金融量化分析师
SOC 13-2099
用量化方法为证券与股票投资、金融工具定价与估值提供技术支持：把金融问题转成可检验的数学模型，选择并验证统计或计量方法；开发衍生品定价、组合构建与优化、业绩归因、风险度量与相对价值分析模型；维护与改造在用的分析模型与模型库，定义模型规范与数据要求；用独立模型核对结果、复现并解释偏差；与交易、研究、风控和产品团队沟通模型假设与适用边界；编制研究摘要与需求文档，并对模型的适用范围与失效条件作出说明。
三项代表核心任务等权的模型影响指数，非实际工时占比或失业概率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18.
快速判断
金融量化分析师适合什么样的人？
先判断自己是否愿意长期与数据、方法与模型治理打交道，并接受独立复核与模型失效的现实；用本页纸面练习与七天任务验证。
本卡是职业探索参考，不构成录用、能力评分或投资、法律与合规结论。
什么样的人更可能适合金融量化分析师？
更值得考虑的信号：愿意把金融直觉写成可检验的模型、能接受自己的模型被独立复现和质疑、愿意说明模型的失效条件。需要慎重的信号：用复杂模型掩盖假设薄弱、只报告有利回测、把模型输出当成结论而不是依据。
什么情况下需要慎重选择金融量化分析师？
本清单只用于自我提问，不构成录用标准、能力评分或投资结论。本页按美国 O*NET-SOC 13-2099.01「Financial Quantitative Analysts」编写；本页读者名称取「金融量化分析师」，以与相邻的金融与投资分析师区分，正文一律按「量化分析」职责展开。这一职业实际差别很大：卖方研究与自营量化、买方的组合优化与因子模型、衍生品定价与结构化产品、市场风险与模型验证（model validation）、交易系统与执行算法，以及 ESG 与碳相关建模。比较岗位前先核对所在机构与业务线、模型用途（定价、风险、配置还是合规）、是否对外提供结论、是否需要独立校验（模型验证岗要求「用独立模型核对」）、以及代码与数据的生产化要求。
如何用一次小实验判断自己是否适合金融量化分析师？
用一次纸面演练验证：给你一份完全虚构的建模任务（需要回答的定价或风险问题、可用的行情与财务数据、必须遵守的模型治理与留痕要求、需要交付的模型说明与验证材料），要求写出问题到模型的转换、方法选择与检验方式、数据清洗与口径、参数与假设、稳健性与失效条件、独立复核安排，并标出哪些结论必须由模型验证、风控或有职权人员确认。 纸面加练（使用虚构材料）：用同一虚构测试集比较两个模型结果，记录放宽一项模型假设后的变化。
职业画像
职业边界：本页按 O*NET-SOC 13-2099.01 金融量化分析师编写，核心产出是定价、风险、优化或相对价值模型及其分析说明。与基金经理、金融与投资分析师、风险专家等岗位可以有任务交叉，区分应看岗位的主要产出和决策授权，不能把估值或投资组合工作一概排除。具体投资决策、验证独立性及上线权限须核目标机构制度。
金融量化分析师的工作可以分成哪几类？
金融量化分析师的日常围绕「问题—模型—验证—说明」四步循环：先把金融或业务问题转成可检验的数学或统计表述，明确目标变量与约束；再选择方法、准备数据并处理缺失与异常，拟合参数并做样本内外检验；随后用独立方法或模型复现结果，检查稳健性、敏感性与失效条件，并按模型治理要求留下版本与依据；最后把假设、结论、适用范围与限制写成模型说明或研究摘要，与交易、研究、风控和产品团队沟通，并维护在用的模型库。不同岗位侧重点不同：定价岗偏衍生品与数值方法，配置岗偏优化与因子模型，风险岗偏度量与压力测试，验证岗偏独立复现与治理。
数据准备与口径处理：
以量化建模与独立验证为核心
- 01问题建模
- 02准备数据并核对口径
- 03开发与拟合模型
- 04独立复现与稳健性检验
- 05记录假设与版本
- 06撰写模型说明
- 07沟通并维护模型库
- 08按治理要求复核与归档
建模与参数拟合：
数据来源与口径记录、模型规范与假设记录、参数与版本记录、验证与复现记录
- 01问题建模
- 02数据准备
- 03拟合参数
- 04独立验证
- 05说明边界
- 06记录版本
金融量化分析师与投资基金经理、金融与投资分析师的边界在哪里？
金融量化分析师与相邻岗位常被混用，区分方法是看职责落点：本职业用量化方法与模型支持投资定价与风险管理，并承担模型开发与验证职责；投资基金经理以组合构建与投资决策为主；管理分析师以组织流程与经营改善诊断为主；市场研究分析师与营销专员以市场与消费者研究为主；信贷分析师以借款人信用评估为主；金融与投资分析师以财务与市场数据的定量分析与估值结论为主。
| 维度 | 主要方向 | 比较方向 |
|---|---|---|
| 核心目的 | 用量化方法为证券与股票投资、金融工具定价与估值提供技术支持，开发风险管理、资产优化、定价与相对价值分析的数理与统计模型。 | 按建模流程完成方法选择、模型开发、独立验证与说明作业 |
| 主要对象与依据 | 对象包括行情与成交数据、财务与参考数据、模型参数与假设、模型库与版本记录、研究摘要与需求文档、验证与治理材料；依据是机构模型风险管理与验证制度、数据与信息保护要求、研究与披露规范以及内幕信息与利益冲突管理规则。 | 对象为金融数据与模型；依据为方法规范与模型治理制度 |
| 核心过程 | 建模 → 数据 → 拟合 → 验证 → 说明 | 以量化建模与独立验证为核心，兼顾模型治理与沟通 |
| 主要产出 | 模型规范与假设记录、参数与版本记录、验证与复现记录 | 模型规范与版本记录 |
| 责任主体 | 模型质量与治理合规责任由分析师与所在机构按制度承担；模型输出只是分析依据，定价、风险与交易授权须按机构制度由有职权人员确认，涉及披露与利益冲突的事项须由合规确认。 | 模型质量与治理合规责任由分析师与所在机构按制度共同承担 |
| 权限与批准 | 遇到数据口径不明或质量可疑、方法假设与业务不符、模型在压力情景下失效、需要对外披露或涉及利益冲突等情形，须停止自行处置并按模型治理流程请验证岗、风控或合规确认。 | 超出模型适用范围或治理要求须停止并请验证岗、风控或合规确认 |
| 结论边界 | 单次回测或单期表现不构成对个人能力的最终结论 | 模型表现受数据质量、市场结构与假设适用性影响 |
核心工作
- 01问题建模与方法选择 · 把金融问题转成可检验的模型表述
选择统计、计量或数值方法
- 02数据准备与口径处理 · 准备行情、财务与参考数据
处理缺失、异常与口径差异
- 03模型开发与参数拟合 · 开发定价、配置或风险模型
拟合参数并做样本内外检验
- 04独立验证与稳健性 · 用独立模型或方法复现结果
做敏感性与失效条件测试
- 05模型库维护与治理 · 维护在用的分析模型与模型库
按治理要求留存版本与依据
- 06结论说明与协作 · 编制研究摘要与需求文档
与交易、研究、风控与产品团队沟通
入职前必须逐条核对什么？
入职前需要逐条核对：所在机构与业务线；模型用途（定价、风险、配置还是合规）；是否需要独立校验与模型治理；数据与计算环境；代码与生产化要求；披露与利益冲突规则；以及市场时段、波动期加班与计酬方式。
- 01
确认是卖方研究、买方投研还是风险管理方向
核对机构与业务线
- 02
确认模型用于定价、风险、配置还是合规
核对模型用途与治理要求
- 03
确认数据来源、计算资源与版本管理方式
核对数据与计算环境
- 04
确认独立校验、披露与利益冲突规则
核对验证与披露要求
- 05
确认模型上线、监控与回滚流程
核对代码与生产化要求
- 06
按机构制度与所在地规定核对，本页不作投资或法律依据
核对时段与计酬
职业方向比较
金融量化分析师的工作方向与相邻职业怎么比较？
下列职业同处金融与量化分析链条，但职责落点不同；用它们帮助定位方向，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 |
|---|---|---|---|
| 投资基金经理 | 构建投资组合并作出买卖决策 | 以组合构建与投资决策为主；本职业以模型与量化方法支持决策为主 | 偏好直接做投资决策选该职业；偏好建模与方法验证选本职业 |
| 管理分析师 | 诊断业务流程并提出改善建议 | 以组织流程与经营改善诊断为主；本职业以金融量化建模为主 | 偏好流程诊断选该职业；偏好量化建模选本职业 |
| 市场研究分析师与营销专员 | 设计市场调研并分析消费者数据 | 以市场与消费者研究为主；本职业以金融数据与模型为主 | 偏好市场与用户研究选该职业；偏好金融建模选本职业 |
| 信贷分析师 | 评估借款人信用并出具风控意见 | 以借款人信用评估为主；本职业以定价、配置与风险建模为主 | 偏好信用评估选该职业；偏好量化建模选本职业 |
| 金融与投资分析师 | 完成估值分析并形成结论 | 以财务与市场数据的估值结论为主；本职业以模型方法为主 | 偏好估值结论选该职业；偏好建模方法选本职业 |
| 金融风险专员 | 度量风险敞口并独立验证模型 | 以风险度量与模型验证为主；本职业覆盖定价、配置与风险多种模型 | 偏好风险度量与独立验证选该职业；偏好模型开发选本职业 |
怎么选
比较这些方向时，先分辨职责落点是「用量化方法与模型支持定价、配置与风险管理」「组合投资决策」「组织流程与经营改善诊断」「市场与消费者研究」「借款人信用评估」「财务与市场数据的估值结论」「统计方法研究」还是「风险度量与模型验证」；本职业的落点是把金融问题转成可检验的模型，并对模型的适用范围与失效条件负责。
用「先看职责落点是量化建模、投资决策、流程诊断、市场研究、信用评估、估值结论还是风险验证」的顺序比较。
AI 对职业的影响
AI 会取代金融量化分析师吗？
编辑分析：可在获准的数据环境中试用AI辅助数据清理、代码草拟、图表和文档，并核对误差与复现结果。O*NET提供任务依据，ILO 2023研究提供跨职业任务暴露背景；两者不能证明量化岗位工具已成熟、机构普遍采用或岗位净变化。证据不足：本细分职业的AI采用率、生产率效果、就业因果与可复核评分。 AI影响度 67% 为编辑估算。三项代表核心任务等权的模型影响指数，非实际工时占比或失业概率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18. 三项任务、档位和来源见本页FermatMind方法来源记录。
AI 评估方法与来源
FermatMind AI影响度估算方法 v1
FermatMind / 费马测试 · 2026-10-18
- 三项代表核心任务等权的模型影响指数，非实际工时占比或失业概率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18.
