什么样的人才是企业最需要的？作为职场人士，如何迅速成为企业最需要的人才？这种两难的供求关系，在这里，我们通过免联考MBA案例分享，来看一看，教授总结出来的最受HR欢迎的人才需要具备怎样的条件？

在硅谷，Facebook历史上最为重要的两次收购，都发生了高级人才出走的事故。起因是WhatsApp的两位创始人、Instagram两位联合创始人与CEO马克·扎克伯格的管理方式不合，相继离开老东家。他们之间的矛盾甚至成为科技圈最为长寿的八卦之一。

这些都被中国的企业家们和职场人看在眼里，报以一贯的惋惜。但是扎克伯格有不一样的想法，他没有表示挽留并对Instagram两位创始人做出了一个简短的、尖锐且极具揭示性的评论：“卓越产品的领导者”。这位年少成名的强势CEO似乎不怎么看好他们,倾向于将产品辉煌归功于Facebook本身的强大流量。他直接将矛头指向了“人才性价比不高”。

一个耳熟能详的例子是中年危机，那些不再年轻的人被认为性价比降低。在学界，45岁之前拿不到学术头衔，学术生涯基本就结束了；在科技圈，35岁的那一天就是程序员的年龄分水岭。某个特定年龄暗示着落后的体力、智力、专注力，成为“性价比不高”的注脚。通过贩卖焦虑和危机感，实则是一种变相歧视。

这一时期，职场人和企业都变得更有野心、更坦诚、更愿意暴露自己的需求。中国的招聘平台诞生于这一时代中，招聘公司发布相关照片信息，求职者填写个人简历，从而实现精准匹配。综合平台有58同城，赶集网，前程无忧等，专注互联网行业的有BOSS直聘，智联招聘等，职业社交平台LinkedIn （领英）终于在2014年进入中国。

对HR来说，为企业招到高性价比人才往往是重中之重，且需要深思熟虑的。更重要的是，所有职场人从中掠得零光片羽，为职业选择和职业发展提供参考。

高性价比人才要经得起时间考验

第一，人才与企业当前的发展战略和目标一致，处于不同发展阶段的企业对人才提出的要求也就不一样；其次，不同类型的人才能够符合企业对他们的专业诉求，比如管理型、战略型、资源型、技术型人才的知识、经验、背景等都不一样；第三，企业人力资源也应该有一个开阔的视野，全面、综合评估人才对企业的贡献，包括可衡量的经济价值和不可直接衡量的隐形价值。

技术手段贯穿人才培养始终

如何“选人”属于更前端的事情，目前还有不少人对AI招聘、数字化测评持怀疑态度，普遍关注的一点是：如果面试者本身缺乏人性化，如何甄别应聘者硬实力以外的软实力呢？

汉高集团招聘与雇主品牌负责人Aaron在接受界面新闻采访时说，汉高集团德国总部拥有一个完备的人才测评中心，可以帮助筛选高潜人才和高级人才。以人力驱动业务为基调，“汉高集团想把人力资源部的定位更往前推动一步，它不再是支持型的业务角色，而是更多、更深入地融入参与到业务里。因为人力和公司未来发展一定是有机统一的。”Aaron将测评工具出现的评估差异理解为“多元化”，如果完全统一标准设定，将出现高同质化倾向。

更多关于学校信息，可关注（每月两个周末集中上课，全英文教学，本校师资）

破案1101起查缴财物6.9亿元！江苏打击整治养老诈骗专项行动战果显著

破案1101起查缴财物6.9亿元！江苏打击整治养老诈骗专项行动战果显著

Quant的工作就是设计并实现金融的数学模型(主要采用计算机编程)，包括衍生物定价，风险估价或预测市场行为等。

所以Quant更多可看为工程师，按中国的习惯性分类方法就是理工类人才，而不是文科人才，这个和金融有一定的区别(当然金融也有很多理工的内容)。

开发直接被交易员使用的价格模型，优势是接近交易中所遇到的Money和机会，劣势是压力很大.

