投行 vs. 做市商
Quant“觉醒时期”来了
当越来越多交易公司用远少于银行的人数，做出接近甚至比银行更高的盈利时，这些顶级投行也纷纷开始坐不住了...
就在2026年1月，摩根大通宣布成立新的Quantitative Trading&Research团队。
表面上，这是一次围绕电子交易与自动化能力的组织调整；然而事实确实如今这个时代“非银行竞争对手”实在太强了...
所谓“非银行竞争对手”，指的正是近年来迅速扩大市场份额的做市商，例如Jane Street与 Citadel Securities。
没有庞大的销售体系，也没有一排排人工交易员盯盘，更多时候是一整套算法在自动报价、自动成交、自动调整仓位。
过去很长时间里，投行的优势来自资本规模、库存能力与客户流量，交易更像是一门高度经验化的职业——然而电子交易比例不断提升后，市场逐渐变成一个反馈极快的系统：
- 报价更新更及时 → 客户更容易点到你的价格 → 成交更多
- 成交后滑点更小 → 客户下次更愿意继续跟你交易 → 利润更稳定
- 策略波动更可控 → 风险更低 → 能长期留在市场里
问题不再是量化交易是否重要，而是金融市场的基础工作方式已经正在量化化——岗位名称或许还叫 Trading、Sales 或 Structuring，但其底层能力结构已经越来越接近工程系统而非纯经验行业。
量化岗位挑花眼...
干货解析来了
很多人对Quant 的理解，往往停留在一个非常笼统的层面——写模型、做定价、偏技术支持。可一旦真正走进投行的交易体系，就会发现 Quant 从来不是一个单一岗位，而是被明确嵌入在不同业务链条中的一整套角色分工
从行业结构上看，Quant 通常被分为两大阵营——Buy Side Quant及Sell Side Quant。
Buy Side Quant：集中在对冲基金、量化交易公司和做市商中，筛选极其残酷、门槛极高，但对应着整个金融行业最陡峭的薪资曲线；
Sell Side Quant：则存在于投行体系之内，更深度嵌入交易、定价和风险管理流程。
但不论是买方还是卖方量化公司，Quant岗位还会细分为两大类——就是业内常说的Q Quant与P Quant。
对于Q Quant来说，工作的核心始终围绕模型本身展开。定价是否严谨、假设是否合理、参数是否稳定、模型是否通过验证与审计，才是评价体系的中心。这类岗位更强调逻辑闭环与长期可维护性，节奏相对稳定，但与市场短期波动和真实盈亏之间，天然隔着一层缓冲带。
而P Quant则完全不同。它存在的意义只有一个——让交易结果变得更好。策略是否真的提升了收益，执行是否减少了滑点，模型在真实市场环境下是否还能站得住脚，最终都会直接反映在 P&L 上。这里没有太多“理论上可行”的空间，市场给出的反馈，往往比任何评审都更直接。
也正因如此，近期 摩根大通 官宣成立新的量化交易与研究团队，才会被业内反复解读。
因为它并不是传统意义上的投行Q Quant，而是Sell Side体系中的P Quant。从实际工作内容来看，这类岗位在策略思维、数据驱动方式和交易逻辑上，已经与Buy Side Quant高度接近，只是平台仍然属于投行体系。
如果你在投递阶段想快速判断自己面对的到底是哪一类 Quant，有一个非常实用、也最容易被忽略的方法——直接看 JD关键词:
当岗位描述中频繁出现trading strategies、execution、P&L attribution、systematic market making，基本可以确定这是 P Quant；而当关键词集中在pricing、modeling、calibration、validation、documentation上，大概率就是 Q Quant。
量化行业
三大硬核能力
那么真正决定你能否站在一线量化阵容里的，还需要三个“核心指标”——专业背景、竞赛实力、以及你在大一大二时就开始布局的早期项目经历。
Point72全球人才主管曾在采访中直言：
“我们寻找的是能解决极端复杂问题、对市场具备数学直觉的人，而不是简历看起来漂亮的人。”
换句话说，在对冲基金这条食物链顶端，唯有实力才会发光。
专业背景 CS / Math / FE
所有头部多策略基金的招聘数据都在证明——超过 80% 的美国实习生来自计算机科学、数学、统计或工程类专业。