- 档位：0几乎无影响；25准备或记录辅助；50实质辅助；75大部分信息产出可由AI形成并复核；100所选任务近乎全可由AI完成且可独立验证。
- 方法选择与建模 — 75/100; weight=1/3
- 假设设定与参数选取 — 50/100; weight=1/3
- 独立验证与稳健性检验 — 75/100; weight=1/3
依据本页既有职业职责与AI任务分析作档位判断；不代表采用率、实测效果、岗位消失或个人失业概率，也不是斯坦福或其他外部机构官方分数；未使用实际工时权重，不假定未来机器人部署。
AI 能处理哪些本职业工作任务？
这一栏只回答技术可处理性：把本职业任务（数据准备与特征工程、代码与公式草拟、模型初稿与可视化生成、文档与需求说明草拟等）与公开的职业任务和技术资料对照，判断哪些子任务可由现成工具完成。技术可处理不等于机构已经采用，也不代表岗位会减少；判断时须区分任务级证据与职业级结论。
哪些环节会真正被采用？
证据不足：未取得量化分析机构按任务分解的AI采用率或代表性调查。编辑建议：先评估数据权限、方法错误代价与独立验证安排，再决定是否试用数据、代码或文档辅助；不能由技术能力推断多数机构的实际流程。
AI 会减少金融量化分析师岗位吗？
岗位数量由机构量化研究投入、监管与模型治理要求、产品复杂度与计算资源决定。官方对母职业的预测（2024—2034 年平均增长 3% 至 4%、年均空缺约 10,300 个）已包含业务与流程变化背景，但未单列本细分职业，也未把 AI 采用作为单列变量；目前公开来源不足以给出本职业的岗位数量变化结论，因此本页不给出「某年会消失」的推断。
任务影响矩阵
| 工作方向 | 任务 | 当前变化 | 人的控制点 |
|---|---|---|---|
| 数据与代码工序 | 方法选择与建模 | 数据准备、特征工程与代码草拟可辅助（编辑判断） | 方法选择、建模与说明由量化分析师完成 |
| 方法与假设判断 | 假设设定与参数选取 | 模型初稿与可视化可辅助，方法须人确认（编辑判断） | 假设设定与参数选取由分析师确认 |
| 验证与治理责任 | 独立验证与稳健性检验 | 测试清单与复现脚本可辅助（编辑判断） | 独立验证与稳健性检验由验证岗执行 |
| 验证与治理责任 | 模型上线与监控 | 监控指标与告警可辅助（编辑判断） | 模型上线与监控由机构按治理流程审批 |
| 验证与治理责任 | 模型库维护与版本记录 | 版本清单与对照可辅助（编辑判断） | 模型库维护与版本记录由分析师与治理岗留存 |
| 验证与治理责任 | 披露与利益冲突确认 | 台账与提示可辅助（编辑判断） | 披露与利益冲突确认须按制度执行 |
| 验证与治理责任 | 失效条件与停止使用 | 监控规则提示可辅助（编辑判断） | 失效条件与停止使用须按治理流程执行 |
为什么就业证据会得出不同结论？
下列证据卡分别对应国际组织的任务暴露研究、官方职业资料（含母职业口径说明）、就业预测、工资统计与治理框架；请按各自的研究对象与限制阅读，不要把它们合并成单一结论。
ILO 工作论文 96（2023）
查看来源 ↗- 研究对象
- 全球就业与任务层面的生成式 AI 暴露评估
- 主要结论
- 多数岗位仅部分任务暴露，生成式 AI 更可能增强而非整体替代；文员类任务暴露最高，管理和专业类职业中高度暴露的任务比例较低。研究提示主要影响体现在工作质量与强度，而不是整体岗位消失。
- 使用限制
- 基于任务分类方法，非企业实际采用或岗位变化数据
O*NET OnLine（13-2099.01）
查看来源 ↗- 研究对象
- 官方职业任务与口径说明
- 主要结论
- 该职业的核心任务为把数理与统计方法用于衍生品定价、证券交易、风险管理与市场规则问题，研究与开发组合优化、业绩归因、盈亏计量与定价模型等分析工具，解释分析结果，建设模型库并定义模型规范与数据要求，撰写研究摘要，维护在用模型，为研究与交易提供估值与数据支持，并用独立模型核对结果；数据准备、特征工程、代码草拟与文档生成等工序较易被工具辅助；但方法选择、假设设定、独立验证与治理责任高度依赖专业判断，不能据此推断自动化率或岗位变化。该职业的工资与就业数据在 O*NET 页面上明确标注为母职业 Financial Specialists, All Other 口径。
- 使用限制
- 描述职业范围与口径来源
BLS 就业预测（2024—2034，母职业口径，经 O*NET 呈现）
查看来源 ↗- 研究对象
- 美国金融量化分析师（母职业口径）就业预测
- 主要结论
- 经 O*NET 呈现，母职业 Financial Specialists, All Other 2024—2034 年预计平均增长（3% 至 4%）、年均岗位空缺约 10,300 个；该预测未单列本细分职业，也未把 AI 采用作为单列变量，不能读成 AI 对该职业的岗位结论。
- 使用限制
- 预测基于假设，不等于实际结果
BLS OEWS（May 2025，母职业口径）
查看来源 ↗- 研究对象
- 美国 Financial Specialists, All Other 工资分布（本职业所属母职业）
- 主要结论
- 母职业口径下 2025 年中位时薪 38.99 美元、中位年薪 81,100 美元；第 10 与第 90 百分位分别约 48,460 与 151,490 美元/年（May 2025 OEWS，经 O*NET 呈现）。用于理解量级与口径；该数值并非本细分职业 13-2099.01 的专属统计，OEWS 通常也不含非生产性奖金及雇主福利成本；不能据此概括为排除所有奖金。
- 使用限制
- 工资统计为母职业口径，不含非生产性奖金及雇主福利成本；不能据此概括为排除所有奖金
NIST AI RMF 1.0（自愿AI风险管理框架）
查看来源 ↗- 研究对象
- AI 系统风险治理框架（自愿采用）
- 主要结论
- 框架要求对 AI 使用明确治理与人工监督安排，并要求记录风险与责任；可用于设计本职业使用 AI 时的复核与留痕要求，但不能作为职业前景或就业证据；模型风险治理、披露与利益冲突要求以机构制度与所在地法规原文为准。
- 使用限制
- 治理框架，不含职业或就业数据
不同工作方向受到的影响为什么不同？
不同环节受影响的程度不同，下面区分三类：数据与代码工序、方法与假设判断、验证与治理责任。
数据与代码工序
AI 主要改变数据准备、特征工程与代码草拟提速
仍由人负责方法选择与假设设定
方法与假设判断
AI 主要改变模型初稿与可视化生成可辅助
仍由人负责独立验证与失效条件判断
验证与治理责任
AI 主要改变文档与需求说明草拟可辅助
仍由人负责模型治理与结果责任
AI 进入专业流程后，责任链不能断
使用 AI 辅助本职业工作时，建议按以下顺序确认边界与责任：
- 需求与边界确认
先确认模型治理、数据与信息保护、披露与利益冲突要求，判断哪些数据与环节可以使用工具。
- 工具处理范围
明确工具只处理数据准备、代码与公式草拟、可视化与文档生成，不产出方法定论与验证结论。
- 人工复核
对工具输出逐项核对数据口径、方法与结果，并由验证岗或复核人独立复现。
- 记录留痕
记录工具名称、版本、输入与人工修改，保证模型版本与依据可追溯。
- 授权与责任
模型质量与治理责任由分析师与所在机构承担，工具输出不构成已验证或可上线的结论。
使用 AI 的专业风险
工具输出被当成模型结论
工具可能给出错误的数据处理、公式或结果
控制方式：逐条回查数据口径与算法原文，未核实前不得用于生产或披露
行情持仓与客户数据被不当外发
行情、持仓与客户数据属于敏感信息
控制方式：按最小必要与机构制度处理，敏感数据不得提交给外部工具
模型版本与依据不可追溯
模型版本与依据记录需要可追溯，否则无法复现结论
控制方式：记录工具名称、版本、输入与修改，保存模型版本与验证记录
错误模型影响定价、风险与合规判断
错误的模型会影响定价、风险与合规判断
控制方式：对关键模型做独立验证，异常时立即停止并上报验证岗或风控
复核缺失导致验证与上线责任不清
模型上线与披露需要明确的责任归属
控制方式：明确建模、验证与上线审批的权限与签署规则，未验证不得上线
不同人群应该如何应对？
准备进入量化分析岗位的从业者
先把数据清洗、方法选择与回测检验练熟，并在带教下完成一个完整模型从问题到说明的过程并留下版本记录。
刚入行的量化研究助理与数据支持人员
把数据口径、模型假设与版本固定成习惯，遇到方法适用性或治理问题先问复核人，并留下记录。
在职量化分析师与研究员
把 AI 用在数据准备与特征工程、代码与公式草拟、模型初稿与可视化生成，同时保留方法选择、假设判断、独立验证与治理留痕，对模型质量与适用范围负责。
模型验证负责人与研究负责人
先立起模型规范、版本管理、独立验证与失效条件规则，再决定哪些环节引入 AI，并明确模型质量与治理责任归属。
关于 AI 与职业发展的常见问题
金融量化分析师会由 AI 取代吗？
无法据此断定职业整体会被替代或必然增强。ILO 2023提供跨职业潜在暴露分析；量化岗位可先对数据、代码和文档子任务做受控试用。具体效果、实际采用和岗位变化仍缺本职业实证，应分别核查。