独立开发价格模型，不过是为了确定Desk Quant开发的模型的正确性，优势是更轻松，压力比较小，劣势是这种小组会比较没有作为而且远离Money

尝试发明新的价格公式和模型，有时还会执行Blue-Sky Research(不太清楚是什么) 优势是比较有趣(对喜欢这些人来说)，而且你学到很多东西。劣势是有时会比较难证明有你这个人存在(跟科学家一样，没有什么大的成果就没人注意你)

其实就是名字被美化的程序员，但收入很不错而且很容易找到工作。这种工作变化很大，它可能是一直在写代码，或者调试其他人的大型系统。

在数据中寻找自动交易系统的模式(就是套利系统)，这种技术比起衍生物定价的技术有很大的不同，它主要用在对冲基金里.而且这种位置的回报是极不稳定的

建立银行的信用和资本模型，相比衍生物定价相关的工作，它没有那么吸引人，但是随着巴塞尔II银行协议的到来，它变的越来越重要。

你会得到不错的收入(但不会很多)，更少的压力和更少的工作时间。人们投资金融行业就是为了赚钱，如果你想获得更多的收入，你就要更靠近那些钱的"生产"的地方。

这会产生一种接近钱的看不起那些离得比较远的人的现象，作为一个基本原则, 靠近钱比远离钱要来得容易。

FX就是外汇交易的简写，合同趋向于短期，大量的金额和简单的规定，所以重点在于很快速度的建立模型

Equities的意思是股票和指数的期权，技术偏向于偏微分方程(PDE)，它并不是一个特别大的市场

Fixed Income的意思是基于利息的衍生物，这从市值上来说可能是的市场，他用到的数学会更加复杂因为从根本上来说他是多维的，技术上的技巧会用的很多，他的收入比较高

Credit Derivatives是建立在那些公司债务还清上的衍生产品，他发展的非常快并有大量需求，所以也有很高的收入，尽管如此，他表明了一些当前经济的泡沫因素

Commodities因为近几年生活用品价格的普遍涨价，也成为一个发展迅速的领域

Hybrids是多于一个市场的衍生物市场，典型情况是利息率加上一些其它东西，它主要的优势在于可以学到多种领域的知识，这也是当前非常流行的领域。

04、Quant一般在哪些公司工作?

商业银行对你要求少，也给的少，工作会比较稳定

投行需要大量的工作时间，工资很高但不是很稳定。总的来说，美国的银行收入比欧洲银行高，但工作时间更长。

对冲基金需要大量的工作时间和内容，他们也处在高速发展同时不稳定的情况中，你可能会得到大量的回报，也可能几个月后就被开除。

大型会计公司会有自己的顾问quant团队，有些还会送他们的员工去Oxford读Master。主要的劣势在于你远离具体的行为和决策，而且厉害的人更愿意去银行，所以你比较难找到高人请教。

外包quant模型变得越来越流行，所以你去软件公司也是一个选择，劣势和会计公司比较类似。

05、成为一个Quant需要看哪些书?

现在有非常多的关于Quant的书，基础书籍包括：

● 《C++ Design Patterns and Derivatives Pricing》这本书是为了告诉大家如何使用C++来做Quant的工作。随机微积分虽然在第一眼看上去不是很重要，但的确非常有用的。我建议大家先看一些基本理论的书，类似Chung’s books. 一些这方面我推荐的书:

06、成为Quant，我需要知道一些什么?

