【中枢教育】摩根大通讲座文稿

各位同学好，我是今天的分享嘉宾Li,很高兴和大家能有一些交流。我是清华大学的本科，然后去了美国俄亥俄州立大学念的工程学硕士和经济学博士。先后在美国银行和摩根大通银行就职，在个人贷款和企业贷款的风险模型方面有近十年的经验。目前担任摩根大通银行个人风险模型部门的执行总监，负责房屋贷款，信用卡和小企业贷款等产品的建模工作。今天的分享会分成四个部分：.美国金融业对量化人才的需求及变化趋势我是2007年进入银行工作的，亲身经历了2008年的金融危机，以及这场危机之后银行业的变革。资产证券化，高杠杆投资以及信贷的宽松是导致这场金融危机的主要原因。因止匕，在此之后，美国的金融监管机构大大加强了对银行，尤其是“系统性大银行”的监管。这个变化直接引起了银行在量化研究和建模方面的转变。重心从前台(trading,underwriting)转到后台(riskmanagement,capitalmanagementandlossforecasting)。金融领域覆盖的范围很广，从国际学生就业的角度来讲主要有这么几个方向：Corporateandinvestmentbank的trading和riskmanagement相关的quantmodeling和quantanalyst对冲基金和其他买方公司个人银行里面的建模与分析相关职位金融咨询业对国际学生而言，现在的工作市场大多数的职位都是偏量化的。一个是因为整个行业需求的增长，另外一方面是因为非量化的职位遇到公民或绿卡的竞争更为激烈。就我个人而言，我的工作经验大部分是在个人银行(consumerbanking,也叫零售银行)领域。所以今天的讲座我会花比较大的篇幅介绍consumerbanking。.美国个人银行领域及就业情况介绍个人银行(consumerbanking)对于很多志向于投身金融的同学来讲可能是相对陌生的一个领域，但实际上这个领域为来自中国和其他国家的国际学生提供大量的工作机会。相对于投资银行和对冲基金大多集中在纽约，芝加哥和三藩地区，个人银行提供的职位在地域上相对分散。很多中型城市和地区像charlotte,dallas,Wilmington都有相当数量的工作机会，为偏好在成本较低、生活相对安逸的地区的同学们提供更多的选择。个人银行，顾名思义，主要业务是针对个人用户以及小型企业提供储蓄，贷款，支付以及其他金融服务。在美国，提供个人银行服务的有：四大银行JpmorganChase,WellsFargo,BankofAmerica和CitiGroup都有规模庞大的个人银行业务。地区性银行，像pncbank,usBancorp等信用卡银行，像AmericanExpress,Discover,CapitalOne,这些银行以信用卡业务为主，但今年来也把业务拓展到其他个人银行领域新兴的Fintech公司，这类公司一般集中于一个或两个业务，比如像sofi（学生贷款），ondeck（小型商业贷款）,lendingclub（p2p贷款）,venmo（移动支付与转账）对于有量化背景的同学，个人银行的工作机会主要集中在与模型和分析相关的部门。相对于企业银行（commercialbanking）和投资银行，个人银行有客户数量众多，但单位金额较小的特点。因此个人银行的分析和建模更多的依赖于统计模型和大数据处理。数据分析和建模已经广泛用于信贷产品整个产品周期的每一个阶段。拿信用卡来说吧，当你到银行或者在网站上申请信用卡的时候，银行的模型就会根据你提供的信息和从征信机构得到的信息给出一个分数以衡量你的信用风险，以决定是不是批准你的申请。你用信用卡进行的每一笔付款，都要经过银行的欺诈模型判断，如果风险较高的话银行会暂时拒绝付款，并给你电话或者短信进行确认。信用额度模型和分析会根据你的消费和还款情况对你的信用额度进行调整。如果你哪天有了财务危机不能按时还款，银行会根据追债模型决定什么时候打电话给你追债。上面提到的都是所谓的“前端”模型，是银行用来对各种与客户直接相关的运营进行决策的。在银行内部还有各种“后端”风险模型用来帮助进行内部风险管理，资本分配和战略决策的。