以模型方法為主 | 偏好估值結論選該職業；偏好建模方法選本職業 |
| 金融風險專員 | 度量風險敞口並獨立驗證模型 | 以風險度量與模型驗證為主；本職業覆蓋定價、配置與風險多種模型 | 偏好風險度量與獨立驗證選該職業；偏好模型開發選本職業 |
怎么选
比較這些方向時，先分辨職責落點是「用量化方法與模型支援定價、配置與風險管理」「組合投資決策」「組織流程與經營改善診斷」「市場與消費者研究」「借款人信用評估」「財務與市場資料的估值結論」「統計方法研究」還是「風險度量與模型驗證」；本職業的落點是把金融問題轉成可檢驗的模型，並對模型的適用範圍與失效條件負責。
用「先看職責落點是量化建模、投資決策、流程診斷、市場研究、信用評估、估值結論還是風險驗證」的順序比較。
AI 对职业的影响
AI 會取代金融量化分析師嗎？
編輯分析：可在獲准的資料環境中試用AI輔助資料清理、程式碼草擬、圖表和文件，並核對誤差與復現結果。O*NET提供任務依據，ILO 2023研究提供跨職業任務暴露背景；兩者不能證明量化崗位工具已成熟、機構普遍採用或崗位淨變化。證據不足：本細分職業的AI採用率、生產率效果、就業因果與可複核評分。 AI影響度 67% 為編輯估算。三項代表核心任務等權的模型影響指數，非實際工時佔比或失業機率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18. 三項任務、檔位和來源見本頁FermatMind方法來源記錄。
AI 评估方法与来源
FermatMind AI影響度估算方法 v1
FermatMind / 費馬測試 · 2026-10-18
- 三項代表核心任務等權的模型影響指數，非實際工時佔比或失業機率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18.
- 檔位：0幾乎無影響；25準備或記錄輔助；50實質輔助；75大部分資訊產出可由AI形成並複核；100所選任務近乎全可由AI完成且可獨立驗證。
- 方法選擇與建模 — 75/100; weight=1/3
- 假設設定與引數選取 — 50/100; weight=1/3
- 獨立驗證與穩健性檢驗 — 75/100; weight=1/3
依據本頁既有職業職責與AI任務分析作檔位判斷；不代表採用率、實測效果、崗位消失或個人失業機率，也不是斯坦福或其他外部機構官方分數；未使用實際工時權重，不假定未來機器人部署。
AI 能處理哪些本職業工作任務？
這一欄只回答技術可處理性：把本職業任務（資料準備與特徵工程、程式碼與公式草擬、模型初稿與視覺化生成、文件與需求說明草擬等）與公開的職業任務和技術資料對照，判斷哪些子任務可由現成工具完成。技術可處理不等於機構已經採用，也不代表崗位會減少；判斷時須區分任務級證據與職業級結論。
哪些環節會真正被採用？
證據不足：未取得量化分析機構按任務分解的AI採用率或代表性調查。編輯建議：先評估資料許可權、方法錯誤代價與獨立驗證安排，再決定是否試用資料、程式碼或文件輔助；不能由技術能力推斷多數機構的實際流程。
AI 會減少金融量化分析師崗位嗎？
崗位數量由機構量化研究投入、監管與模型治理要求、產品複雜度與計算資源決定。官方對母職業的預測（2024—2034 年平均增長 3% 至 4%、年均空缺約 10,300 個）已包含業務與流程變化背景，但未單列本細分職業，也未把 AI 採用作為單列變數；目前公開來源不足以給出本職業的崗位數量變化結論，因此本頁不給出「某年會消失」的推斷。
任务影响矩阵
| 工作方向 | 任务 | 当前变化 | 人的控制点 |
|---|---|---|---|
| 資料與程式碼工序 | 方法選擇與建模 | 資料準備、特徵工程與程式碼草擬可輔助（編輯判斷） | 方法選擇、建模與說明由量化分析師完成 |
| 方法與假設判斷 | 假設設定與引數選取 | 模型初稿與視覺化可輔助，方法須人確認（編輯判斷） | 假設設定與引數選取由分析師確認 |
| 驗證與治理責任 | 獨立驗證與穩健性檢驗 | 測試清單與復現指令碼可輔助（編輯判斷） | 獨立驗證與穩健性檢驗由驗證崗執行 |
| 驗證與治理責任 | 模型上線與監控 | 監控指標與告警可輔助（編輯判斷） | 模型上線與監控由機構按治理流程審批 |
| 驗證與治理責任 | 模型庫維護與版本記錄 | 版本清單與對照可輔助（編輯判斷） | 模型庫維護與版本記錄由分析師與治理崗留存 |
| 驗證與治理責任 | 披露與利益衝突確認 | 臺賬與提示可輔助（編輯判斷） | 披露與利益衝突確認須按制度執行 |
| 驗證與治理責任 | 失效條件與停止使用 | 監控規則提示可輔助（編輯判斷） | 失效條件與停止使用須按治理流程執行 |
为什么就业证据会得出不同结论？
下列證據卡分別對應國際組織的任務暴露研究、官方職業資料（含母職業口徑說明）、就業預測、工資統計與治理框架；請按各自的研究對象與限制閱讀，不要把它們合併成單一結論。
ILO 工作論文 96（2023）
查看来源 ↗- 研究对象
- 全球就業與任務層面的生成式 AI 暴露評估
- 主要结论
- 多數崗位僅部分任務暴露，生成式 AI 更可能增強而非整體替代；文員類任務暴露最高，管理和專業類職業中高度暴露的任務比例較低。研究提示主要影響體現在工作質量與強度，而不是整體崗位消失。
- 使用限制
- 基於任務分類方法，非企業實際採用或崗位變化資料
O*NET OnLine（13-2099.01）
查看来源 ↗- 研究对象
- 官方職業任務與口徑說明
- 主要结论
- 該職業的核心任務為把數理與統計方法用於衍生品定價、證券交易、風險管理與市場規則問題，研究與開發組合最佳化、業績歸因、盈虧計量與定價模型等分析工具，解釋分析結果，建設模型庫並定義模型規範與資料要求，撰寫研究摘要，維護在用模型，為研究與交易提供估值與資料支援，並用獨立模型核對結果；資料準備、特徵工程、程式碼草擬與文件生成等工序較易被工具輔助；但方法選擇、假設設定、獨立驗證與治理責任高度依賴專業判斷，不能據此推斷自動化率或崗位變化。該職業的工資與就業資料在 O*NET 頁面上明確標註為母職業 Financial Specialists, All Other 口徑。
- 使用限制
- 描述職業範圍與口徑來源
BLS 就業預測（2024—2034，母職業口徑，經 O*NET 呈現）
查看来源 ↗- 研究对象
- 美國金融量化分析師（母職業口徑）就業預測
- 主要结论
- 經 O*NET 呈現，母職業 Financial Specialists, All Other 2024—2034 年預計平均增長（3% 至 4%）、年均崗位空缺約 10,300 個；該預測未單列本細分職業，也未把 AI 採用作為單列變數，不能讀成 AI 對該職業的崗位結論。
- 使用限制
- 預測基於假設，不等於實際結果
BLS OEWS（May 2025，母職業口徑）
查看来源 ↗- 研究对象
- 美國 Financial Specialists, All Other 工資分佈（本職業所屬母職業）
- 主要结论
- 母職業口徑下 2025 年中位時薪 38.99 美元、中位年薪 81,100 美元；第 10 與第 90 百分位分別約 48,460 與 151,490 美元/年（May 2025 OEWS，經 O*NET 呈現）。用於理解量級與口徑；該數值並非本細分職業 13-2099.01 的專屬統計，OEWS 通常也不含非生產性獎金及僱主福利成本；不能據此概括為排除所有獎金。
- 使用限制
- 工資統計為母職業口徑，不含非生產性獎金及僱主福利成本；不能據此概括為排除所有獎金
NIST AI RMF 1.0（自願AI風險管理框架）
查看来源 ↗- 研究对象
- AI 系統風險治理框架（自願採用）
- 主要结论
- 框架要求對 AI 使用明確治理與人工監督安排，並要求記錄風險與責任；可用於設計本職業使用 AI 時的複核與留痕要求，但不能作為職業前景或就業證據；模型風險治理、披露與利益衝突要求以機構制度與所在地法規原文為準。
- 使用限制
- 治理框架，不含職業或就業資料
不同工作方向受到的影响为什么不同？
不同環節受影響的程度不同，下面區分三類：資料與程式碼工序、方法與假設判斷、驗證與治理責任。
資料與程式碼工序
AI 主要改变資料準備、特徵工程與程式碼草擬提速
仍由人负责方法選擇與假設設定
方法與假設判斷
AI 主要改变模型初稿與視覺化生成可輔助