根据你想工作的地方不同，你需要学习的知识变化很大，很多人错误的把学习这些知识看作仅仅看书而已。

你要做的是真正的学习，就像你在准备参加一个基于这些书内容的考试，如果你对能在这个考试里拿A都没有信心的话，就不要去面试任何的工作。

面试官更在乎你对基本知识的了解是否透彻，而不是你懂得多少东西，展示你对这个领域的兴趣也很重要。

你需要经常阅读Economist, FT 和Wall Street Journal，面试会问到一些基本微积分或分析的问题，例如Logx的积分是什么，问到类似Black-Scholes公式怎么得出的问题也是很正常的，他们也会问到你的论文相关的问题。

面试同样也是让你选择公司的一个机会，他们喜欢什么样的人，他们关心的是什么之类的答案可以从他们的问题中得出。

如果问了很多关于C++语法的问题，那么要小心选择除非那是你想做的工作。一般来说， 一个PhD对得到Quant的Offer是必需的。

有一个金融数学的Master学位会让你在银行风险或交易支持方面却不是直接Quant方面的工作，银行业变得越来越需要数学知识，所以那些东西在银行的很多领域都有帮助。

在美国，读了一个PhD之后再读一个Master变得越来越普遍。在UK这依然比较少见。

07、一般哪些专业对口Quant?

据观察，Quant一般的专业会是数学，物理，金融工程(金融数学)。其实虽然不是特别多，但是还是有一些投行招手Master金工的Quant，一般几个好的FE专业都有去做Quant的硕士生。

所有类型的Quant都在编程方面花费大量时间(多于一半)。尽管如此，开发新的模型本身也是很有趣的一件事，标准的实现方法是用C++。

一个想成为quant的人需要学习C++，有些其他地方使用Matlab所以也是一个很有用的技能，但没C++那么重要。

VBA也用的很多，但你可以在工作中掌握它。

一个Quant能赚多少?一个没有经验的Quant每年大概会挣到税前60k-100k美元。

奖金的话不会太高，但是如果行情好的话，也非常的客观，一般我听说的话，刚入职第一年一般可以拿到一两万刀的奖金。

不过像08年就别想了。如果你的工资超出这个范围，你要问自己Why?收入会迅速的增长，奖金也是总收入中一个很大的组成部分，不要太在乎开始的工资是多少，而是看重这个工作的发展机会和学习的机会。

主要涵盖了量化投资领域的必备知识，包括：基本面分析、技术分析、数量分析、固定收益、资产组合管理、权益、另类投资等内容。

2、《Python语言编程基础》

包含了Python环境搭建、基础语法、变量类型、基本函数、基本语句、第三方库、金融财务实例等内容。旨在为金融财经人提供最需要的编程方法。

3、《基于Python的经典量化投资策略》

包含了最富盛名，最基本的量化交易思想和交易策略。例如：海龟交易模型、Logistics模型、配对交易模型、波动扩张模型、Alpha模型、机器学习(随机森林模型、主成分分析)、深度学习(人工神经网络)等内容。

4、《量化交易系统设计》

旨在学习量化交易系统的具体知识，包括过滤器，进入信号，退出信号，仓位管理等详细内容，并指导学员设计涵盖个人交易哲学的量化交易系统。

旨在为解决实际量化交易策略搭建过程中的一些问题提供最优解决方案。

掌握Python及量化投资技能，我们能做什么?

1、熟悉中国主要金融市场及交易产品的交易机制;

2、熟知国内外期货交易、股市交易的异同点和内在运行机制;

3、掌握经典量化交易策略细节及其背后的交易哲学;

4、掌握金融、编程和建模知识基础，拥有量化交易实盘操作能力;

5、具备独立自主地研发新量化交易策略的能力;

6、掌握量化交易模型设计的基本框架，以及风险管理和资产组合理论的实际运用;

7、掌握从策略思想——策略编写——策略实现饿完整量化投资决策过程;具备量化投资实战交易能力。

AQF量化金融分析师实训项目学习大纲

1.1.1. 第一部分：前导及课程介绍

1.1.2. 第二部分：量化投资基础

1.1.4. 第四部分：量化交易策略模块

1.1.5. 第五部分：面向对象和实盘交易

1.1.6. 第六部分 实盘模拟交易

1.1.7. 第七部分：基于优矿的进阶学习

微信公众号：量化金融分析师

完善下表，48小时内查收aqf备考资料

(如果没收到资料，可以)