08年金融危机之后，随着金融监管的逐步加强，美国的大中型银行都纷纷加强了在“后端”风险模型和风险管理的投入，在这个领域创造出了很多的工作机会。说consumerbanking就不得不提一下近几年来很火的大数据和机器学习在这个领域的应用。一个大中型的consumerbank，拥有几百万甚至上千万的账户，如果要对每个账户每月甚至每天的动态进行跟踪和分析，需要极强的数据处理能力，所以这个领域对于大数据技术方面的需求日益增加。随着数据的增加，传统的统计和计量经济建模在有些应用已不能满足需要。最好的例子就是反欺诈。金融欺诈与反欺诈就像是两个武林高手在过招，招数的变化非常快。犯罪分子祭出一种欺诈手段，银行需要很快的发现这种手段并采取相应的对策。犯罪分子发现一种手段不再有效会很快调整用另外的方法。在这种快速的变化环境下，传统的建模方式不再适用。所以机器学习的方法，尤其是能够动态的，利用最新的数据进行快速学习的方法就显得更为重要。.对专业选择及职业规划的一些想法从上面的介绍里，可能有的同学已经感觉到，consumerbanking和其他的金融领域比如投行或对冲基金相比有着很明显的区别。在我看来最大的区别在于consumerbanking的分析和研究的重点在于个人客户的行为和风险，而投行和对冲基金更多的着重于金融市场。因此，consumerbanking这个领域对于求职的同学的背景要求也有它自己的特点。在量化建模和相关的职位上，最为常见的是经济学，统计学，运筹学专业的博士生，是因为比较看重这些专业的学生通常在理论和实证方面都有比较好的训练，而且大多在数据处理和分析方面的能力较强。近些年来，理科和工科的phd毕业生进入到consumerbanking有逐渐增加的趋势。建模的职位，尤其是在几家大银行里，很少招刚刚毕业的硕士生。但是有很多进行数据分析，风险分析的职位是对硕士生敞开大门的。有些同学可能会问了，你怎么没提到金融相关的专业？下面我就说一说我了解的金融相关的专业的就业情况。首先说说financephd，北美这边的financephd大多在商学院下面，是竞争非常激烈的专业。每年招phd学生的数量非常少，很多学校financephd招的学生只有经济系的十分之一左右。Financephd更适合将来有志于在大学或者是金融机构做研究的同学们，即使不去做faculty,大部分从一流和二流大学金融系毕业的同学在工业界也能找到一份起点相当高的工作。在投行和consumerbanking里做量化职位的鲜有金融系毕业的phd。最近十年有越来越多的同学来美攻读金工和金数的硕士。这两个专业的课程设置非常的实用，更加接近于投行对于知识和技能的需求。所以华尔街的投行除了招收Phd毕业生（数学、物理专业居多）做quantmodeler之外，也招收很多金工金数的毕业生做riskanalysis,tradingsupport等类型的职位。近年来也有一些金工金数的毕业生加入consumerbanking.Finance专业的master,在量化方面的训练不是很强，在找工作时，比较对口的职位会面临着大量有公民和绿卡身份的毕业生的竞争。所以对于过来读金融相关硕士，而且毕业后想在美国找工作的同学，还是建议选择在量化方面有较强训练的专业比如金工金数。东拉西扯了这么多，做过小小的概括。专业的选择一定要结合个人的目标和实际情况。对于有志做量化建模的同学，可能还是需要去读一个phd。对于想快点参加工作，不介意起点稍微低一些的同学，我觉得金工金数应该是最有希望让你在华尔街找到一份工作的专业。接下来再说说在读研期间应该为找工作做哪些准备，我认为要做好三件事：第一，建立找工作的network。最有效的network应该是在本科和读研期间的师兄师姐。比你早一两年毕业进入工作岗位的他们，可以给你提供很多有用的帮助，包括空缺职位的信息，找工作的经验，内部推荐等等。通过network找到工作的成功率远远高于海投 简历 个人简历下载免费下载简历模版总经理简历下载资料员简历下载资料员简历下载 。有些同学在linkedin上大量发邀请给陌生的业界人士，我觉得这种方法却不一定有效。第二，培养自己的核心技能。