仍由人负责獨立驗證與失效條件判斷
驗證與治理責任
AI 主要改变文件與需求說明草擬可輔助
仍由人负责模型治理與結果責任
AI 进入专业流程后，责任链不能断
使用 AI 輔助本職業工作時，建議按以下順序確認邊界與責任：
- 需求與邊界確認
先確認模型治理、資料與資訊保護、披露與利益衝突要求，判斷哪些資料與環節可以使用工具。
- 工具處理範圍
明確工具只處理資料準備、程式碼與公式草擬、視覺化與文件生成，不產出方法定論與驗證結論。
- 人工複核
對工具輸出逐項核對資料口徑、方法與結果，並由驗證崗或複核人獨立復現。
- 記錄留痕
記錄工具名稱、版本、輸入與人工修改，保證模型版本與依據可追溯。
- 授權與責任
模型質量與治理責任由分析師與所在機構承擔，工具輸出不構成已驗證或可上線的結論。
使用 AI 的专业风险
工具輸出被當成模型結論
工具可能給出錯誤的資料處理、公式或結果
控制方式：逐條回查資料口徑與演算法原文，未核實前不得用於生產或披露
行情持倉與客戶資料被不當外發
行情、持倉與客戶資料屬於敏感資訊
控制方式：按最小必要與機構制度處理，敏感資料不得提交給外部工具
模型版本與依據不可追溯
模型版本與依據記錄需要可追溯，否則無法復現結論
控制方式：記錄工具名稱、版本、輸入與修改，儲存模型版本與驗證記錄
錯誤模型影響定價、風險與合規判斷
錯誤的模型會影響定價、風險與合規判斷
控制方式：對關鍵模型做獨立驗證，異常時立即停止並上報驗證崗或風控
複核缺失導致驗證與上線責任不清
模型上線與披露需要明確的責任歸屬
控制方式：明確建模、驗證與上線審批的許可權與簽署規則，未驗證不得上線
不同人群应该如何应对？
準備進入量化分析崗位的從業者
先把資料清洗、方法選擇與回測檢驗練熟，並在帶教下完成一個完整模型從問題到說明的過程並留下版本記錄。
剛入行的量化研究助理與資料支援人員
把資料口徑、模型假設與版本固定成習慣，遇到方法適用性或治理問題先問複核人，並留下記錄。
在職量化分析師與研究員
把 AI 用在資料準備與特徵工程、程式碼與公式草擬、模型初稿與視覺化生成，同時保留方法選擇、假設判斷、獨立驗證與治理留痕，對模型質量與適用範圍負責。
模型驗證負責人與研究負責人
先立起模型規範、版本管理、獨立驗證與失效條件規則，再決定哪些環節引入 AI，並明確模型質量與治理責任歸屬。
关于 AI 与职业发展的常见问题
金融量化分析師會由 AI 取代嗎？
無法據此斷定職業整體會被替代或必然增強。ILO 2023提供跨職業潛在暴露分析；量化崗位可先對資料、程式碼和文件子任務做受控試用。具體效果、實際採用和崗位變化仍缺本職業實證，應分別核查。
来源：ILO 工作論文 96（2023）；O*NET 13-2099.01 任務資料原始资料 ↗
現在入行需要會寫程式碼嗎？
本職業需要統計、計量與程式設計能力：O*NET 把該職業列為 Job Zone Five（需要大量準備，SVP 8.0 及以上）；學歷調查中約 60% 回答需要碩士學位、35% 回答需要學士學位、5% 回答需要博士學位；工作以計算機與坐姿作業為主（持續或幾乎持續坐著 70%），95% 每天使用電子郵件，75% 每週超過 40 小時。AI 可以輔助資料與程式碼，但不能替代方法選擇、假設設定與獨立驗證。
来源：O*NET 13-2099.01 準備層級與學歷調查原始资料 ↗
哪些工序最容易受 AI 影響？
資料準備、特徵工程、程式碼與公式草擬、視覺化與文件生成等工序受影響最直接；方法選擇、假設設定、獨立驗證與治理責任仍需要人來承擔。
来源：ILO 工作論文 96（2023）；O*NET 任務資料原始资料 ↗
到 2034 年這個職業會變少嗎？
經 O*NET 呈現，母職業 Financial Specialists, All Other 2024—2034 年預計平均增長（3% 至 4%）、年均空缺約 10,300 個；該預測未單列本細分職業，不能據此判斷本職業崗位一定減少。本頁不給出確定性的崗位消失時間。
来源：BLS 就業預測（2024—2034，母職業口徑）原始资料 ↗
AI 能替代方法選擇或獨立驗證嗎？
不能。工具可以準備資料、草擬程式碼與文件，但方法選擇、假設設定、獨立驗證與治理結論需要專業判斷與責任承擔，須由受訓分析師與驗證崗按治理制度執行；模型版本與依據記錄同樣需要署名與複核，工具輸出本身不產生責任歸屬。
来源：NIST AI 風險管理框架；模型治理與披露要求原始资料 ↗
哪一年這個崗位會消失？
證據不足：未取得本職業崗位消失年份或AI淨就業因果證據。總體就業預測也不能回答這個問題；建議核對目標機構任務、治理要求及實際招聘情況，不把潛在輔助寫成必然接手。
来源：BLS 就業預測；ILO 工作論文 96原始资料 ↗
現在應該優先學什麼？
優先學三件事：一是統計與計量方法（能把金融問題寫成可檢驗模型），二是程式設計與資料工程（能穩定復現與版本管理），三是模型治理與驗證（知道模型在什麼條件下失效、如何獨立核對）；並練習把一個模型從問題到說明寫清楚。
来源：O*NET 13-2099.01；BLS 就業與工資統計（母職業口徑）原始资料 ↗
以上為任務級判斷與證據邊界，不代表崗位數量的確定預測。
中国大陆薪资参考
租賃和商務服務業（行業代理）
中國大陸的量化分析崗位多見於證券公司研究部門與自營、公募與私募基金投研、資管與期貨風險管理以及金融科技公司，須按所在地金融監管、資料與資訊保護、模型治理與從業資格規定執行，任職與持牌要求按機構與業務線確定，與美國職業分類不是一一對應。
公開招聘樣本與行業代理（非本職業統計）
NBS平均工資含定義內獎金、津貼補貼和加班工資等，為稅前統計；個別激勵是否計入按官方定義核對。行業與崗位類別均值覆蓋多個職業，不能替代本職業工資分佈。
全國（行業代理）
證據不足：本輪未取得中國大陸本職業代表性全國工資分佈。2025行業年均值與崗位類別均值只作背景代理，不能換算為本職業月薪。
機構型別與崗位
證據不足：未能取得可核驗的中國大陸券商、基金與資管量化研究崗位月薪統計；此類崗位薪酬多含年度獎金或長期激勵，招聘公告報價多為單一僱主樣本，不能代表職業工資。
其他地區與用工模式
證據不足：未能取得可核驗的其他地區與用工模式（機構全職、量化私募、外包建模）月薪統計；城市、機構規模與崗位方向之間的差異很大，需要按具體崗位逐一核對。
金融量化分析師在不同學歷與訓練背景下通常從哪些崗位方向開始？
本輪未取得中國大陸精確對應金融量化分析崗位的代表性全國工資統計；以下行業與崗位類別數字只作背景代理。
| 學歷背景 | 常見崗位方向 | 說明與核對建議 |
|---|---|---|
| 本科（數學、統計、物理、計算機或金融相關專業） | 資料與量化支援崗 | 以資料清洗、回測與程式碼維護為主 |
| 碩士（金融工程、統計、數學或計算機相關專業） | 量化分析師與研究員崗 | 編輯方向例示；碩士學位不證明獨立建模或驗證能力，核目標要求與實際專案。 |
| 博士（統計、數學、物理或金融相關專業） | 量化研究與模型方法崗 | 編輯方向例示；博士學位不證明方法創新或治理能力，核目標要求與實際研究。 |
| 跨專業（金融＋計算機或資料科學） | 模型工程與資料平臺崗 | 需補足模型治理與合規訓練 |
本頁用兩個行業平均工資（「租賃和商務服務業」非私營 110,162、私營 68,919 元/年；「科學研究和技術服務業」非私營 182,064、私營 83,560 元/年）以及規模以上企業崗位類別平均工資（中層及以上管理人員 210,016 元/年、辦事人員和有關人員 94,936 元/年）作為背景代理，都不能替代本職業工資；看到招聘數字時，先確認它是固定年薪、含獎金的年薪還是含股權激勵的總包。
哪些行業與方向會用到這個職業？
租賃和商務服務業（行業代理）
機構量化研究與模型治理的用人需求
科學研究和技術服務業（行業代理）
量化研究與技術服務外包的用人場景
證券、基金與資管機構
投研與風險管理建模的用人場景
AI 會影響金融量化分析師的工資嗎？
程式碼與資料工具可作為編輯建議試驗；本輪未核中國大陸本職業採用率、實際增效、工資或需求變化幅度。
美國薪資參考
美國金融量化分析師工資多少？