来源：ILO 工作论文 96（2023）；O*NET 13-2099.01 任务资料原始资料 ↗
现在入行需要会写代码吗？
本职业需要统计、计量与编程能力：O*NET 把该职业列为 Job Zone Five（需要大量准备，SVP 8.0 及以上）；学历调查中约 60% 回答需要硕士学位、35% 回答需要学士学位、5% 回答需要博士学位；工作以计算机与坐姿作业为主（持续或几乎持续坐着 70%），95% 每天使用电子邮件，75% 每周超过 40 小时。AI 可以辅助数据与代码，但不能替代方法选择、假设设定与独立验证。
来源：O*NET 13-2099.01 准备层级与学历调查原始资料 ↗
哪些工序最容易受 AI 影响？
数据准备、特征工程、代码与公式草拟、可视化与文档生成等工序受影响最直接；方法选择、假设设定、独立验证与治理责任仍需要人来承担。
来源：ILO 工作论文 96（2023）；O*NET 任务资料原始资料 ↗
到 2034 年这个职业会变少吗？
经 O*NET 呈现，母职业 Financial Specialists, All Other 2024—2034 年预计平均增长（3% 至 4%）、年均空缺约 10,300 个；该预测未单列本细分职业，不能据此判断本职业岗位一定减少。本页不给出确定性的岗位消失时间。
来源：BLS 就业预测（2024—2034，母职业口径）原始资料 ↗
AI 能替代方法选择或独立验证吗？
不能。工具可以准备数据、草拟代码与文档，但方法选择、假设设定、独立验证与治理结论需要专业判断与责任承担，须由受训分析师与验证岗按治理制度执行；模型版本与依据记录同样需要署名与复核，工具输出本身不产生责任归属。
来源：NIST AI 风险管理框架；模型治理与披露要求原始资料 ↗
哪一年这个岗位会消失？
证据不足：未取得本职业岗位消失年份或AI净就业因果证据。总体就业预测也不能回答这个问题；建议核对目标机构任务、治理要求及实际招聘情况，不把潜在辅助写成必然接手。
来源：BLS 就业预测；ILO 工作论文 96原始资料 ↗
现在应该优先学什么？
优先学三件事：一是统计与计量方法（能把金融问题写成可检验模型），二是编程与数据工程（能稳定复现与版本管理），三是模型治理与验证（知道模型在什么条件下失效、如何独立核对）；并练习把一个模型从问题到说明写清楚。
来源：O*NET 13-2099.01；BLS 就业与工资统计（母职业口径）原始资料 ↗
以上为任务级判断与证据边界，不代表岗位数量的确定预测。
中国大陆薪资参考
租赁和商务服务业（行业代理）
中国大陆的量化分析岗位多见于证券公司研究部门与自营、公募与私募基金投研、资管与期货风险管理以及金融科技公司，须按所在地金融监管、数据与信息保护、模型治理与从业资格规定执行，任职与持牌要求按机构与业务线确定，与美国职业分类不是一一对应。
公开招聘样本与行业代理（非本职业统计）
NBS平均工资含定义内奖金、津贴补贴和加班工资等，为税前统计；个别激励是否计入按官方定义核对。行业与岗位类别均值覆盖多个职业，不能替代本职业工资分布。
全国（行业代理）
证据不足：本轮未取得中国大陆本职业代表性全国工资分布。2025行业年均值与岗位类别均值只作背景代理，不能换算为本职业月薪。
机构类型与岗位
证据不足：未能取得可核验的中国大陆券商、基金与资管量化研究岗位月薪统计；此类岗位薪酬多含年度奖金或长期激励，招聘公告报价多为单一雇主样本，不能代表职业工资。
其他地区与用工模式
证据不足：未能取得可核验的其他地区与用工模式（机构全职、量化私募、外包建模）月薪统计；城市、机构规模与岗位方向之间的差异很大，需要按具体岗位逐一核对。
金融量化分析师在不同学历与训练背景下通常从哪些岗位方向开始？
本轮未取得中国大陆精确对应金融量化分析岗位的代表性全国工资统计；以下行业与岗位类别数字只作背景代理。
| 学历背景 | 常见岗位方向 | 说明与核对建议 |
|---|---|---|
| 本科（数学、统计、物理、计算机或金融相关专业） | 数据与量化支持岗 | 以数据清洗、回测与代码维护为主 |
| 硕士（金融工程、统计、数学或计算机相关专业） | 量化分析师与研究员岗 | 编辑方向例示；硕士学位不证明独立建模或验证能力，核目标要求与实际项目。 |
| 博士（统计、数学、物理或金融相关专业） | 量化研究与模型方法岗 | 编辑方向例示；博士学位不证明方法创新或治理能力，核目标要求与实际研究。 |
| 跨专业（金融＋计算机或数据科学） | 模型工程与数据平台岗 | 需补足模型治理与合规训练 |
本页用两个行业平均工资（「租赁和商务服务业」非私营 110,162、私营 68,919 元/年；「科学研究和技术服务业」非私营 182,064、私营 83,560 元/年）以及规模以上企业岗位类别平均工资（中层及以上管理人员 210,016 元/年、办事人员和有关人员 94,936 元/年）作为背景代理，都不能替代本职业工资；看到招聘数字时，先确认它是固定年薪、含奖金的年薪还是含股权激励的总包。
哪些行业与方向会用到这个职业？
租赁和商务服务业（行业代理）
机构量化研究与模型治理的用人需求
科学研究和技术服务业（行业代理）
量化研究与技术服务外包的用人场景
证券、基金与资管机构
投研与风险管理建模的用人场景
AI 会影响金融量化分析师的工资吗？
代码与数据工具可作为编辑建议试验；本轮未核中国大陆本职业采用率、实际增效、工资或需求变化幅度。
美国薪资参考
美国金融量化分析师工资多少？
美国口径说明：O*NET-SOC 13-2099.01「Financial Quantitative Analysts」——2025 年中位时薪 38.99 美元、中位年薪 81,100 美元；第 10、第 25、第 75 与第 90 百分位分别约 48,460、61,290、110,410 与 151,490 美元/年（May 2025 OEWS，「母职业 Financial Specialists, All Other 口径」，经 O*NET 呈现）。就业约 137,100 人（2024，母职业口径）、2024—2034 年预计平均增长（3% 至 4%）、年均岗位空缺约 10,300 个（母职业口径）。该职业本身未被标记为 Bright Outlook；O*NET 列出的 2024 年主要行业为金融与保险以及政府（母职业口径），但未公布分行业工资中位数。个人收入还取决于机构类型、岗位方向（定价、配置、风险或验证）与奖金及股权激励安排。
美国工资分布
| 工资统计位置 | 年工资参考 | 折算边界 | 怎样理解这个位置 |
|---|---|---|---|
| 最低 10% | 48,460 美元/年以下（第 10 百分位，May 2025 OEWS，「母职业 Financial Specialists, All Other」 口径，经 O*NET 呈现） | 官方年工资，非个人月收入 | 低端：母职业口径第 10 百分位为 48,460 美元/年以下，属分布低端，不是入职起薪。 |
| 中位数（50%） | 中位时薪 38.99 美元；中位年薪 81,100 美元（2025，BLS OEWS，母职业 Financial Specialists, All Other 口径，经 O*NET 呈现） | 官方年工资，非个人实发 | 中位：81,100 美元/年（中位时薪 38.99 美元，2025，母职业口径）；一半从业者低于、一半高于该值。 |
| 最高 10% | 151,490 美元/年以上（第 90 百分位，May 2025 OEWS，「母职业 Financial Specialists, All Other」 口径，经 O*NET 呈现） | 官方年工资，非个人实发 | 高端：母职业口径第 90 百分位为 151,490 美元/年以上，通常与机构类型、岗位方向与经验相关。 |
薪资 · 10 分位：48,460 美元/年以下；薪资 · 10 分位｜48,460 美元/年以下；「母职业 Financial Specialists, All Other 口径」（非本职业 13-2099.01 专属）｜不是入职起薪。
薪资 · 25 分位：61,290 美元/年以下；薪资 · 25 分位｜61,290 美元/年以下；「母职业口径」（非本职业专属）｜不是入职起薪。
薪资 · 中位数：81,100 美元/年；薪资 · 中位数｜81,100 美元/年；中位时薪 38.99 美元（May 2025 OEWS，「母职业口径」）｜一半从业者低于、一半高于该值。
薪资 · 75 分位：110,410 美元/年以下；薪资 · 75 分位｜110,410 美元/年以下；「母职业口径」（非本职业专属）｜不代表奖金与股权激励收入。
薪资 · 90 分位：151,490 美元/年以上；薪资 · 90 分位｜151,490 美元/年以上；「母职业口径」（非本职业专属）｜不代表本职业总体上限。
这组美国工资数字应当怎么理解？
