最近几天的纽约天气酷热难耐，同样焦灼的是家长们的内心。这几天接触的家长普遍是子女已经顺利的完成了高中学业，即将在秋季入读大学。所以家长和孩子们关心的问题自然而然集中到了大学专业以及未来就业。华尔街对于热情的家长来说，不仅是拍照留念的那个街牌，更是一种期望。结合一些共性问题，今天撰文分析下本科专业，研究生项目，以及金融领域就业的相关问题。

 

盗用一句长者说过的名言“我可是见得多了。”2007年哥大方兴未艾的Master of Financial Engineering在大陆录取的唯一一个同学是我的作品。2008年，来自北师大实验中学的我的学生ED直接录取哥大，后一年经过重重竞争与激烈选拔，进入了非常少见的本科即开设的金融工程专业。之后的年份，CMU的Computational Finance计算金融，UC  Berkeley的MFE, Cornell的MFE,NYU Courant 的Mathematics in Finance等等一系列的金融工程，金融数学的硕士项目，董老师旗下学生收获到手软。直到2015年，Princeton的ORFE运营研究与金融工程的PhD项目全奖录取。纵横江湖十余年，自信是国内做金融工程领域申请的顶尖高手。至于普通的Master of Science in Finance项目更是不胜枚举，无需提供数据支持。

 

这些幸运的孩子现在广泛分布于你能听到和列举出来的所有著名的金融机构，当然也有很多国内家长并不熟悉但是也是圈内鼎鼎有名的顶级机构比如Renaissance, Citadel, Blackstone等等。观察他们的成长路径，以及通过他们的交流，使我有一个非常好的视角去理解和判断从事金融行业的各种形态。

 

美国金融业最为发达，从业人数众多，收入也非常好。但是本科的学校，绝大多数不开金融专业，哥大的本科阶段金融工程算是极为少见的特例。所以，研究生阶段的金融领域教育成为很多想进入金融领域的学生的预期。高盛，摩根斯坦利，德意志银行，瑞士信贷等一众金融集团，对冲基金以及VC / PE的名号让多少家长和学生趋之若鹜。按照传统的中式思维，读一个本科学位似乎有点单薄，那么继续读一个硕士学位然后找份华尔街的工作岂不是一件很美好的事？然而事实并不是那么简单。

当大多数家长和学生谈及金融的时候，他们事实上对于金融没有明确的概念，他们把金融与商科，经济，会计等领域混为一谈。这个倒也正常，金融领域的定义确实非常广泛，一级市场，二级市场，银行，券商，信托，基金等等都可以划在这个定义内。大家简化的通过买方，和卖方来理解着金融领域的划分，却不知其实具体的一个机构内也有前中后台的区分。今天互联网非常发达，不要借助百度，只要多花点时间，其实也可以弄清楚金融领域的不同岗位细分到底是干什么的，这里不做详细介绍。

 

近些年我也接触了很多在美国各个高校就读的本科学生，但是，使我忧虑的一个现象是大约三分之一的学生都表示，投资银行是他们的工作目标首选。他们谈及各个投行机构的八卦时总是那么如数家珍，似乎高强度的加班以及繁重的任务在锦衣玉食，星级酒店，两舱出行的诱惑前都不再是问题。我相信投行大热这种原因一定由于某种信息传递机制而产生，但是这种传递方式，其实忽视了金融领域的全貌。比如除了Investment Banking投行部，高盛等之类的大型金融机构还有Sales & Trading 销售与交易， Research 研究， Wealth Management 财富管理， Technology 技术等等很多细分。了解这些初级的部门划分其实也没有意义，重要的是思考这些划分的本源。比如IB部门其实提供的是企业的融资服务，无论是IPO上市，还是并购，或者增发都是各种融资；而Sales & Trading提供的是流动性服务，比如做市。理解了这些背后的业务逻辑，对于学生来说才走了更远的一步。

 

对于大多数学生来说，投行或者这些大型金融机构的Offer事实上也是一个美丽的梦幻而已。原因很简单，美国顶级的金融机构招聘学生是有固定的target school 目标学校范围的。非目标学校的学生偶尔也有能拿到这些Offer的，但是从概率上来讲，不具备代表性。很多学生纠结自己是否需要double major  数学+经济学来向心仪的金融机构证明自己的学业准备，其实，这个真不重要。大摩，小摩每年都会从HYPS等学校招一群学哲学，历史，甚至Classics的学生充实进自己的队伍。至于你想要证明的会计基础和能力，这些顶尖的金融机构有完善的培训机制保证你从技术环节不会落后。