美國口徑說明：O*NET-SOC 13-2099.01「Financial Quantitative Analysts」——2025 年中位時薪 38.99 美元、中位年薪 81,100 美元；第 10、第 25、第 75 與第 90 百分位分別約 48,460、61,290、110,410 與 151,490 美元/年（May 2025 OEWS，「母職業 Financial Specialists, All Other 口徑」，經 O*NET 呈現）。就業約 137,100 人（2024，母職業口徑）、2024—2034 年預計平均增長（3% 至 4%）、年均崗位空缺約 10,300 個（母職業口徑）。該職業本身未被標記為 Bright Outlook；O*NET 列出的 2024 年主要行業為金融與保險以及政府（母職業口徑），但未公佈分行業工資中位數。個人收入還取決於機構型別、崗位方向（定價、配置、風險或驗證）與獎金及股權激勵安排。
美國工資分佈
| 工資統計位置 | 年工資參考 | 折算邊界 | 怎樣理解這個位置 |
|---|---|---|---|
| 最低 10% | 48,460 美元/年以下（第 10 百分位，May 2025 OEWS，「母職業 Financial Specialists, All Other」 口徑，經 O*NET 呈現） | 官方年工資，非個人月收入 | 低端：母職業口徑第 10 百分位為 48,460 美元/年以下，屬分佈低端，不是入職起薪。 |
| 中位數（50%） | 中位時薪 38.99 美元；中位年薪 81,100 美元（2025，BLS OEWS，母職業 Financial Specialists, All Other 口徑，經 O*NET 呈現） | 官方年工資，非個人實發 | 中位：81,100 美元/年（中位時薪 38.99 美元，2025，母職業口徑）；一半從業者低於、一半高於該值。 |
| 最高 10% | 151,490 美元/年以上（第 90 百分位，May 2025 OEWS，「母職業 Financial Specialists, All Other」 口徑，經 O*NET 呈現） | 官方年工資，非個人實發 | 高階：母職業口徑第 90 百分位為 151,490 美元/年以上，通常與機構型別、崗位方向與經驗相關。 |
薪資 · 10 分位：48,460 美元/年以下；薪資 · 10 分位｜48,460 美元/年以下；「母職業 Financial Specialists, All Other 口徑」（非本職業 13-2099.01 專屬）｜不是入職起薪。
薪資 · 25 分位：61,290 美元/年以下；薪資 · 25 分位｜61,290 美元/年以下；「母職業口徑」（非本職業專屬）｜不是入職起薪。
薪資 · 中位數：81,100 美元/年；薪資 · 中位數｜81,100 美元/年；中位時薪 38.99 美元（May 2025 OEWS，「母職業口徑」）｜一半從業者低於、一半高於該值。
薪資 · 75 分位：110,410 美元/年以下；薪資 · 75 分位｜110,410 美元/年以下；「母職業口徑」（非本職業專屬）｜不代表獎金與股權激勵收入。
薪資 · 90 分位：151,490 美元/年以上；薪資 · 90 分位｜151,490 美元/年以上；「母職業口徑」（非本職業專屬）｜不代表本職業總體上限。
這組美國工資數字應當怎麼理解？
中位數是入門工資嗎？
不能。中位數是同一統計期內工資分佈的中點，不是起薪；本頁不使用相鄰職業或插值替代，也不把母職業數值當作本細分職業的專屬中位數。
時薪能推算個人年薪嗎？
本頁統計同時給出時薪與年薪中位數，但兩者不能推算個人實發收入；機構型別、崗位方向（定價、配置、風險或驗證）與獎金及股權激勵安排都會影響實際收入。
這些數字來自哪個統計專案？
中位與各分位取自 BLS 職業就業與工資統計（OEWS）May 2025，經 O*NET 呈現，且 O*NET 頁面明確標註為「母職業 Financial Specialists, All Other 口徑」；就業與增長同樣為母職業口徑、來自 O*NET 呈現的 BLS 2024—2034 投影；分行業工資官方未公佈，本頁按缺口登記。
哪些條件會影響實際收入？
機構型別、崗位方向、地區與激勵安排都會影響實際收入；本頁只有單一（母職業）口徑，不可與其他職業組合並比較。
不同行業的美國工資差多少？
| 行業 | 該行業內本職業工資中位數 | 這個值怎麼理解 |
|---|---|---|
| 金融與保險（母職業主要行業之一） | 證據不足：官方未公佈本職業（13-2099.01）或其母職業（Financial Specialists, All Other）分行業工資中位數 | O*NET 列出金融與保險為本職業（母職業口徑）2024 年主要行業之一，但未公佈該行業的本職業工資中位數。 |
| 政府（母職業主要行業之一） | 證據不足：官方未公佈本職業（13-2099.01）或其母職業（Financial Specialists, All Other）分行業工資中位數 | O*NET 列出政府為母職業 2024 年主要行業之一，但未公佈該行業的本職業工資中位數。 |
| 專業、科學與技術服務 | 證據不足：官方未公佈本職業（13-2099.01）或其母職業（Financial Specialists, All Other）分行業工資中位數 | 量化研究與建模服務可能分佈在專業與技術服務類機構，官方未公佈該行業的本職業工資中位數。 |
| 公司與企業管理及其他行業 | 證據不足：官方未公佈本職業（13-2099.01）或其母職業（Financial Specialists, All Other）分行業工資中位數 | 企業與金融科技機構也設有量化崗位，官方未公佈該行業的本職業工資中位數。 |
哪些因素會影響美國金融量化分析師工資？
計酬口徑
中位數是同一統計期內工資分佈的中點，不等於起薪；O*NET 工作情境顯示本職業以固定排班為主（80%），75% 每週超過 40 小時、25% 為 40 小時，以計算機與坐姿作業為主（持續或幾乎持續坐著 70%），95% 每天使用電子郵件，20% 每天面臨嚴格時間壓力。「該中位數是母職業口徑，不是本細分職業的專屬統計」，OEWS 通常也不含非生產性獎金及僱主福利成本；不能據此概括為排除所有獎金。
就業與增長
經 O*NET 呈現的母職業口徑：就業約 137,100 人（2024），預計平均增長（3% 至 4%），年均崗位空缺約 10,300 個。官方未單獨公佈本職業 13-2099.01 的就業與增長資料，也未提供第二個職業組口徑，本頁按單一（母職業）口徑標註，不做換算。
學歷與培訓口徑
學歷以研究生教育為主：O*NET 將本職業列為 Job Zone Five（需要大量準備，SVP 8.0 及以上），學歷調查中約 60% 回答需要碩士學位、35% 回答需要學士學位、5% 回答需要博士學位。BLS 未單獨釋出本職業的入門學歷與培訓要求；中國大陸多以數學、統計、計算機或金融工程相關學歷加程式設計與建模能力為常見要求，具體以招聘公告與所在地規定為準。
美國就業前景
就業 · 就業規模
約 137,100 人就業 · 就業規模｜約 137,100 人；2024 年 「母職業 Financial Specialists, All Other 口徑」，經 O*NET 呈現｜官方未單獨公佈本職業 13-2099.01 的就業規模。
就業 · 增長率
平均增長（3% 至 4%，2024—2034，母職業 Financial Specialists, All Other 口徑，BLS 投影，經 O*NET 呈現）就業 · 增長率｜平均增長（3% 至 4%，2024—2034，「母職業口徑」）；該職業未被標記為 Bright Outlook｜不是個人獲得崗位的機率。
2024—2034 就業 · 年均空缺
約 10,300 個/年就業 · 預計崗位空缺｜約 10,300 個/年（2024—2034 預測年均值）；母職業 Financial Specialists, All Other 口徑｜不等於淨新增崗位。
職業適配指南
做金融量化分析師，哪些興趣、能力與工作方式更重要？
判斷重點不是「會不會寫程式碼」，而是能否把金融問題寫成可檢驗模型、能否獨立復現並說明失效條件、能否按治理要求留痕。興趣與人格框架只能提示觀察方向，不能替代真實建模專案的驗證。
你可能更適合： 願意按模型治理與版本規則逐項確認，而不是隻交付結果
這些情況需要慎重： 能在方法適用性存疑、資料口徑不明或需要披露時請驗證崗、風控或合規確認