中位数是入门工资吗？
不能。中位数是同一统计期内工资分布的中点，不是起薪；本页不使用相邻职业或插值替代，也不把母职业数值当作本细分职业的专属中位数。
时薪能推算个人年薪吗？
本页统计同时给出时薪与年薪中位数，但两者不能推算个人实发收入；机构类型、岗位方向（定价、配置、风险或验证）与奖金及股权激励安排都会影响实际收入。
这些数字来自哪个统计项目？
中位与各分位取自 BLS 职业就业与工资统计（OEWS）May 2025，经 O*NET 呈现，且 O*NET 页面明确标注为「母职业 Financial Specialists, All Other 口径」；就业与增长同样为母职业口径、来自 O*NET 呈现的 BLS 2024—2034 投影；分行业工资官方未公布，本页按缺口登记。
哪些条件会影响实际收入？
机构类型、岗位方向、地区与激励安排都会影响实际收入；本页只有单一（母职业）口径，不可与其他职业组合并比较。
不同行业的美国工资差多少？
| 行业 | 该行业内本职业工资中位数 | 这个值怎么理解 |
|---|---|---|
| 金融与保险（母职业主要行业之一） | 证据不足：官方未公布本职业（13-2099.01）或其母职业（Financial Specialists, All Other）分行业工资中位数 | O*NET 列出金融与保险为本职业（母职业口径）2024 年主要行业之一，但未公布该行业的本职业工资中位数。 |
| 政府（母职业主要行业之一） | 证据不足：官方未公布本职业（13-2099.01）或其母职业（Financial Specialists, All Other）分行业工资中位数 | O*NET 列出政府为母职业 2024 年主要行业之一，但未公布该行业的本职业工资中位数。 |
| 专业、科学与技术服务 | 证据不足：官方未公布本职业（13-2099.01）或其母职业（Financial Specialists, All Other）分行业工资中位数 | 量化研究与建模服务可能分布在专业与技术服务类机构，官方未公布该行业的本职业工资中位数。 |
| 公司与企业管理及其他行业 | 证据不足：官方未公布本职业（13-2099.01）或其母职业（Financial Specialists, All Other）分行业工资中位数 | 企业与金融科技机构也设有量化岗位，官方未公布该行业的本职业工资中位数。 |
哪些因素会影响美国金融量化分析师工资？
计酬口径
中位数是同一统计期内工资分布的中点，不等于起薪；O*NET 工作情境显示本职业以固定排班为主（80%），75% 每周超过 40 小时、25% 为 40 小时，以计算机与坐姿作业为主（持续或几乎持续坐着 70%），95% 每天使用电子邮件，20% 每天面临严格时间压力。「该中位数是母职业口径，不是本细分职业的专属统计」，OEWS 通常也不含非生产性奖金及雇主福利成本；不能据此概括为排除所有奖金。
就业与增长
经 O*NET 呈现的母职业口径：就业约 137,100 人（2024），预计平均增长（3% 至 4%），年均岗位空缺约 10,300 个。官方未单独公布本职业 13-2099.01 的就业与增长数据，也未提供第二个职业组口径，本页按单一（母职业）口径标注，不做换算。
学历与培训口径
学历以研究生教育为主：O*NET 将本职业列为 Job Zone Five（需要大量准备，SVP 8.0 及以上），学历调查中约 60% 回答需要硕士学位、35% 回答需要学士学位、5% 回答需要博士学位。BLS 未单独发布本职业的入门学历与培训要求；中国大陆多以数学、统计、计算机或金融工程相关学历加编程与建模能力为常见要求，具体以招聘公告与所在地规定为准。
美国就业前景
就业 · 就业规模
约 137,100 人就业 · 就业规模｜约 137,100 人；2024 年 「母职业 Financial Specialists, All Other 口径」，经 O*NET 呈现｜官方未单独公布本职业 13-2099.01 的就业规模。
就业 · 增长率
平均增长（3% 至 4%，2024—2034，母职业 Financial Specialists, All Other 口径，BLS 投影，经 O*NET 呈现）就业 · 增长率｜平均增长（3% 至 4%，2024—2034，「母职业口径」）；该职业未被标记为 Bright Outlook｜不是个人获得岗位的概率。
2024—2034 就业 · 年均空缺
约 10,300 个/年就业 · 预计岗位空缺｜约 10,300 个/年（2024—2034 预测年均值）；母职业 Financial Specialists, All Other 口径｜不等于净新增岗位。
职业适配指南
做金融量化分析师，哪些兴趣、能力与工作方式更重要？
判断重点不是「会不会写代码」，而是能否把金融问题写成可检验模型、能否独立复现并说明失效条件、能否按治理要求留痕。兴趣与人格框架只能提示观察方向，不能替代真实建模项目的验证。
你可能更适合： 愿意按模型治理与版本规则逐项确认，而不是只交付结果
这些情况需要慎重： 能在方法适用性存疑、数据口径不明或需要披露时请验证岗、风控或合规确认
做一次入行练习： 用公开虚构数据整理分析过程、复核差异与未知事项；实际作息、任职条件和授权核目标雇主。
不要用一个测试替你决定职业
霍兰德职业兴趣模型（RIASEC）
官方职业兴趣代码（O*NET）霍兰德兴趣中什么类型更接近金融量化分析师？
官方兴趣代码为 I（研究型）为主，兼有 C（常规型）：对应研究与分析、以及按规范处理数据与模型流程。兴趣代码只说明活动偏好，不代表能力、录用或研究结论。
- 愿意把金融直觉写成可检验的模型并反复验证
- 能从复现与证伪自己的结论中获得成就感
别这样用：只想产出漂亮图表而不愿被独立复现；若不接受模型治理与质疑，工作体验与模型质量都会受很大影响。
测我的霍兰德职业兴趣五因素人格模型（大五人格）
人格模型（非职业标准）大五人格哪些特质与这份工作更相关？
编辑建议：观察自己是否愿意尝试方法、核对细节、独立复现并接受质疑。大五人格结果可用于整理自我观察问题；本页未核验它对量化岗位的预测效度或与工作样本的相对效果，不作录用或能力判断。
- 能在结果被质疑时回到数据、方法与假设澄清
- 能在模型适用性存疑或需要披露时先请验证岗或合规确认
别这样用：把人格测试结果当成职业结论，或据此排除自己。
查看我的大五人格特质迈尔斯-布里格斯类型指标（MBTI）
人格偏好框架（非职业标准）MBTI 能用来判断我适不适合金融量化分析师吗？
MBTI可用于整理个人偏好；本轮未取得其预测本职业表现的效度证据，不据类型作能力或录用结论。真实任务的分析、复核、说明与交接表现另行观察。
- 愿意按模型治理与版本规则逐项确认
- 能接受验证岗与研究负责人对模型与结论的复核
别这样用：用类型标签解释自己不愿验证或不愿受治理约束。
了解我的 MBTI 偏好九型人格（Enneagram）
人格框架（非职业标准）九型人格能说明我适不适合这个职业吗？
九型可用于自我反思；本轮未核其预测本职业表现的效度。编辑建议观察受到质疑时是否核数据和假设、是否保持复核与留痕，不把观察清单当量表结论。
- 面对质疑时倾向回到数据与方法澄清而不是对抗
- 能接受验证意见并据此修订模型与说明
别这样用：把类型描述当作职业适配的证明。
探索我的九型人格模式智力商数（IQ）与数理推理
官方职业知识与准备层级（O*NET）数学不好，能做金融量化分析师吗？
这份工作以统计与计量方法、编程与模型治理为主：O*NET 将本职业列为 Job Zone Five（需要大量准备，SVP 8.0 及以上）；学历调查中约 60% 回答需要硕士学位、35% 回答需要学士学位、5% 回答需要博士学位。工作要能把金融问题写成可检验模型、能稳定复现结果，并按治理要求留下版本与依据。
- 能把金融问题转成可检验的模型表述
- 愿意补足模型验证与治理知识
别这样用：把一次测试结果当成能力上限。
了解我的智力与推理表现情绪智力（EI，常称“情商”）
通用能力框架做金融量化分析师需要高情商吗？
编辑建议：在被质疑或赶时限时，观察自己是否回到数据和假设、坚持复核并清楚交接。上述行为来自任务情境；本页未取得情绪智力量表对量化岗位绩效的验证研究，不据量表分数预测职业表现。
- 能把模型假设与失效条件讲清楚给研究与风控
- 在被指出方法或数据问题时先核对而不是争辩
别这样用：用情商高低替代对统计与建模能力的验证。
了解我的情绪智力能力你更可能适合哪条本职业工作方向？
投资基金经理
更匹配：偏好投资决策
注意：更希望做组合投资决策而不是建模与验证
查看相关职业：投资基金经理方向管理分析师
更匹配：偏好流程与经营诊断
注意：更希望做流程诊断而不是金融量化建模
查看相关职业：管理分析师方向市场研究分析师与营销专员
更匹配：偏好市场与用户研究
注意：更希望研究市场与消费者而不是金融数据与模型
查看相关职业：市场研究分析师与营销专员方向信贷分析师
更匹配：偏好信用评估