读一个金融领域的的更高学位，理论上是有一定帮助的。但是顶尖的金融机构非常看重学校出身，他们宁可招一群头脑聪明，干劲十足的本科生。

 

信息传播的机制造成了我们总是听到Alex 同学拿到了高盛纽约投行部的Offer， Bob同学拿到了伦敦德意志银行Sales & Trading的offer, Cathy 同学拿到了香港Morgan Stanley的Equity Research 的Offer，但是相信我，这些故事之所以广为传播，就是因为本身事件比较稀缺，具备传播价值。比如毕业于蓝翔学校的李四同学拿到了一份摩托车维修厂的offer，是不会有任何人注意的。

 

其实，能否进入这些最顶级的金融机构，基本上从你拿到大学录取offer那一刻就决定了。这个事实很残酷，但是就是这么个情况。

 

话题讲到这里比较沉重，可能很多脆弱的玻璃心读者会觉得难过。但是耐心看完下面的部分，你就不会觉得那么难过了。

 

格林威治（Greenwich）是美国康涅狄格州的一个城市。格林威治整个地区共计占地62平方英里，人口将将超过6万人。从纽约乘坐北方铁路，不到一个小时时间就可以到达这里。如今这座城市有1200所住宅正在挂牌销售，其中250所住宅挂牌价格超过500万美元，还有57所价格超过1000万美元。还须注意的是，去年格林威治的平均房产价格为220万美元，比前年降低9%。比如，索罗斯的合伙人斯坦利·邓肯米勒（Stanley Druckenmiller），他为自己的豪宅标价3150万美元。骑士领袖资本管理公司（Knighthead Capital Management）合伙创始人阿拉· 科恩（Ara Cohen）在2015年将自己的豪宅标价3500万美元出售，却无人问津；2016年8月，又将价格降到2950万美元，却仍然无人过问。

 

格林威治拥有的对冲基金公司数量超过了除纽约外的美国任何地区。据康涅狄格州对冲基金联合会称，该州有420家对冲基金公司，总资产约为7500亿美元，资金管理规模超过3万亿美元。上世纪60年代以来，越来越多的对冲基金公司在此设立办公室。这里一度成为仅次于纽约的对冲基金的总部。曾有一段时间，人们以能从格林威治的某个房屋地址，给朋友或者亲戚寄明信片，作为一种身份的象征。

 

格林威治的房地产业是窥视全球对冲基金业发展的一扇窗口。过去一个时期的事实显示，这座城市中的很多对冲基金公司，在经历过一个时期的风光后已显示出偃旗息鼓的迹象，有的甚至还拖欠高达上亿美元的雇员工资没有支付。而那些能存活下来且收益较好的对冲基金公司，正在越来越多地使用智能机器来进行投资，而不是雇用人力来做此项工作了。尽管有当地政府的税收政策以及其他政治因素的影响也对于这个现象有些贡献，但是作用不大。

对冲基金业当前的另一个大趋势就是计算机智能交易的流行，这在增加智能机器的同时，减少了对投资经理的需求。而AQR公司和桥水基金就是非常出名的量化交易的公司，这些公司的人员需求不断减少。

 

随着量化交易的不断扩大化，组合投资经理人的奖金难免大幅削减，毕竟基金公司老板们却不需要给这些智能机器发放奖金。而对于组合投资经理人来说，奖金却是他们购买那些豪宅的重要资金来源。

 

对于这个现象的另外一个解读来源于Bloomberg的一篇报道。Renaissance Technologies （中文翻译文艺复兴科技）是对冲基金业鼎鼎大名的公司。他们公司旗下的Medallion Fund 大奖章基金或许是世界上最厉害的赚钱机器。文艺复兴大约只有300名雇员，而其中90%有博士学位。这个大奖章基金从建立以来大约产出了550亿美元的利润。这使得它比街上著名的桥水基金的Ray Dalio以及GeorgeSoros的利润还要高。

 