做一次入行練習： 用公開虛構資料整理分析過程、複核差異與未知事項；實際作息、任職條件和授權核目標僱主。
不要用一个测试替你决定职业
霍蘭德職業興趣模型（RIASEC）
官方職業興趣程式碼（O*NET）霍蘭德興趣中什麼型別更接近金融量化分析師？
官方興趣程式碼為 I（研究型）為主，兼有 C（常規型）：對應研究與分析、以及按規範處理資料與模型流程。興趣程式碼只說明活動偏好，不代表能力、錄用或研究結論。
- 願意把金融直覺寫成可檢驗的模型並反覆驗證
- 能從復現與證偽自己的結論中獲得成就感
别这样用：只想產出漂亮圖表而不願被獨立復現；若不接受模型治理與質疑，工作體驗與模型質量都會受很大影響。
測我的霍蘭德職業興趣五因素人格模型（大五人格）
人格模型（非職業標準）大五人格哪些特質與這份工作更相關？
編輯建議：觀察自己是否願意嘗試方法、核對細節、獨立復現並接受質疑。大五人格結果可用於整理自我觀察問題；本頁未核驗它對量化崗位的預測效度或與工作樣本的相對效果，不作錄用或能力判斷。
- 能在結果被質疑時回到資料、方法與假設澄清
- 能在模型適用性存疑或需要披露時先請驗證崗或合規確認
别这样用：把人格測試結果當成職業結論，或據此排除自己。
檢視我的大五人格特質邁爾斯-布里格斯型別指標（MBTI）
人格偏好框架（非職業標準）MBTI 能用來判斷我適不適合金融量化分析師嗎？
MBTI可用於整理個人偏好；本輪未取得其預測本職業表現的效度證據，不據型別作能力或錄用結論。真實任務的分析、複核、說明與交接表現另行觀察。
- 願意按模型治理與版本規則逐項確認
- 能接受驗證崗與研究負責人對模型與結論的複核
别这样用：用型別標籤解釋自己不願驗證或不願受治理約束。
瞭解我的 MBTI 偏好九型人格（Enneagram）
人格框架（非職業標準）九型人格能說明我適不適合這個職業嗎？
九型可用於自我反思；本輪未核其預測本職業表現的效度。編輯建議觀察受到質疑時是否核數據和假設、是否保持複核與留痕，不把觀察清單當量表結論。
- 面對質疑時傾向回到資料與方法澄清而不是對抗
- 能接受驗證意見並據此修訂模型與說明
别这样用：把型別描述當作職業適配的證明。
探索我的九型人格模式智力商數（IQ）與數理推理
官方職業知識與準備層級（O*NET）數學不好，能做金融量化分析師嗎？
這份工作以統計與計量方法、程式設計與模型治理為主：O*NET 將本職業列為 Job Zone Five（需要大量準備，SVP 8.0 及以上）；學歷調查中約 60% 回答需要碩士學位、35% 回答需要學士學位、5% 回答需要博士學位。工作要能把金融問題寫成可檢驗模型、能穩定復現結果，並按治理要求留下版本與依據。
- 能把金融問題轉成可檢驗的模型表述
- 願意補足模型驗證與治理知識
别这样用：把一次測試結果當成能力上限。
瞭解我的智力與推理表現情緒智力（EI，常稱“情商”）
通用能力框架做金融量化分析師需要高情商嗎？
編輯建議：在被質疑或趕時限時，觀察自己是否回到資料和假設、堅持複核並清楚交接。上述行為來自任務情境；本頁未取得情緒智力量表對量化崗位績效的驗證研究，不據量表分數預測職業表現。
- 能把模型假設與失效條件講清楚給研究與風控
- 在被指出方法或資料問題時先核對而不是爭辯
别这样用：用情商高低替代對統計與建模能力的驗證。
瞭解我的情緒智力能力你更可能適合哪條本職業工作方向？
投資基金經理
更匹配：偏好投資決策
注意：更希望做組合投資決策而不是建模與驗證
查看相关职业：投資基金經理方向职业详情暂不可用
管理分析師
更匹配：偏好流程與經營診斷
注意：更希望做流程診斷而不是金融量化建模
查看相关职业：管理分析師方向职业详情暂不可用
市場研究分析師與營銷專員
更匹配：偏好市場與使用者研究
注意：更希望研究市場與消費者而不是金融資料與模型
查看相关职业：市場研究分析師與營銷專員方向职业详情暂不可用
信貸分析師
更匹配：偏好信用評估
注意：更希望評估借款人信用而不是定價與風險建模
查看相关职业：信貸分析師方向职业详情暂不可用
金融與投資分析師
更匹配：偏好估值結論
注意：更希望給出估值結論而不是開發模型方法
查看相关职业：金融與投資分析師方向职业详情暂不可用
金融風險專員
更匹配：偏好風險度量與驗證
注意：更希望做風險度量與模型驗證而不是模型開發
查看相关职业：金融風險專員方向职业详情暂不可用
职业适配常见问题
什麼性格的人更適合做金融量化分析師？
性格標籤不能代替任務表現；編輯建議觀察是否願意核對資料、解釋假設、記錄依據並接受複核，不據此作錄用判斷。
內向的人適合做金融量化分析師嗎？
內向不決定適配；觀察能否聽取業務需求、主動報告不確定項並清楚交接。
外向的人能做好金融量化分析師嗎？
外向不保證勝任；資料核對、方法判斷、復現與溝通能力分別觀察。
哪種 MBTI 最適合金融量化分析師？
本輪未取得最適MBTI型別的有效證據，不以型別預測本職業表現。
霍蘭德興趣中什麼型別更適合這個職業？
美國O*NET興趣程式碼為IC（研究型、常規型），描述工作活動偏好，不代表個人能力、資格或中國崗位門檻。
人格特質分數能預測這個職業的工作表現嗎？
本輪未取得人格分數預測本職業表現的效度證據，不據分數作能力或錄用結論。
數學不好能做金融量化分析師嗎？
單次數學成績不能決定適配；本職業涉及定量方法，可在公開虛構資料上觀察統計理解、計算複核和假設解釋，再核目標崗位考核。
做金融量化分析師需要高情商嗎？
不設情商分數門檻；可觀察壓力下的聽取、問題澄清、反饋和協作，本輪未核情緒智力量表的職業預測效度。
九型人格能用來判斷我適不適合嗎？
九型可作自我反思，本輪未核其職業預測效度，不按型別推能力、資格或表現。
我怎麼用可交付物判斷自己適合哪個方向？
可用公開虛構資料整理分析目標、假設、計算過程、複核差異和未知事項，請有經驗者反饋；紙面材料不替代真實訓練、任職條件或業務授權。
工作壓力、風險與職業邊界
金融量化分析師的主要風險與邊界是什麼？
主要風險集中在模型假設不成立或方法誤用、行情與持倉等敏感資料外洩、市場波動期與產品上線期的高強度、模型被用於適用範圍之外的決策，以及版本與復現記錄缺失和驗證與上線責任不清；多數可通過方法核對、獨立驗證、版本留痕與治理審批降低，但不能完全消除。
職業任務與工作情境支援風險場景；NIST僅作自願AI治理參考。應對為編輯建議，不證明風險降低比例或具體機構強制規則。
模型與假設風險
典型场景：假設不成立或方法誤用就直接用於決策
主要岗位：定價、風險或配置模型開發者
可能后果：可能導致定價、風險或配置結論錯誤並帶來資金與合規損失
降低风险：對關鍵假設做樣本內外與壓力情景檢驗，方法選擇與結論須經複核
依据：O*NET 任務與工作活動資料
資料與敏感資訊保密風險
典型场景：把行情、持倉或客戶資料帶出受控環境
主要岗位：接觸持倉、行情或客戶資料的崗位
可能后果：可能違反資料與資訊保護規定，造成行情、持倉或客戶資訊外洩
降低风险：按最小必要與機構制度限制資料流轉，敏感資料不提交給外部工具或無關人員
依据：NIST 人工智慧風險管理框架（AI RMF 1.0）
市場波動期與上線期強度風險
典型场景：波動期與上線期連續高強度不休息導致判斷偏差
主要岗位：市場波動期或上線期的研究與驗證人員
可能后果：可能導致長時間用眼與久坐負擔、波動期與上線期高強度與疲勞性差錯
降低风险：按作業節奏安排休息與工位調整，波動期合理分配任務並如實報告不適
依据：O*NET 任務與工作活動資料
模型越用與適用邊界風險
典型场景：把模型當作通用答案或忽略失效監控
主要岗位：複用模型或負責監控的分析師
可能后果：可能把只在特定條件下有效的模型用於不相符的市場或產品
降低风险：寫明模型的適用範圍與失效條件,越界使用須重新驗證並報備
依据：O*NET 任務與工作活動資料
版本與復現風險
典型场景：程式碼與引數版本混亂、結果無法復現
主要岗位：維護模型庫及復現結果的崗位
可能后果：可能導致結果無法復現、引數與資料版本不一致
降低风险：按版本規則儲存程式碼、引數與資料快照，關鍵結果須可獨立復現
依据：O*NET 任務與工作活動資料 · NIST 人工智慧風險管理框架（AI RMF 1.0）
驗證與上線責任風險
典型场景：跳過獨立驗證或上線審批流於形式
主要岗位：模型開發、獨立驗證及上線審批人員
可能后果：可能出現未驗證即上線、上線後責任不清
降低风险：明確建模、驗證與上線審批的許可權與簽署規則，保留驗證與上線記錄
依据：O*NET 任務與工作活動資料 · NIST 人工智慧風險管理框架（AI RMF 1.0）
入行、資格與職業發展