注意：更希望评估借款人信用而不是定价与风险建模
查看相关职业：信贷分析师方向金融与投资分析师
更匹配：偏好估值结论
注意：更希望给出估值结论而不是开发模型方法
查看相关职业：金融与投资分析师方向金融风险专员
更匹配：偏好风险度量与验证
注意：更希望做风险度量与模型验证而不是模型开发
查看相关职业：金融风险专员方向职业适配常见问题
什么性格的人更适合做金融量化分析师？
性格标签不能代替任务表现；编辑建议观察是否愿意核对数据、解释假设、记录依据并接受复核，不据此作录用判断。
内向的人适合做金融量化分析师吗？
内向不决定适配；观察能否听取业务需求、主动报告不确定项并清楚交接。
外向的人能做好金融量化分析师吗？
外向不保证胜任；数据核对、方法判断、复现与沟通能力分别观察。
哪种 MBTI 最适合金融量化分析师？
本轮未取得最适MBTI类型的有效证据，不以类型预测本职业表现。
霍兰德兴趣中什么类型更适合这个职业？
美国O*NET兴趣代码为IC（研究型、常规型），描述工作活动偏好，不代表个人能力、资格或中国岗位门槛。
人格特质分数能预测这个职业的工作表现吗？
本轮未取得人格分数预测本职业表现的效度证据，不据分数作能力或录用结论。
数学不好能做金融量化分析师吗？
单次数学成绩不能决定适配；本职业涉及定量方法，可在公开虚构数据上观察统计理解、计算复核和假设解释，再核目标岗位考核。
做金融量化分析师需要高情商吗？
不设情商分数门槛；可观察压力下的听取、问题澄清、反馈和协作，本轮未核情绪智力量表的职业预测效度。
九型人格能用来判断我适不适合吗？
九型可作自我反思，本轮未核其职业预测效度，不按类型推能力、资格或表现。
我怎么用可交付物判断自己适合哪个方向？
可用公开虚构数据整理分析目标、假设、计算过程、复核差异和未知事项，请有经验者反馈；纸面材料不替代真实训练、任职条件或业务授权。
工作压力、风险与职业边界
金融量化分析师的主要风险与边界是什么？
主要风险集中在模型假设不成立或方法误用、行情与持仓等敏感数据外泄、市场波动期与产品上线期的高强度、模型被用于适用范围之外的决策，以及版本与复现记录缺失和验证与上线责任不清；多数可通过方法核对、独立验证、版本留痕与治理审批降低，但不能完全消除。
职业任务与工作情境支持风险场景；NIST仅作自愿AI治理参考。应对为编辑建议，不证明风险降低比例或具体机构强制规则。
模型与假设风险
典型场景：假设不成立或方法误用就直接用于决策
主要岗位：定价、风险或配置模型开发者
可能后果：可能导致定价、风险或配置结论错误并带来资金与合规损失
降低风险：对关键假设做样本内外与压力情景检验，方法选择与结论须经复核
依据：O*NET 任务与工作活动资料
数据与敏感信息保密风险
典型场景：把行情、持仓或客户数据带出受控环境
主要岗位：接触持仓、行情或客户数据的岗位
可能后果：可能违反数据与信息保护规定，造成行情、持仓或客户信息外泄
降低风险：按最小必要与机构制度限制数据流转，敏感数据不提交给外部工具或无关人员
依据：NIST 人工智能风险管理框架（AI RMF 1.0）
市场波动期与上线期强度风险
典型场景：波动期与上线期连续高强度不休息导致判断偏差
主要岗位：市场波动期或上线期的研究与验证人员
可能后果：可能导致长时间用眼与久坐负担、波动期与上线期高强度与疲劳性差错
降低风险：按作业节奏安排休息与工位调整，波动期合理分配任务并如实报告不适
依据：O*NET 任务与工作活动资料
模型越用与适用边界风险
典型场景：把模型当作通用答案或忽略失效监控
主要岗位：复用模型或负责监控的分析师
可能后果：可能把只在特定条件下有效的模型用于不相符的市场或产品
降低风险：写明模型的适用范围与失效条件,越界使用须重新验证并报备
依据：O*NET 任务与工作活动资料
版本与复现风险
典型场景：代码与参数版本混乱、结果无法复现
主要岗位：维护模型库及复现结果的岗位
可能后果：可能导致结果无法复现、参数与数据版本不一致
降低风险：按版本规则保存代码、参数与数据快照，关键结果须可独立复现
依据：O*NET 任务与工作活动资料 · NIST 人工智能风险管理框架（AI RMF 1.0）
验证与上线责任风险
典型场景：跳过独立验证或上线审批流于形式
主要岗位：模型开发、独立验证及上线审批人员
可能后果：可能出现未验证即上线、上线后责任不清
降低风险：明确建模、验证与上线审批的权限与签署规则，保留验证与上线记录
依据：O*NET 任务与工作活动资料 · NIST 人工智能风险管理框架（AI RMF 1.0）
入行、资格与职业发展
怎么进入金融量化分析师这个职业？
美国O*NET准备层级为Job Zone Five，学历调查60%硕士、35%学士、5%博士；这是美国受访者对新进人员教育的回答，并非中国雇主普遍门槛。中国大陆岗位应逐条核学历、统计与编程要求、业务资格和模型治理制度。证据不足：本页未取得代表性的中国招聘样本。三条路径为能力准备的编辑归纳，非统一晋升阶梯。
入门方向与准备
金融量化分析师｜path
| 入门方向 | 起步任务 | 可准备证据 | 无经验也能展示的作品 | 需要注意的区别 |
|---|---|---|---|---|
| 数据与量化支持岗 | 在带教下完成数据清洗、回测与代码维护 | 作业与培训记录 | 写出一份数据清洗与回测要点 | 偏辅助场景，需关注口径与版本 |
| 量化分析师岗 | 独立完成建模、验证与说明 | 模型与验证记录 | 写出一份模型假设与失效条件说明 | 偏执行场景，需关注方法与验证 |
| 定价与结构化岗 | 开发并维护衍生品与结构化产品定价模型 | 定价与模型库记录 | 写出一份定价方法与边界要点 | 偏专项场景，需关注模型适用范围 |
| 风险建模岗 | 开发风险度量与压力测试模型 | 风险模型与测试记录 | 写出一份风险度量与压力情景要点 | 偏风险场景，需关注与验证岗分工 |
| 模型验证岗 | 独立复现并验证模型，出具验证意见 | 验证与复现记录 | 整理一份独立验证与复现清单 | 偏治理场景，需关注独立性与记录 |
金融量化分析师｜path
雇主要求：学历与技能
核对学历、专业方向（数学、统计、计算机或金融工程）与编程建模要求，记录公告日期与是否仍在招。
区分「会写代码」与「能把金融问题写成可检验模型并独立复现」，不以兴趣替代建模项目与验证记录。
雇主要求：模型治理与保密条件
核对模型治理与验证制度、数据与信息保护要求、披露与利益冲突规则。
记录要求与时效，更换机构或业务线须重新核验。
O*NET 准备层级与学历调查
Job Zone Five（需要大量准备），SVP 8.0 及以上；学历调查中约 60% 回答需要硕士学位、35% 回答需要学士学位、5% 回答需要博士学位；该职业未被标记为 Bright Outlook。
准备层级与学历比例来自美国O*NET，不推具体机构任职或持牌条件；本轮未取得本子职业独立BLS入门培训统计，不推官方未发布。
雇主要求：工具与数据环境
核对需要使用统计与计量软件、编程语言与脚本、数据库与查询语言、商业智能与可视化工具、金融终端与数据服务、模型治理与版本工具。
列明实际使用场景与计算环境，不以工具清单替代方法选择与验证能力。
金融量化分析师｜path
材料一：虚构建模任务
给出需要回答的定价或风险问题、可用的行情与财务数据、必须遵守的模型治理与留痕要求、需要交付的模型说明与验证材料，作为本次练习输入。
标注单位与缺失项，说明材料为完全虚构。
列出可能影响判断的缺失信息。
说明练习使用虚构材料，不代表任何真实机构、产品或市场数据。
可检查产出：问题到模型的转换、方法选择与检验方式、数据清洗与口径、参数与假设、稳健性与失效条件、独立复核安排、必须由验证岗或风控确认的情形。
说明边界：投资、法律与合规结论须由有职权人员或机构作出。
材料二：建模与验证任务（虚构）
要求写出问题到模型的转换、方法与检验方式、参数与假设、稳健性与失效条件，并说明哪些结论必须由验证岗、风控或有职权人员确认。
练习产出：一份可执行的建模与验证要点。
材料三：参考思路摘录（虚构）
先明确目标变量与约束，再选择方法并准备数据，最后做样本内外与压力情景检验并形成说明。
对无法确认的口径或治理问题保留未知并请验证岗或复核人确认，而不是按经验处理。
说明参考思路只是示例，不是唯一正确方法。
材料四：边界说明
本练习不构成投资、财务、法律或合规结论；模型上线与披露判断由验证岗、风控或有职权人员按治理制度执行。
金融量化分析师｜path
作品一：岗位要求对照表
把目标公告的学历、编程与方法要求逐条列成对照表。
标出已满足、待补齐与需核实项。
作品二：可复现的模型说明
选一个虚构问题，写出方法、假设与检验方式，并附复现步骤。
展示能让他人独立复现结果。
作品三：一页模型与验证摘要
用一页纸记录问题、方法、假设、检验结果与失效条件。
标注依据来源与未能核实的部分。
作品四：工具与环境说明
说明使用的语言、库、计算环境与版本管理方式，使他人能复现。
标注哪些环节使用了 AI 辅助并被人工核对。
金融量化分析师｜path