这对于准备冲击买方的留学生来说，量化研究需要用随机微分方程、优化算法、时间序列模型去推策略；软件工程团队要把这些公式变成真实运行在微秒级延迟下的交易系统；而投资与交易团队要在巨量数据和信号中做出最敏锐的判断。
更关键的是，从 2015 到 2024，美国对量化分析与金融工程岗位的需求增长超过 78%。而纽约作为全球对冲基金聚集度最高的城市，长期占据全美超过 75% 的投资人才，这也让 Columbia、NYU、CMU、Berkeley 等拥有强 FE/CS 项目和地理优势的学校，更容易把学生输送到 Citadel、Two Sigma、Point72 这样的顶尖买方。
所以在纽约上学的小伙伴一定要牢牢把握住难得的高新机会哦~如果你能在大一到大三期间，把“数学 + 编程 + 金融”专业知识打牢，之后在申请Dream Company会具备更多的优势。
竞赛背景 IMO / IOI / IPhO
除了本身学术背景之外，“竞赛背景”几乎是能力筛查中最直接、最高效的途径。Citadel、Two Sigma、Jane Street、HRT 等基金的招聘团队在公开分享中提过无数次：竞赛型选手是最容易被快速识别的顶尖人才画像。 Citadel 今年招收的 300 多位暑期实习生里，就包括十多名美国计算机奥赛（USACO）白金组成员、以及数十位来自 IMO、IOI、IPhO 的国际奖牌选手。
Jane Street 在一次招聘说明会上甚至直接提到：“竞赛背景候选人在面试中整体表现稳定性更高。”的确，像这种含金量极高的竞赛，本质上已经帮公司提前完成了面试
IMO（金牌数学）：能将抽象问题结构化建模，这对构建期权定价模型、统计套利极有优势。
IOI（算法）：本质就是 Two Sigma、Jump Trading 的高频系统中需要的“动态规划 + 图论 + 数据结构 + 微秒级优化”。算法竞赛训练出来的，是那种看一眼问题就能推断出最佳路径、同时在时间压力下依然能保持冷静的能力。
IPhO（物理）：这类选手通常对“现实世界的复杂性”理解得更深，也更能接受不确定性。他们习惯处理带噪音的数据、习惯在信息不完美的情况下寻找规律。
不是必要条件，但绝对是你最快跳出简历 pile 的方式。尤其是如果你本科或硕士来自非 Top 20 或非传统量化强校，竞赛则是脱颖而出不可或缺的一环。
低年级项目 大一就进入人才池
过去银行是大三招实习、咨询是大二提前批，而对冲基金更狠：从大一就抢人——Citadel 的“Discover Citadel”、Two Sigma 的“Early Insight Program”、Jane Street 的 SEE/Focus 项目几乎都明确写着，欢迎大一、大二学生申请。
其中，Citadel的Discover Citadel 是最典型的例子：两天的深度访学、与投资与工程团队直接交流、次年实习 Fast Track、模拟交易挑战……只要你进了项目，后面实习流程几乎都自带 Buff...
Two Sigma 的 Early Insights 也类似，并且更偏算法系统设计；Jane Street 的 Focus/SEE 项目则直接给你“解题 + 写 code + 做逻辑推理”的真实项目。
此外，每年最“卷”的要数对冲基金为低年级学生设置的竞赛：
Citadel Trading Invitational、Jane Street ETC（Electronic Trading Challenge）、HRT Summer Puzzle Challenge…几乎所有优胜者都能拿到面试甚至 Fast Track。这些竞赛的含金量堪比一场提前批 Superday，做得好直接把你推进下一年暑期实习的候选池。
所以说，如果你想冲 Citadel / Millennium / Two Sigma / Jane Street，最理想的路径是：
大一：进一个 Early Insight / Discover 项目 + 参加一次 Trading / Algorithm Challenge
大二：冲击正式暑期实习（2027/2028 Summer）
大三：正式 Summer Internship（这是最终 full-time 的主战场）
不过光靠冲刺是没用的，你要面对的不是普通意义上的竞争，而是来自全球最强理工科选手的正面交锋。VOYAGE这边整理了Quant 面试“圣经”、包含三家巨头的最新题库、以及最完整的量化实习/提前批 timeline——欢迎戳小助手领取资料 + 一键领取适合你的量化路线。