怎麼進入金融量化分析師這個職業？
美國O*NET準備層級為Job Zone Five，學歷調查60%碩士、35%學士、5%博士；這是美國受訪者對新進人員教育的回答，並非中國僱主普遍門檻。中國大陸崗位應逐條核學歷、統計與程式設計要求、業務資格和模型治理制度。證據不足：本頁未取得代表性的中國招聘樣本。三條路徑為能力準備的編輯歸納，非統一晉升階梯。
入門方向與準備
金融量化分析師｜path
| 入門方向 | 起步任務 | 可準備證據 | 無經驗也能展示的作品 | 需要注意的區別 |
|---|---|---|---|---|
| 資料與量化支援崗 | 在帶教下完成資料清洗、回測與程式碼維護 | 作業與培訓記錄 | 寫出一份資料清洗與回測要點 | 偏輔助場景，需關注口徑與版本 |
| 量化分析師崗 | 獨立完成建模、驗證與說明 | 模型與驗證記錄 | 寫出一份模型假設與失效條件說明 | 偏執行場景，需關注方法與驗證 |
| 定價與結構化崗 | 開發並維護衍生品與結構化產品定價模型 | 定價與模型庫記錄 | 寫出一份定價方法與邊界要點 | 偏專項場景，需關注模型適用範圍 |
| 風險建模崗 | 開發風險度量與壓力測試模型 | 風險模型與測試記錄 | 寫出一份風險度量與壓力情景要點 | 偏風險場景，需關注與驗證崗分工 |
| 模型驗證崗 | 獨立復現並驗證模型，出具驗證意見 | 驗證與復現記錄 | 整理一份獨立驗證與復現清單 | 偏治理場景，需關注獨立性與記錄 |
金融量化分析師｜path
僱主要求：學歷與技能
核對學歷、專業方向（數學、統計、計算機或金融工程）與程式設計建模要求，記錄公告日期與是否仍在招。
區分「會寫程式碼」與「能把金融問題寫成可檢驗模型並獨立復現」，不以興趣替代建模專案與驗證記錄。
僱主要求：模型治理與保密條件
核對模型治理與驗證制度、資料與資訊保護要求、披露與利益衝突規則。
記錄要求與時效，更換機構或業務線須重新核驗。
O*NET 準備層級與學歷調查
Job Zone Five（需要大量準備），SVP 8.0 及以上；學歷調查中約 60% 回答需要碩士學位、35% 回答需要學士學位、5% 回答需要博士學位；該職業未被標記為 Bright Outlook。
準備層級與學歷比例來自美國O*NET，不推具體機構任職或持牌條件；本輪未取得本子職業獨立BLS入門培訓統計，不推官方未釋出。
僱主要求：工具與資料環境
核對需要使用統計與計量軟體、程式語言與指令碼、資料庫與查詢語言、商業智慧與視覺化工具、金融終端與資料服務、模型治理與版本工具。
列明實際使用場景與計算環境，不以工具清單替代方法選擇與驗證能力。
金融量化分析師｜path
材料一：虛構建模任務
給出需要回答的定價或風險問題、可用的行情與財務資料、必須遵守的模型治理與留痕要求、需要交付的模型說明與驗證材料，作為本次練習輸入。
標註單位與缺失項，說明材料為完全虛構。
列出可能影響判斷的缺失資訊。
說明練習使用虛構材料，不代表任何真實機構、產品或市場資料。
可檢查產出：問題到模型的轉換、方法選擇與檢驗方式、資料清洗與口徑、引數與假設、穩健性與失效條件、獨立複核安排、必須由驗證崗或風控確認的情形。
說明邊界：投資、法律與合規結論須由有職權人員或機構作出。
材料二：建模與驗證任務（虛構）
要求寫出問題到模型的轉換、方法與檢驗方式、引數與假設、穩健性與失效條件，並說明哪些結論必須由驗證崗、風控或有職權人員確認。
練習產出：一份可執行的建模與驗證要點。
材料三：參考思路摘錄（虛構）
先明確目標變數與約束，再選擇方法並準備資料，最後做樣本內外與壓力情景檢驗並形成說明。
對無法確認的口徑或治理問題保留未知並請驗證崗或複核人確認，而不是按經驗處理。
說明參考思路只是示例，不是唯一正確方法。
材料四：邊界說明
本練習不構成投資、財務、法律或合規結論；模型上線與披露判斷由驗證崗、風控或有職權人員按治理制度執行。
金融量化分析師｜path
作品一：崗位要求對照表
把目標公告的學歷、程式設計與方法要求逐條列成對照表。
標出已滿足、待補齊與需核實項。
作品二：可復現的模型說明
選一個虛構問題，寫出方法、假設與檢驗方式，並附復現步驟。
展示能讓他人獨立復現結果。
作品三：一頁模型與驗證摘要
用一頁紙記錄問題、方法、假設、檢驗結果與失效條件。
標註依據來源與未能核實的部分。
作品四：工具與環境說明
說明使用的語言、庫、計算環境與版本管理方式，使他人能復現。
標註哪些環節使用了 AI 輔助並被人工核對。
金融量化分析師｜path
| 情境 | 可能被問到的問題 | 可以出示的證據 | 不能由此推斷的結論 |
|---|---|---|---|
| 面試 | 能否說明方法選擇、假設與驗證方式。 | 核對能否把問題寫成模型並說明失效條件。 | 是否錄用由僱主判斷，不由本人認定。 |
| 建模案例評審 | 能否展示從問題到驗證的完整過程。 | 用程式碼、引數與驗證記錄展示可復現。 | 一次評審不代表可獨立承擔所有模型型別。 |
| 試用期考核 | 能否在要求下修訂模型並保持版本清晰。 | 用版本與復現記錄展示規範性。 | 短期表現不代表長期建模判斷能力。 |
| 入職後 | 能否按治理制度執行驗證、上線與留痕要求。 | 用驗證與上線記錄展示可追溯。 | 遵守制度不替代監管與合規要求。 |
金融量化分析師｜path
- 01
第 1 天：讀一份模型治理或驗證要求
摘錄一項驗證、版本或上線要求，並寫出執行要點。
- 02
第 2 天：寫一份資料與口徑要點
按資料來源寫出清洗、對齊與異常處理方式。
- 03
第 3 天：寫一份方法與假設要點
寫出方法選擇理由、關鍵假設與檢驗方式。
- 04
第 4 天：寫一份穩健性與失效條件要點
寫出壓力情景、敏感性分析與失效判據。
- 05
第 5 天：寫一份獨立驗證要點
寫出如何用獨立方法復現並記錄差異。
- 06
第 6 天：請他人挑戰
請一位有經驗的量化分析師或驗證崗指出方法與驗證遺漏並記錄反饋。
- 07
第 7 天：寫判斷
寫下是否願意繼續、需要補什麼，以及哪些判斷不能由自己作出。
金融量化分析師｜path
- 第 1 天：能否找出驗證、版本或上線要求並寫清執行要點。
- 第 2 天：能否寫出合理的資料清洗與口徑處理方式。
- 第 3 天：能否寫出方法理由與關鍵假設。
- 第 4 天：能否寫出可執行的穩健性與失效條件要點。
- 第 5 天：能否寫出具體可操作的獨立驗證要點。
- 第 6 天：能否在接受指正後修正方法與驗證判斷。
- 第 7 天：能否說出需要補齊的能力與判斷邊界。
金融量化分析師｜path
| 資格／準備項 | 適用人群 | 對本職業的作用 | 是否普遍必需 | 條件與投入 | 投入量級 | 不能替代什麼 |
|---|---|---|---|---|---|---|
| 碩士學位（金融工程、統計、數學或計算機相關） | 按目標崗位公告核學歷與專業，不推中國普遍門檻 | 美國O*NET調查60%回答碩士；這是美國新進人員教育調查，非中國基本門檻 | 具體以目標崗位公告為準，中國普遍必需性未核 | 按院校與專業要求 | 按目標院校、培訓或機構安排核實；統一週期未核 | 學歷不等於能把問題寫成可檢驗模型 |
| 學士學位（數學、統計、計算機或金融相關） | 按目標崗位公告核學歷與專業，不推中國普遍門檻 | 美國O*NET調查35%回答學士；學位只證明教育經歷，崗位要求另核 | 具體以目標崗位公告為準，中國普遍必需性未核 | 按院校與專業要求 | 按目標院校、培訓或機構安排核實；統一週期未核 | 學歷不等於可獨立承擔模型驗證 |
| 博士學位（統計、數學、物理或金融相關） | 按目標崗位公告核學歷與專業，不推中國普遍門檻 | 美國O*NET調查5%回答博士；不推中國普遍門檻或獨立研究能力 | 具體以目標崗位公告為準，中國普遍必需性未核 | 按方向與導師要求 | 按目標院校、培訓或機構安排核實；統一週期未核 | 學位不等於具備生產化與治理經驗 |
| 程式設計與資料能力 | 涉及程式設計、資料或模型工作的目標崗位 | 可準備計算、復現與資料核對能力，是否進入面試由僱主決定 | 核實際公告和任務要求，普遍門檻未核 | 按專案與課程積累 | 按目標院校、培訓或機構安排核實；統一週期未核 | 工具能力不替代方法選擇與驗證 |
| 模型治理與驗證訓練 | 涉及模型上線與披露的崗位 | 滿足治理、驗證與留痕要求 | 按機構與業務線要求而定 | 機構培訓或課程 | 按目標院校、培訓或機構安排核實；統一週期未核 | 培訓不等於可免除治理與披露義務 |