| 情境 | 可能被问到的问题 | 可以出示的证据 | 不能由此推断的结论 |
|---|---|---|---|
| 面试 | 能否说明方法选择、假设与验证方式。 | 核对能否把问题写成模型并说明失效条件。 | 是否录用由雇主判断，不由本人认定。 |
| 建模案例评审 | 能否展示从问题到验证的完整过程。 | 用代码、参数与验证记录展示可复现。 | 一次评审不代表可独立承担所有模型类型。 |
| 试用期考核 | 能否在要求下修订模型并保持版本清晰。 | 用版本与复现记录展示规范性。 | 短期表现不代表长期建模判断能力。 |
| 入职后 | 能否按治理制度执行验证、上线与留痕要求。 | 用验证与上线记录展示可追溯。 | 遵守制度不替代监管与合规要求。 |
金融量化分析师｜path
- 01
第 1 天：读一份模型治理或验证要求
摘录一项验证、版本或上线要求，并写出执行要点。
- 02
第 2 天：写一份数据与口径要点
按数据来源写出清洗、对齐与异常处理方式。
- 03
第 3 天：写一份方法与假设要点
写出方法选择理由、关键假设与检验方式。
- 04
第 4 天：写一份稳健性与失效条件要点
写出压力情景、敏感性分析与失效判据。
- 05
第 5 天：写一份独立验证要点
写出如何用独立方法复现并记录差异。
- 06
第 6 天：请他人挑战
请一位有经验的量化分析师或验证岗指出方法与验证遗漏并记录反馈。
- 07
第 7 天：写判断
写下是否愿意继续、需要补什么，以及哪些判断不能由自己作出。
金融量化分析师｜path
- 第 1 天：能否找出验证、版本或上线要求并写清执行要点。
- 第 2 天：能否写出合理的数据清洗与口径处理方式。
- 第 3 天：能否写出方法理由与关键假设。
- 第 4 天：能否写出可执行的稳健性与失效条件要点。
- 第 5 天：能否写出具体可操作的独立验证要点。
- 第 6 天：能否在接受指正后修正方法与验证判断。
- 第 7 天：能否说出需要补齐的能力与判断边界。
金融量化分析师｜path
| 资格／准备项 | 适用人群 | 对本职业的作用 | 是否普遍必需 | 条件与投入 | 投入量级 | 不能替代什么 |
|---|---|---|---|---|---|---|
| 硕士学位（金融工程、统计、数学或计算机相关） | 按目标岗位公告核学历与专业，不推中国普遍门槛 | 美国O*NET调查60%回答硕士；这是美国新进人员教育调查，非中国基本门槛 | 具体以目标岗位公告为准，中国普遍必需性未核 | 按院校与专业要求 | 按目标院校、培训或机构安排核实；统一周期未核 | 学历不等于能把问题写成可检验模型 |
| 学士学位（数学、统计、计算机或金融相关） | 按目标岗位公告核学历与专业，不推中国普遍门槛 | 美国O*NET调查35%回答学士；学位只证明教育经历，岗位要求另核 | 具体以目标岗位公告为准，中国普遍必需性未核 | 按院校与专业要求 | 按目标院校、培训或机构安排核实；统一周期未核 | 学历不等于可独立承担模型验证 |
| 博士学位（统计、数学、物理或金融相关） | 按目标岗位公告核学历与专业，不推中国普遍门槛 | 美国O*NET调查5%回答博士；不推中国普遍门槛或独立研究能力 | 具体以目标岗位公告为准，中国普遍必需性未核 | 按方向与导师要求 | 按目标院校、培训或机构安排核实；统一周期未核 | 学位不等于具备生产化与治理经验 |
| 编程与数据能力 | 涉及编程、数据或模型工作的目标岗位 | 可准备计算、复现与数据核对能力，是否进入面试由雇主决定 | 核实际公告和任务要求，普遍门槛未核 | 按项目与课程积累 | 按目标院校、培训或机构安排核实；统一周期未核 | 工具能力不替代方法选择与验证 |
| 模型治理与验证训练 | 涉及模型上线与披露的岗位 | 满足治理、验证与留痕要求 | 按机构与业务线要求而定 | 机构培训或课程 | 按目标院校、培训或机构安排核实；统一周期未核 | 培训不等于可免除治理与披露义务 |
| 数据与信息保护培训 | 接触行情、持仓与客户数据的岗位 | 满足保密与信息保护要求 | 按机构与岗位要求而定 | 机构培训 | 按目标院校、培训或机构安排核实；统一周期未核 | 培训不等于可免除保密义务 |
金融量化分析师｜path
金融量化分析师｜path
建模与验证
数据与量化支持岗
典型职责：按流程完成数据清洗、回测与代码维护
晋升证据：作业与培训记录（编辑建议）
资格边界：以数学、统计或计算机学习经历为主，按雇主与岗位要求核对
下一步：独立完成一个模型的复现与回测
量化分析师岗
典型职责：独立完成建模、验证与说明
晋升证据：模型与验证记录（编辑建议）
资格边界：以量化研究或建模经验为主
下一步：承担建模与验证说明
定价与结构化岗
典型职责：开发并维护衍生品与结构化产品定价模型
晋升证据：定价与模型库记录（编辑建议）
资格边界：以衍生品与数值方法经验为主
下一步：承担定价模型开发与维护
模型验证岗
典型职责：独立复现并验证模型，出具验证意见
晋升证据：验证与复现记录（编辑建议）
资格边界：以模型治理与验证经验为主
下一步：向模型验证与治理方向发展
风险与组合量化
风险建模岗
典型职责：开发风险度量与压力测试模型
晋升证据：风险模型与测试记录（编辑建议）
资格边界：以风险度量方法为主
下一步：承担风险模型开发
投资组合量化岗
典型职责：开发配置与优化模型支撑投资决策
晋升证据：组合与优化记录（编辑建议）
资格边界：以优化与因子方法为主
下一步：承担组合量化研究
交易与执行算法岗
典型职责：开发执行算法与交易成本模型
晋升证据：算法与执行记录（编辑建议）
资格边界：以市场微结构与算法知识为主
下一步：承担交易算法研究
量化研究负责人岗
典型职责：对研究路线、模型治理与团队负责
晋升证据：制度与研究记录（编辑建议）
资格边界：以经验与团队任命为主
下一步：向量化研究管理方向发展
数据平台与模型治理
数据与平台岗
典型职责：建设行情与参考数据平台与口径标准
晋升证据：数据与平台记录（编辑建议）
资格边界：以数据工程能力为主
下一步：承担数据平台与口径治理
模型工程岗
典型职责：把模型投入生产并监控运行
晋升证据：工程与监控记录（编辑建议）
资格边界：以工程与运维能力为主
下一步：承担模型生产化与监控
ESG 与绿色金融建模岗
典型职责：开发 ESG 与绿色金融相关量化工具
晋升证据：ESG 与模型记录（编辑建议）
资格边界：以 ESG 数据与方法知识为主
下一步：承担 ESG 与绿色金融建模
量化与治理负责人岗
典型职责：对量化能力、模型治理与团队负责
晋升证据：治理与管理记录（编辑建议）
资格边界：以资质与经验为主
下一步：向量化与治理管理方向发展
能力阶梯：晋升看什么证据？
- 01
数据与量化支持
能在带教下完成数据清洗、回测与代码维护并如实记录。
- 02
量化分析师岗
能独立完成建模、验证与说明。
- 03
定价与结构化岗
能开发并维护衍生品与结构化产品定价模型。
- 04
模型验证岗
能独立复现并验证模型并出具验证意见。
职业前景与相关职业转向
金融量化分析师的就业前景与相关职业转向
当前O*NET页面列母职业 Financial Specialists, All Other：2025就业137,800人，2025—2035预计增长3%至4%、年均空缺9,400个；2025中位年薪81,100美元。下方原事实条目为2024—2034历史参考，来源登记被FAQ共享而保持原值。总体预测非AI归因；均非13-2099.01细分职业专属统计。中国薪资仍缺精确职业值，行业均值仅作背景。
三类数据，三种不同口径
BLS 职业投影与特征表
2024—2034美国 · Financial Specialists, All Other（母职业 13-2099；本职业为 13-2099.01）
平均增长（3% 至 4%，2024—2034，母职业 Financial Specialists, All Other 口径，经 O*NET 呈现）
就业变化
就业预计平均增长，机构量化研究投入与模型治理要求影响岗位数量
不能说明：预测不等于实际结果，也不代表某一机构或地区的招聘量；数值为母职业口径
O*NET 金融量化分析师职业档案
2024美国 · Financial Specialists, All Other（母职业 13-2099）
约 137,100 人
就业规模
就业规模与空缺不是同一指标；空缺为预测期年均值并含替补需求
不能说明：为母职业口径统计，机构类型与岗位方向差异大
国家统计局：城镇单位就业人员平均工资（行业门类与岗位类别）
2025中国大陆 · 租赁和商务服务业、科学研究和技术服务业（行业门类）
非私营 110,162／私营 68,919 元/年；科学研究和技术服务业非私营 182,064／私营 83,560 元/年
行业工资（行业代理）
行业平均工资覆盖多个职业，不能替代本职业工资
不能说明：行业与岗位类别平均工资为税前劳动报酬口径，包含奖金及津补贴；不等于该职业薪资、到手收入或完整股权总包。