尽早的确定自己想找工作的类型，有针对性的加强自己的理论知识的应用技术。第三，积极的寻找实习的机会。很多公司都会提供暑期甚至其他时间的实习机会，一定要去争取。实习不但能够给你提供宝贵的工作经验，而且往往是通向全职工作的快车道。.核心技能的培养Hiringmanager在招人时看重的都是什么能力呢？又是哪些能力能够是一个人从入门岗位一步步走向更大的成功？扎实的理论功底，能使得你在面对问题的时候能快速给出最合理，最正确的解决 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 。这个对于知识的广度和深度都有要求，知识的广度给你更多的选择，知识的深度帮助你确定最佳的方案。对于量化金融来讲主要是两方面，一方面是对金融市场和金融产品本身的了解，另一方面，可能对想要入行和刚入行的同学更重要的，是数学，统计等研究工具的扎实训练。拿consumerbanking的建模职位来说，了解各种regression的假设，应用范围和如何对模型进行评估都是必不可少的。数据处理和编程能力，能使你有效的把想法和方案去实现。随着数据在公司的日常决策，运行中日渐重要的地位，数据处理能力是大部分职位所要求的。从到数据库里用sql获取数据，到对数据进行整合，变形以及简单的数据建模(statisticmodelingormachinelearning)在很多工作中都会用到。掌握一门或几门编程语言(C++,Python,Java)和统计工具(SAS,R,etc)是很重要的。沟通能力。做的好不如说的好，在职场上还真的是这么一回事。即使对于志向一直做技术的同学，培养有效的沟通能力也是很重要的。有效的沟通是双向的，一来要清楚的了解客户，领导的要求，二来能把自己所做的工作的内容和意义清晰的表达出来。好的沟通能力对于想要往更好职位发展的同学就更加重要。工作道德和团队意识。在某种意义上讲，这一点是一个职业人士能否成功最重要的品质。怎么提高自己的核心技能呢，最有效的方式就是learningbydoing.在读研期间的与他人合作的课程项目是非常好的提高上面提到的技能的机会。现在有一些网站,像kaggle.com也提供各种各样的建模比赛。找一两个志同道合的朋友一起做，对于自己技术水平和合作能力上的提高都会有帮助。问答环节.据说哥大ERM项目进入了stem项目，不知道那个专业就业如何?这个专业开设的时间不长，因此相关就业的信息比较少。我目前还没有接触到从这个项目毕业的学生。对就业而言，这个program的优势是（1）被归类为stem专业⑵哥大的地理位置。从课程设置上来看，这个项目比较综合的覆盖了风险管理很多领域，但是量化方面的训练感觉不够深入。另外这个项目对于国际学生需要三个学期内修完，时间相对偏短，没有留出足够的时间给学生对就业进行充足的准备（包括面试，做summerintern等等）。.美国统计学、金融学、金融工程master就业部门会有怎样的差别？学制大致多长时间?统计学毕业生大多在商业银行,零售银行和保险业从事数据分析和简单的建模工作。金融工程毕业生更多的在投行和买方机构的风控或trading相关的部门。金融学毕业生相比其他两个专业不那么偏重量化方面的训练。适合的职务与business更加接近，但同时遇到有公民或绿卡身份申请人的竞争也更加激烈。.本科是金融类的同学美国读研有什么推荐，希望未来发展能好一些？这个要取决于读研的目的和个人兴趣。有志于做研究工作，比如做大学教授或者到公司里做研究和建模方面的工作，建议读finance,economics或operationresearch的phd.对只想读ms的同学，金工金数专业的master将来留在美国的机会可能会比较大。MasterofFinance更加适合喜欢与business更加接近，并且不在意回国发展的同学。.金工金数master的职业起点比经济学或者金融的phd低多少（比如起薪和发展空间之类）？Master和phd的差别可以从两方面来讲。第一，有些部门或职位（通常是建模相关的职位）只招phd或有多年经验的master.第二，很多银行freshphd的起始职位侬$。