| 資料與資訊保護培訓 | 接觸行情、持倉與客戶資料的崗位 | 滿足保密與資訊保護要求 | 按機構與崗位要求而定 | 機構培訓 | 按目標院校、培訓或機構安排核實；統一週期未核 | 培訓不等於可免除保密義務 |
金融量化分析師｜path
金融量化分析師｜path
建模與驗證
資料與量化支援崗
典型职责：按流程完成資料清洗、回測與程式碼維護
晋升证据：作業與培訓記錄（編輯建議）
资格边界：以數學、統計或計算機學習經歷為主，按僱主與崗位要求核對
下一步：獨立完成一個模型的復現與回測
量化分析師崗
典型职责：獨立完成建模、驗證與說明
晋升证据：模型與驗證記錄（編輯建議）
资格边界：以量化研究或建模經驗為主
下一步：承擔建模與驗證說明
定價與結構化崗
典型职责：開發並維護衍生品與結構化產品定價模型
晋升证据：定價與模型庫記錄（編輯建議）
资格边界：以衍生品與數值方法經驗為主
下一步：承擔定價模型開發與維護
模型驗證崗
典型职责：獨立復現並驗證模型，出具驗證意見
晋升证据：驗證與復現記錄（編輯建議）
资格边界：以模型治理與驗證經驗為主
下一步：向模型驗證與治理方向發展
風險與組合量化
風險建模崗
典型职责：開發風險度量與壓力測試模型
晋升证据：風險模型與測試記錄（編輯建議）
资格边界：以風險度量方法為主
下一步：承擔風險模型開發
投資組合量化崗
典型职责：開發配置與最佳化模型支撐投資決策
晋升证据：組合與最佳化記錄（編輯建議）
资格边界：以最佳化與因子方法為主
下一步：承擔組合量化研究
交易與執行演算法崗
典型职责：開發執行演算法與交易成本模型
晋升证据：演算法與執行記錄（編輯建議）
资格边界：以市場微結構與演算法知識為主
下一步：承擔交易演算法研究
量化研究負責人崗
典型职责：對研究路線、模型治理與團隊負責
晋升证据：制度與研究記錄（編輯建議）
资格边界：以經驗與團隊任命為主
下一步：向量化研究管理方向發展
資料平臺與模型治理
資料與平臺崗
典型职责：建設行情與參考資料平臺與口徑標準
晋升证据：資料與平臺記錄（編輯建議）
资格边界：以資料工程能力為主
下一步：承擔資料平臺與口徑治理
模型工程崗
典型职责：把模型投入生產並監控執行
晋升证据：工程與監控記錄（編輯建議）
资格边界：以工程與運維能力為主
下一步：承擔模型生產化與監控
ESG 與綠色金融建模崗
典型职责：開發 ESG 與綠色金融相關量化工具
晋升证据：ESG 與模型記錄（編輯建議）
资格边界：以 ESG 資料與方法知識為主
下一步：承擔 ESG 與綠色金融建模
量化與治理負責人崗
典型职责：對量化能力、模型治理與團隊負責
晋升证据：治理與管理記錄（編輯建議）
资格边界：以資質與經驗為主
下一步：向量化與治理管理方向發展
能力阶梯：晋升看什么证据？
- 01
資料與量化支援
能在帶教下完成資料清洗、回測與程式碼維護並如實記錄。
- 02
量化分析師崗
能獨立完成建模、驗證與說明。
- 03
定價與結構化崗
能開發並維護衍生品與結構化產品定價模型。
- 04
模型驗證崗
能獨立復現並驗證模型並出具驗證意見。
職業前景與相關職業轉向
金融量化分析師的就業前景與相關職業轉向
當前O*NET頁面列母職業 Financial Specialists, All Other：2025就業137,800人，2025—2035預計增長3%至4%、年均空缺9,400個；2025中位年薪81,100美元。下方原事實條目為2024—2034歷史參考，來源登記被FAQ共享而保持原值。總體預測非AI歸因；均非13-2099.01細分職業專屬統計。中國薪資仍缺精確職業值，行業均值僅作背景。
三类数据，三种不同口径
BLS 職業投影與特徵表
2024—2034美國 · Financial Specialists, All Other（母職業 13-2099；本職業為 13-2099.01）
平均增長（3% 至 4%，2024—2034，母職業 Financial Specialists, All Other 口徑，經 O*NET 呈現）
就業變化
就業預計平均增長，機構量化研究投入與模型治理要求影響崗位數量
不能说明：預測不等於實際結果，也不代表某一機構或地區的招聘量；數值為母職業口徑
O*NET 金融量化分析師職業檔案
2024美國 · Financial Specialists, All Other（母職業 13-2099）
約 137,100 人
就業規模
就業規模與空缺不是同一指標；空缺為預測期年均值並含替補需求
不能说明：為母職業口徑統計，機構型別與崗位方向差異大
國家統計局：城鎮單位就業人員平均工資（行業門類與崗位類別）
2025中國大陸 · 租賃和商務服務業、科學研究和技術服務業（行業門類）
非私營 110,162／私營 68,919 元/年；科學研究和技術服務業非私營 182,064／私營 83,560 元/年
行業工資（行業代理）
行業平均工資覆蓋多個職業，不能替代本職業工資
不能说明：行業與崗位類別平均工資為稅前勞動報酬口徑，包含獎金及津補貼；不等於該職業薪資、到手收入或完整股權總包。
现有能力可以迁移到哪里？
这些是能力邻近关系，不代表自动晋升或无需补课。
投資基金經理
相鄰方向，由模型支援轉向投資決策可迁移：資產配置與投資流程
需补足：需補組合投資決策能力
职业详情暂不可用金融與投資分析師
相鄰方向，由建模轉向估值分析與結論可迁移：估值方法與披露要求
需补足：需補估值結論與披露能力
职业详情暂不可用管理分析師
相鄰方向，由量化建模轉向管理諮詢與流程診斷可迁移：流程與經營分析
需补足：需補流程與經營診斷能力
职业详情暂不可用信貸分析師
相鄰方向，由金融建模轉向信用分析可迁移：信用分析與風控方法
需补足：需補借款人信用評估能力
职业详情暂不可用市場研究分析師與營銷專員
相鄰方向，由金融資料建模轉向市場研究可迁移：調研設計與市場分析
需补足：需補市場與消費者研究能力
职业详情暂不可用資料科學家
相鄰方向，由金融量化轉向資料科學可迁移：機器學習與工程實踐
需补足：需補通用資料科學與工程能力
职业详情暂不可用統計師
相鄰方向，由金融建模轉向統計研究可迁移：統計推斷與實驗設計
需补足：需補統計方法與實驗設計能力
职业详情暂不可用金融風險專員
相鄰方向，由模型開發轉向風險度量與驗證可迁移：風險度量與模型治理
需补足：需補風險度量與驗證口徑能力
职业详情暂不可用常見問題與資料來源
金融量化分析師主要做什麼？
本頁按美國 O*NET-SOC 13-2099.01「Financial Quantitative Analysts」編寫（本頁讀者名稱取「金融量化分析師」，正文按量化分析職責展開）：把金融問題轉成可檢驗的數學模型並選擇統計或計量方法；開發衍生品定價、組合構建與最佳化、業績歸因、風險度量與相對價值分析模型；建設與維護模型庫、定義模型規範與資料要求；用獨立模型核對結果並解釋偏差；撰寫研究摘要與需求文件；與交易、研究、風控和產品團隊溝通模型假設與適用邊界。
它和投資基金經理、金融與投資分析師有什麼不同？
職責落點不同：本職業用量化方法與模型支援投資定價與風險管理，並承擔模型開發與驗證職責；投資基金經理以組合構建與投資決策為主；管理分析師以組織流程與經營改善診斷為主；市場研究分析師與營銷專員以市場與消費者研究為主；信貸分析師以借款人信用評估為主；金融與投資分析師以財務與市場資料的定量分析與估值結論為主；金融風險專員以風險度量與模型驗證為主。
美國統計口徑是什麼（重要）？
美國 O*NET-SOC 13-2099.01「Financial Quantitative Analysts」，屬 Job Zone Five（需要大量準備，SVP 8.0 及以上）、興趣程式碼 IC，「未被標記為 Bright Outlook」。「口徑提示」：O*NET 頁面明確標註其工資、就業與行業資料均為「母職業 Financial Specialists, All Other（13-2099）口徑」（原文「Median wage data for Financial Specialists, All Other」「Employment data for ...」「Industry data for ...」），並非本細分職業的專屬統計；官方未單獨公佈本職業 13-2099.01 的工資、就業與行業資料，也未提供第二個職業組口徑，本頁按單一（母職業）口徑標註、不換算。