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。
投资基金经理
相邻方向，由模型支持转向投资决策可迁移：资产配置与投资流程
需补足：需补组合投资决策能力
查看职业详情金融与投资分析师
相邻方向，由建模转向估值分析与结论可迁移：估值方法与披露要求
需补足：需补估值结论与披露能力
查看职业详情管理分析师
相邻方向，由量化建模转向管理咨询与流程诊断可迁移：流程与经营分析
需补足：需补流程与经营诊断能力
查看职业详情信贷分析师
相邻方向，由金融建模转向信用分析可迁移：信用分析与风控方法
需补足：需补借款人信用评估能力
查看职业详情市场研究分析师与营销专员
相邻方向，由金融数据建模转向市场研究可迁移：调研设计与市场分析
需补足：需补市场与消费者研究能力
查看职业详情数据科学家
相邻方向，由金融量化转向数据科学可迁移：机器学习与工程实践
需补足：需补通用数据科学与工程能力
查看职业详情统计师
相邻方向，由金融建模转向统计研究可迁移：统计推断与实验设计
需补足：需补统计方法与实验设计能力
查看职业详情金融风险专员
相邻方向，由模型开发转向风险度量与验证可迁移：风险度量与模型治理
需补足：需补风险度量与验证口径能力
查看职业详情常见问题与资料来源
金融量化分析师主要做什么？
本页按美国 O*NET-SOC 13-2099.01「Financial Quantitative Analysts」编写（本页读者名称取「金融量化分析师」，正文按量化分析职责展开）：把金融问题转成可检验的数学模型并选择统计或计量方法；开发衍生品定价、组合构建与优化、业绩归因、风险度量与相对价值分析模型；建设与维护模型库、定义模型规范与数据要求；用独立模型核对结果并解释偏差；撰写研究摘要与需求文档；与交易、研究、风控和产品团队沟通模型假设与适用边界。
它和投资基金经理、金融与投资分析师有什么不同？
职责落点不同：本职业用量化方法与模型支持投资定价与风险管理，并承担模型开发与验证职责；投资基金经理以组合构建与投资决策为主；管理分析师以组织流程与经营改善诊断为主；市场研究分析师与营销专员以市场与消费者研究为主；信贷分析师以借款人信用评估为主；金融与投资分析师以财务与市场数据的定量分析与估值结论为主；金融风险专员以风险度量与模型验证为主。
美国统计口径是什么（重要）？
美国 O*NET-SOC 13-2099.01「Financial Quantitative Analysts」，属 Job Zone Five（需要大量准备，SVP 8.0 及以上）、兴趣代码 IC，「未被标记为 Bright Outlook」。「口径提示」：O*NET 页面明确标注其工资、就业与行业数据均为「母职业 Financial Specialists, All Other（13-2099）口径」（原文「Median wage data for Financial Specialists, All Other」「Employment data for ...」「Industry data for ...」），并非本细分职业的专属统计；官方未单独公布本职业 13-2099.01 的工资、就业与行业数据，也未提供第二个职业组口径，本页按单一（母职业）口径标注、不换算。
美国工资是多少？
母职业 Financial Specialists, All Other 口径下，2025 年中位时薪 38.99 美元、中位年薪 81,100 美元；第 10、第 25、第 75 与第 90 百分位分别约 48,460、61,290、110,410 与 151,490 美元/年（May 2025 OEWS，经 O*NET 呈现）。这些数值不是本细分职业 13-2099.01 的专属统计；分行业工资中位数官方未公布，本页按缺口登记、不代填。OEWS 通常不含奖金与股权激励。
美国就业前景如何？
经 O*NET 呈现，「母职业」 Financial Specialists, All Other 2024 年就业约 137,100 人，2024—2034 年预计平均增长（3% 至 4%），预计年均岗位空缺约 10,300 个（该值为预测期年均值）。官方未单独公布本职业 13-2099.01 的就业与增长数据，也未提供第二个职业组口径，本页按单一（母职业）口径标注、不换算。
中国大陆的工资能查到吗？
本次所核国家统计局资料为行业门类与岗位类别口径，未取得与本职业精确对应的全国单职业工资统计值；本页以「租赁和商务服务业」（非私营 110,162、私营 68,919 元/年）与「科学研究和技术服务业」（非私营 182,064、私营 83,560 元/年）行业平均工资，以及规模以上企业岗位类别平均工资（中层及以上管理人员 210,016 元/年、办事人员和有关人员 94,936 元/年）作背景代理，仅说明背景，不用行业均值、岗位类别均值或单条招聘报价替代职业工资。
需要什么学历和资格？
O*NET 将本职业列为 Job Zone Five（需要大量准备，SVP 8.0 及以上）；学历调查中约 60% 回答需要硕士学位、35% 回答需要学士学位、5% 回答需要博士学位。BLS 未单独发布本职业的入门学历与培训要求。中国大陆多以数学、统计、计算机或金融工程相关学历加编程与建模能力为常见要求，并强调模型治理与数据合规；具体以招聘公告与所在地规定为准。
这个职业会被 AI 取代吗？
更准确的判断是数据准备、特征工程、代码与文档草拟、可视化类工序会被工具接手，职业整体以增强与职责重心上移为主。ILO 2023 年的研究显示任务暴露在职业间差异很大，管理和专业类职业中高度暴露的任务比例相对较低，技术可行不等于机构已经采用；而方法选择、假设设定、独立验证与模型治理需要专业判断与责任承担，因此结论是工作方式与职责重心会变化，而不是整体被取代。
美国的中位数是入门工资吗？
不是。中位数是同一统计期内工资分布的中点，不是起薪；而且该中位数是「母职业 Financial Specialists, All Other 口径」，不是本细分职业 13-2099.01 的专属统计。O*NET 工作情境显示本职业以固定排班为主（80%）、75% 每周超过 40 小时，以计算机与坐姿作业为主（持续坐着 70%）；OEWS 通常不含奖金与股权激励。
没有金融背景能进这行吗？
可以，常见路径来自数学、统计、物理或计算机等专业。O*NET 将本职业列为 Job Zone Five（SVP 8.0 及以上），学历调查中约 60% 回答需要硕士学位；BLS 未单独发布本职业的入门学历与培训要求。雇主重点考察统计与计量方法、编程与复现能力以及模型治理意识。中国大陆多以数学、统计、计算机或金融工程相关学历加编程与建模能力为常见要求。是否可行要以目标雇主与所在地规定为准，本页不替代法规原文，也不提供投资、财务或法律意见。
资料来源
FermatMind 职业内容研究流程
2026-09-20
本页来源与事实登记（O*NET 13-2099.01 及其母职业 Financial Specialists, All Other 口径的工资分位与投影、BLS OEWS May 2025、BLS 职业投影与特征表、国家统计局 2025 年行业门类与岗位类别平均工资、ILO 工作论文 96、NIST AI RMF）
exact title 13-2099.01; wages/employment/industry reported for parent occupation 13-2099 Financial Specialists, All OtherO*NET OnLine｜美国｜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- 官方职业范围：开发量化技术以支持证券投资、股票投资、金融工具定价或估值；开发用于风险管理、资产优化、定价或相对价值分析的数学或统计模型。
- 兴趣代码 IC；准备层级 Job Zone Five（需要大量准备，SVP 8.0 及以上）；「未被标记为 Bright Outlook」。
- 学历调查：约 60% 回答需要硕士学位、35% 回答需要学士学位、5% 回答需要博士学位。
- 「口径说明（重要）」：页面在「Wages & Employment Trends」中明确标注「Median wage data for Financial Specialists, All Other」「Employment data for Financial Specialists, All Other」「Industry data for Financial Specialists, All Other」，即所列工资、就业与行业数值均为母职业 13-2099 口径，不是本细分职业专属统计。
- 母职业口径数值：2025 年中位时薪 38.99 美元、中位年薪 81,100 美元；2024 年就业 137,100 人；2024—2034 年预计平均增长（3% 至 4%）；预计年均岗位空缺约 10,300 个；2024 年主要行业为金融与保险以及政府。