既10）要比master的起始职位（2馆1丫北）高一档。在大多数情况下，一旦找到工作，职场发展的轨迹和学历的相关性就不是很大了。因此对于不是非要做建模或faculty的同学，master可能是更加好的选择。毕竟早工作3年所积累的经验和提高的薪水完全可以弥补phd和master起点的不同。.从量化的角度，经济学和国际经济与贸易两个专业，哪个更实用一点？个人感觉经济学对量化方面的训练更加系统和全面一些。.美国量化工作的日常是怎么样的？也和投行的工作一样要经常熬夜吗？女生在量化岗位上的竞争力如何？这个要视具体职位而定。一般来讲和前台更近的职位相对会更忙，投行比商业和个人银行要忙。除了遇到重要deadline的情况，大部分工作不需要经常熬夜。总的来说量化职位的女生数量较少，但正因为如此，相同条件的候选人面试，女生拿到offer的机会可能更大一些。.如果想找金融前台的工作，需要什么样的条件？除了名校的背景之外，优秀的沟通技能是非常重要的。对于中国的留学生来说，找需要中英文双语的前台职位可能会有更大的机会。.金融学专业如果想做量化方面的业务的话应该怎么做？有意识的提高自己在量化方面的技能。（1）如果可能的话尽量多选修量化方面的课程，（2）可以利用网上教学网站自学一些相关的课程，像随机过程，统计，机器学习还有编程。（3）尽早的寻找量化相关的实习机会。.如果在美国做了量化分析相关的工作，回国之后转变方向或升职困难么？量化的技能是找到工作的敲门砖。今后的发展和升职，更多取决于，在工作中积累的业务方面的知识，对整个行业的了解，管理方面的经验和人脉的建立。对于想要回国发展的同学，除了以上所说的，还要保持和扩大与国内同行和猎头的联系。.如果本科的专业是金融，有意识的修一些Python,Matlab等就够了吗，还需要其他的一些什么准备?如果要申请金工金数或者金融或经济学的phd,加强数理和编程方面的训练会有帮助。如我在8中所提到的可以自学一些相关的课程。.保险学的本科生会比金融本科生申请更占优势吗?以及考frm会对金工master的申请有帮助吗?谢谢!金工专业的录取很重视申请人的数理基础。不管是保险学或是金融学专业的，如果课程选择上多侧重量化方面的课程（比如保险学里偏精算的课程和金融学里的数理金融）在申请的时候都会起到正面的作用。对于非金融学的学生，考frm或cfa可以表明自己对金融知识的了解，应该对申请有一些帮助。对于金融专业的学生作用相对要小。.如果PhD的方向不是经济金融，有没有可能进入这个方向工作？是可以的，以researchquant来说，基本是要求统计/运筹博士才能胜任的，物理博士/计算机博士也是可以直接直接进入投行做量化分析的。刚刚中枢教育来自清华经管本科的Z同学，录取了杜克大学统计学博士全奖，他的主要职业定位，也是未来能进入量化交易领域。.本科文商科，研究生学这种数据分析的专业，会不会很难呢？有可能吗？需要详细评估具体情况。比如波士顿大学金融数学，倾向于招收本科是金融等商科的学生，而不是录取统计等理工科量化背景更强的学生。但综合考虑，普通的金融专业的学生，如果希望能转申金融数学，需要扎实的先修课准备，实习等。金融数学，商业分析专业相关背景也需要提前准备的。比如，北大光华金融专业的同学，通常如果希望转申金融数学，是需要修统计双学位的。因为金融数学需要的先修课程，比如数学分析，实变函数等，在普通文商科并不是学校课表中预设的。.金工金数等专业回国工作机会怎么样？跟传统金融专业相比呢?金工金数回国工作，一般是两种选择：第一是金工岗，国内的金工岗基本集中在深圳，上海。第二，基于金工金数的优秀海外院校毕业的背景，也可以进入券商投行的其他部门，比如固定收益部，资产管理部，投行部等等。.物理PhD想要做量化分析是否需要考CFA？CFA主要是金融估值建模。金融估值建模主要并不是做金工用，是金融硕士，M&A并购等需要，或equityresearch中需要对准备上市的企业进行估值，需要金融估值建模。金融工程岗位比如风险管理，通常是考FRM。DeskQuant,通常是需要C++,python,matlab等编程技能。Quant的技术面往往首先是考编程而不是估值建模。