美國工資是多少？
母職業 Financial Specialists, All Other 口徑下，2025 年中位時薪 38.99 美元、中位年薪 81,100 美元；第 10、第 25、第 75 與第 90 百分位分別約 48,460、61,290、110,410 與 151,490 美元/年（May 2025 OEWS，經 O*NET 呈現）。這些數值不是本細分職業 13-2099.01 的專屬統計；分行業工資中位數官方未公佈，本頁按缺口登記、不代填。OEWS 通常不含獎金與股權激勵。
美國就業前景如何？
經 O*NET 呈現，「母職業」 Financial Specialists, All Other 2024 年就業約 137,100 人，2024—2034 年預計平均增長（3% 至 4%），預計年均崗位空缺約 10,300 個（該值為預測期年均值）。官方未單獨公佈本職業 13-2099.01 的就業與增長資料，也未提供第二個職業組口徑，本頁按單一（母職業）口徑標註、不換算。
中國大陸的工資能查到嗎？
本次所核國家統計局資料為行業門類與崗位類別口徑，未取得與本職業精確對應的全國單職業工資統計值；本頁以「租賃和商務服務業」（非私營 110,162、私營 68,919 元/年）與「科學研究和技術服務業」（非私營 182,064、私營 83,560 元/年）行業平均工資，以及規模以上企業崗位類別平均工資（中層及以上管理人員 210,016 元/年、辦事人員和有關人員 94,936 元/年）作背景代理，僅說明背景，不用行業均值、崗位類別均值或單條招聘報價替代職業工資。
需要什麼學歷和資格？
O*NET 將本職業列為 Job Zone Five（需要大量準備，SVP 8.0 及以上）；學歷調查中約 60% 回答需要碩士學位、35% 回答需要學士學位、5% 回答需要博士學位。BLS 未單獨釋出本職業的入門學歷與培訓要求。中國大陸多以數學、統計、計算機或金融工程相關學歷加程式設計與建模能力為常見要求，並強調模型治理與資料合規；具體以招聘公告與所在地規定為準。
這個職業會被 AI 取代嗎？
更準確的判斷是資料準備、特徵工程、程式碼與文件草擬、視覺化類工序會被工具接手，職業整體以增強與職責重心上移為主。ILO 2023 年的研究顯示任務暴露在職業間差異很大，管理和專業類職業中高度暴露的任務比例相對較低，技術可行不等於機構已經採用；而方法選擇、假設設定、獨立驗證與模型治理需要專業判斷與責任承擔，因此結論是工作方式與職責重心會變化，而不是整體被取代。
美國的中位數是入門工資嗎？
不是。中位數是同一統計期內工資分佈的中點，不是起薪；而且該中位數是「母職業 Financial Specialists, All Other 口徑」，不是本細分職業 13-2099.01 的專屬統計。O*NET 工作情境顯示本職業以固定排班為主（80%）、75% 每週超過 40 小時，以計算機與坐姿作業為主（持續坐著 70%）；OEWS 通常不含獎金與股權激勵。
沒有金融背景能進這行嗎？
可以，常見路徑來自數學、統計、物理或計算機等專業。O*NET 將本職業列為 Job Zone Five（SVP 8.0 及以上），學歷調查中約 60% 回答需要碩士學位；BLS 未單獨釋出本職業的入門學歷與培訓要求。僱主重點考察統計與計量方法、程式設計與復現能力以及模型治理意識。中國大陸多以數學、統計、計算機或金融工程相關學歷加程式設計與建模能力為常見要求。是否可行要以目標僱主與所在地規定為準，本頁不替代法規原文，也不提供投資、財務或法律意見。
资料来源
FermatMind 职业内容研究流程
2026-09-20
本頁來源與事實登記（O*NET 13-2099.01 及其母職業 Financial Specialists, All Other 口徑的工資分位與投影、BLS OEWS May 2025、BLS 職業投影與特徵表、國家統計局 2025 年行業門類與崗位類別平均工資、ILO 工作論文 96、NIST AI RMF）
exact title 13-2099.01; wages/employment/industry reported for parent occupation 13-2099 Financial Specialists, All OtherO*NET OnLine｜美國｜current page (updated 2026); accessed 2026-09-20｜official occupation profile (subset title with parent-occupation data)
查看原始资料：exact title 13-2099.01; wages/employment/industry reported for parent occupation 13-2099 Financial Specialists, All Other- 官方職業範圍：開發量化技術以支援證券投資、股票投資、金融工具定價或估值；開發用於風險管理、資產最佳化、定價或相對價值分析的數學或統計模型。
- 興趣程式碼 IC；準備層級 Job Zone Five（需要大量準備，SVP 8.0 及以上）；「未被標記為 Bright Outlook」。
- 學歷調查：約 60% 回答需要碩士學位、35% 回答需要學士學位、5% 回答需要博士學位。
- 「口徑說明（重要）」：頁面在「Wages & Employment Trends」中明確標註「Median wage data for Financial Specialists, All Other」「Employment data for Financial Specialists, All Other」「Industry data for Financial Specialists, All Other」，即所列工資、就業與行業數值均為母職業 13-2099 口徑，不是本細分職業專屬統計。
- 母職業口徑數值：2025 年中位時薪 38.99 美元、中位年薪 81,100 美元；2024 年就業 137,100 人；2024—2034 年預計平均增長（3% 至 4%）；預計年均崗位空缺約 10,300 個；2024 年主要行業為金融與保險以及政府。
使用限制：本職業為細分工種，工資與就業須按母職業口徑理解；分行業工資中位數官方未公佈；美國資料不自動推導中國大陸的模型治理與持牌要求。
exact title (13-2099.01)O*NET OnLine｜美國｜current page (updated 2026); accessed 2026-09-20｜official occupation details
查看原始资料：exact title (13-2099.01)- 用於核對任務、工作活動、工作情境、技術工具、興趣程式碼（IC）與準備層級（Job Zone Five）。
- 任務以把數理與統計方法用於衍生品定價、證券交易、風險管理與市場規則問題，研究與開發組合最佳化、業績歸因、盈虧計量與定價模型等工具，解釋分析結果，建設模型庫並定義模型規範與資料要求，撰寫研究摘要，維護在用模型，為研究與交易提供估值與資料支援，並用獨立模型核對結果為主（共 21 項任務）。
- 工作情境：工作日程固定排班 80%、不規則 20%；每週超過 40 小時 75%、40 小時 25%；持續或幾乎持續坐著 70%、超過一半時間 30%；認為精確與準確極其重要 55%、非常重要 25%；每天有嚴格時間壓力 20%、每週一次以上非每天 40%、每月一次以上非每週 35%；與他人持續接觸 30%、大部分時間接觸 20%、約一半時間接觸 35%、偶爾接觸 15%；95% 每天使用電子郵件。
- 技術工具以統計與計量軟體（含 MATLAB、SAS、Stata、SPSS）、程式語言與指令碼（含 R、C#/Java、JavaScript）、資料庫與查詢語言、商業智慧與視覺化工具、金融終端（如 Bloomberg Professional）為主。
- O*NET 全國工資頁（onetonline.org/link/localwages/13-2099.01）同樣標註「Wage data for Financial Specialists, All Other」，給出母職業口徑分位：年工資 10% 48,460、25% 61,290、中位 81,100、75% 110,410、90% 151,490 美元；時薪 23.30、29.47、38.99、53.08、72.83 美元。