使用限制：本职业为细分工种，工资与就业须按母职业口径理解；分行业工资中位数官方未公布；美国资料不自动推导中国大陆的模型治理与持牌要求。
exact title (13-2099.01)O*NET OnLine｜美国｜current page (updated 2026); accessed 2026-09-20｜official occupation details
查看原始资料：exact title (13-2099.01)- 用于核对任务、工作活动、工作情境、技术工具、兴趣代码（IC）与准备层级（Job Zone Five）。
- 任务以把数理与统计方法用于衍生品定价、证券交易、风险管理与市场规则问题，研究与开发组合优化、业绩归因、盈亏计量与定价模型等工具，解释分析结果，建设模型库并定义模型规范与数据要求，撰写研究摘要，维护在用模型，为研究与交易提供估值与数据支持，并用独立模型核对结果为主（共 21 项任务）。
- 工作情境：工作日程固定排班 80%、不规则 20%；每周超过 40 小时 75%、40 小时 25%；持续或几乎持续坐着 70%、超过一半时间 30%；认为精确与准确极其重要 55%、非常重要 25%；每天有严格时间压力 20%、每周一次以上非每天 40%、每月一次以上非每周 35%；与他人持续接触 30%、大部分时间接触 20%、约一半时间接触 35%、偶尔接触 15%；95% 每天使用电子邮件。
- 技术工具以统计与计量软件（含 MATLAB、SAS、Stata、SPSS）、编程语言与脚本（含 R、C#/Java、JavaScript）、数据库与查询语言、商业智能与可视化工具、金融终端（如 Bloomberg Professional）为主。
- O*NET 全国工资页（onetonline.org/link/localwages/13-2099.01）同样标注「Wage data for Financial Specialists, All Other」，给出母职业口径分位：年工资 10% 48,460、25% 61,290、中位 81,100、75% 110,410、90% 151,490 美元；时薪 23.30、29.47、38.99、53.08、72.83 美元。
使用限制：任务与工作情境为 13-2099.01 资料，工资分位为母职业口径；模型治理、数据保护与披露要求须按机构制度与所在地法规另行核验。
parent occupation 13-2099 Financial Specialists, All OtherU.S. Bureau of Labor Statistics｜美国｜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- 母职业 Financial Specialists, All Other（经 O*NET 呈现）：2024 年就业 137,100 人，2024—2034 年预计平均增长（3% 至 4%），预计年均岗位空缺约 10,300 个。
- BLS 就业预测表中「Occupational openings」为预测期的年均值，本页据此标注为「/年」，不按十年累计解读。
- 官方未单独公布本职业 13-2099.01 的就业与增长数据。
使用限制：为母职业口径；预测不等于实际结果，年均空缺含替补需求，不能拆成个人录用概率。
parent occupation 13-2099; not specific to 13-2099.01U.S. Bureau of Labor Statistics｜美国｜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- 母职业口径：中位时薪 38.99 美元、中位年薪 81,100 美元。
- 第 10、第 25、第 75 与第 90 百分位分别约 48,460、61,290、110,410 与 151,490 美元/年（经 O*NET 全国工资页呈现；时薪分别为 23.30、29.47、53.08 与 72.83 美元）。
- 官方未公布本职业或其母职业的分行业工资中位数；O*NET 仅列出金融与保险以及政府为母职业 2024 年主要行业。
使用限制：为母职业级工资统计；不适用于本细分职业的专属推断；中位不是起薪；OEWS 不含奖金与股权激励。
industry proxy: leasing and business services; scientific research and technical services; position-group proxy国家统计局｜中国大陆｜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- 城镇非私营单位「租赁和商务服务业」平均工资 110,162 元/年；城镇私营单位 68,919 元/年（2025）。
- 城镇非私营单位「科学研究和技术服务业」平均工资 182,064 元/年；城镇私营单位 83,560 元/年（2025）。
- 规模以上企业岗位类别平均工资：中层及以上管理人员 210,016 元/年；办事人员和有关人员 94,936 元/年（2025）。
- 中国大陆未单列本职业；行业与岗位类别代理值不能替代职业工资。
使用限制：行业平均工资与岗位类别平均工资覆盖多个职业，不能当作本职业中位数或起薪，也不含奖金与股权激励。
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- 结论：多数岗位仅部分任务暴露，生成式 AI 更可能增强而非整体替代；文员类任务暴露最高，管理和专业类职业中高度暴露的任务比例较低。
- 采用任务分类方法，不是企业采用数据。
使用限制：任务暴露不等于实际采用、生产率或岗位变化；方法选择、独立验证与治理类工作仍须人承担。
AI risk governance and human oversightNational Institute of Standards and Technology｜美国/国际参考｜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- 框架用于自愿采用，帮助组织在 AI 的设计、开发、使用与评估中纳入可信性考量。
- 生成式 AI 概览列出生成式 AI 的特有风险并给出对应管理行动。
使用限制：治理框架不含职业或就业统计，不能作为职业前景或就业证据。
field review and source disclosureFermatMind｜中国大陆/美国｜current authoring rules; accessed 2026-09-20｜editorial method
查看原始资料：field review and source disclosure- 用于区分职业事实、统计口径（含母职业口径）、行业与岗位类别代理、模型治理与披露边界、AI 辅助与人工复核。
- 本研究方法与编辑归纳标注为 internal_rubric 或 editorial_synthesis。
使用限制：不是外部职业事实来源，不替代官方统计或法域规则。
本职业三项代表核心任务FermatMind / 费马测试｜2026-10-18｜编辑模型估算方法
查看原始资料：本职业三项代表核心任务- 三项代表核心任务等权的模型影响指数，非实际工时占比或失业概率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18.
- 档位：0几乎无影响；25准备或记录辅助；50实质辅助；75大部分信息产出可由AI形成并复核；100所选任务近乎全可由AI完成且可独立验证。
- 方法选择与建模 — 75/100; weight=1/3; financial-quantitative-analysts.ai-impact.ai-impact-table.95[0]
- 假设设定与参数选取 — 50/100; weight=1/3; financial-quantitative-analysts.ai-impact.ai-impact-table.99[0]
- 独立验证与稳健性检验 — 75/100; weight=1/3; financial-quantitative-analysts.ai-impact.ai-impact-table.103[0]
使用限制：依据本页既有职业职责与AI任务分析作档位判断；不代表采用率、实测效果、岗位消失或个人失业概率，也不是斯坦福或其他外部机构官方分数；未使用实际工时权重，不假定未来机器人部署。
证据不足：本细分职业专属工资、就业、分行业中位工资及中国精确职业薪资未取得；现有父职业/行业均值不能代填。当前O*NET就业预测为2025—2035；本页共享事实及FAQ保留2024—2034历史内容，未执行全页一致性修订。国家统计局行业均值含奖金等税前劳动报酬。共享来源登记涉及FAQ，旧期间、用途与奖金说明冲突保持并交后续对应范围处理。