使用限制：任務與工作情境為 13-2099.01 資料，工資分位為母職業口徑；模型治理、資料保護與披露要求須按機構制度與所在地法規另行核驗。
parent occupation 13-2099 Financial Specialists, All OtherU.S. Bureau of Labor Statistics｜美國｜2024—2034 projections as presented by O*NET OnLine; accessed 2026-09-20｜official employment projections (parent-occupation scope)
查看原始资料：parent occupation 13-2099 Financial Specialists, All Other- 母職業 Financial Specialists, All Other（經 O*NET 呈現）：2024 年就業 137,100 人，2024—2034 年預計平均增長（3% 至 4%），預計年均崗位空缺約 10,300 個。
- BLS 就業預測表中「Occupational openings」為預測期的年均值，本頁據此標註為「/年」，不按十年累計解讀。
- 官方未單獨公佈本職業 13-2099.01 的就業與增長資料。
使用限制：為母職業口徑；預測不等於實際結果，年均空缺含替補需求，不能拆成個人錄用機率。
parent occupation 13-2099; not specific to 13-2099.01U.S. Bureau of Labor Statistics｜美國｜May 2025 wage data; accessed 2026-09-20｜official wage statistics (parent-occupation scope)
查看原始资料：parent occupation 13-2099; not specific to 13-2099.01- 母職業口徑：中位時薪 38.99 美元、中位年薪 81,100 美元。
- 第 10、第 25、第 75 與第 90 百分位分別約 48,460、61,290、110,410 與 151,490 美元/年（經 O*NET 全國工資頁呈現；時薪分別為 23.30、29.47、53.08 與 72.83 美元）。
- 官方未公佈本職業或其母職業的分行業工資中位數；O*NET 僅列出金融與保險以及政府為母職業 2024 年主要行業。
使用限制：為母職業級工資統計；不適用於本細分職業的專屬推斷；中位不是起薪；OEWS 不含獎金與股權激勵。
industry proxy: leasing and business services; scientific research and technical services; position-group proxy國家統計局｜中國大陸｜2025 annual wage; accessed 2026-09-20｜official industry and position proxy
查看原始资料：industry proxy: leasing and business services; scientific research and technical services; position-group proxy- 城鎮非私營單位「租賃和商務服務業」平均工資 110,162 元/年；城鎮私營單位 68,919 元/年（2025）。
- 城鎮非私營單位「科學研究和技術服務業」平均工資 182,064 元/年；城鎮私營單位 83,560 元/年（2025）。
- 規模以上企業崗位類別平均工資：中層及以上管理人員 210,016 元/年；辦事人員和有關人員 94,936 元/年（2025）。
- 中國大陸未單列本職業；行業與崗位類別代理值不能替代職業工資。
使用限制：行業平均工資與崗位類別平均工資覆蓋多個職業，不能當作本職業中位數或起薪，也不含獎金與股權激勵。
global occupational task exposure to generative AIInternational Labour Organization｜全球｜2023-08-21; accessed 2026-09-20｜institutional research (working paper)
查看原始资料：global occupational task exposure to generative AI- 結論：多數崗位僅部分任務暴露，生成式 AI 更可能增強而非整體替代；文員類任務暴露最高，管理和專業類職業中高度暴露的任務比例較低。
- 採用任務分類方法，不是企業採用資料。
使用限制：任務暴露不等於實際採用、生產率或崗位變化；方法選擇、獨立驗證與治理類工作仍須人承擔。
AI risk governance and human oversightNational Institute of Standards and Technology｜美國/國際參考｜AI RMF 1.0 released 2023-01-26; GenAI Profile released 2024-07-26; accessed 2026-09-20｜voluntary risk management framework
查看原始资料：AI risk governance and human oversight- 框架用於自願採用，幫助組織在 AI 的設計、開發、使用與評估中納入可信性考量。
- 生成式 AI 概覽列出生成式 AI 的特有風險並給出對應管理行動。
使用限制：治理框架不含職業或就業統計，不能作為職業前景或就業證據。
field review and source disclosureFermatMind｜中國大陸/美國｜current authoring rules; accessed 2026-09-20｜editorial method
查看原始资料：field review and source disclosure- 用於區分職業事實、統計口徑（含母職業口徑）、行業與崗位類別代理、模型治理與披露邊界、AI 輔助與人工複核。
- 本研究方法與編輯歸納標註為 internal_rubric 或 editorial_synthesis。
使用限制：不是外部職業事實來源，不替代官方統計或法域規則。
本職業三項代表核心任務FermatMind / 費馬測試｜2026-10-18｜編輯模型估算方法
查看原始资料：本職業三項代表核心任務- 三項代表核心任務等權的模型影響指數，非實際工時佔比或失業機率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18.
- 檔位：0幾乎無影響；25準備或記錄輔助；50實質輔助；75大部分資訊產出可由AI形成並複核；100所選任務近乎全可由AI完成且可獨立驗證。
- 方法選擇與建模 — 75/100; weight=1/3; financial-quantitative-analysts.ai-impact.ai-impact-table.95[0]
- 假設設定與引數選取 — 50/100; weight=1/3; financial-quantitative-analysts.ai-impact.ai-impact-table.99[0]
- 獨立驗證與穩健性檢驗 — 75/100; weight=1/3; financial-quantitative-analysts.ai-impact.ai-impact-table.103[0]
使用限制：依據本頁既有職業職責與AI任務分析作檔位判斷；不代表採用率、實測效果、崗位消失或個人失業機率，也不是斯坦福或其他外部機構官方分數；未使用實際工時權重，不假定未來機器人部署。
證據不足：本細分職業專屬工資、就業、分行業中位工資及中國精確職業薪資未取得；現有父職業/行業均值不能代填。當前O*NET就業預測為2025—2035；本頁共享事實及FAQ保留2024—2034歷史內容，未執行全頁一致性修訂。國家統計局行業均值含獎金等稅前勞動報酬。共享來源登記涉及FAQ，舊期間、用途與獎金說明衝突保持並交後續對應範圍處理。