文艺复兴的创始人是传奇人物Jim Simons，这个79岁的老头在1982年建立了这个公司，他同时也是数学家，哈佛和MIT的教授。外界对于这个公司有着各种神秘的猜测和传闻，然而这个公司一直低调。公司目前的两个联席执行官是以前IBM公司著名的Watson Research Center研究语言识别，机器翻译的专家，公司里也聚集了一群数学家，物理学家，以及火箭科学家。

不仅文艺复兴重视科学家，其他著名的公司比如Two Sigma，以及老派的对冲基金公司现在都开始越来越多的把各个领域的科学家充实到自己的队伍里来。

 

用最简单粗暴的方式来理解所谓的Quantitative Trading量化交易，就是建立模型来发现隐含在市场噪音里的信号，进而利用信号进行交易。这种信号通常隐藏的比较深，但是一旦识别出来，他们会帮助预测股票，债券，甚至原油价格波动的方向。当然这个过程很复杂，除了基本面的因素外，还有人为的非理性过程。给大家举一个通俗的例子来理解：股票的价格决定于诸多因素，市面上也有很多种多因子选股模型，由于这个领域发展已经比较时间长了，所以通过常规的方法的数学公式很难能够发现新的因子选股的公式。所谓机器学习，就是相当于用一个很多维的矩阵去拟合你所关注的因子与股票超额收益的关系。这样，我们只要把历史数据中股票当天的因子数据，以及第二天的超额收益扔给电脑，电脑程序通过机器学习就能够自行找到一个大致行得通的因子->超额收益的公式，当然这个公式是矩阵形式的。这个公式就是所谓各种交易策略的核心。

 

处于信息爆炸的时代，文艺复兴也花费巨大力量来搜集，整理，清洗数据，从而进一步帮助科学家们发现隐含在众多噪音中的有效数据。比如一个经典的例子：这群科学家发现了晴朗的日子与世界各地金融市场的上扬表现存在关联。当然他们不会天真到仅仅靠每天抬头看天来交易，但是这个例子说明了，总有一些信号值得去被发掘出来。

 

Simons 以及他的科学家同事们相信或许有一些统计学的方式来预测价格，所以他们不断完善模型。当前所谓的量化模型有两个阵营：趋势跟随trend following以及平均回归 mean reversion。简单理解为，交易标的的变化是有势能的以及所有价格和回报是会去向平均值回归的。大奖章基金利用很多的所谓量化交易策略来管理旗下资本。

 

看下图的文艺复兴的投资回报，你会惊奇的发现，原来神话是确实存在的。从成立以来，只有一年亏损，其余年份平均保持40%的年度投资回报。这个公司NB的业绩带来了另外一个特征就是收费模式。普通的街上的对冲基金收费模式：2+ 20. 即基金管理规模的2%作为管理费，以及投资收益的20%。但是文艺复兴的标准是 5+ 44. 2倍半与传统公司的管理费，以及几乎一半的利润。文艺复兴并不想管理太多的资产，因为资产过大，反而会引起市场波动。所以，设定一个高门槛，外面的钱爱来不来。

文艺复兴曾一度招人时有个特征，纯金融背景或者华尔街工作背景会被直接拒绝，他们反而喜欢招那些做hard science的人。用句简单的方式来理解：如果不会金融，那么我们可以以后教教你；但是如果不会数学，那么就别来了。

 

如前文所述，文艺复兴起源时是一群数学家，所以他们并不直接会编程。但是强大的学习能力促使他们通过边做边学的方式来解决各种问题。不仅研究机器翻译的联席执行官来自IBM， 还有一群研究弦论的物理学家，研究人类语言的语言学家，研究数字信号处理的EE专家等等一群来自IBM的科学家加入阵营。金融领域的残酷不会留给这群科学家任何温情脉脉的机会。你的模型有效，或者比别人的模型更加有效，那么你就可以赚钱，如果达不到，那么就得破产倒闭。

 

我写这篇文章的目的不是鼓励所有人都去学计算机，尽管计算机是一个好的方向。这篇文章的真正目的在于鼓励一种冷静的思考。尽管金融行业仍然在蓬勃发展，但是隐藏在水面下的变化，会不经意间搅动甚至颠覆这个领域。成功的路径也有很多条。进名校，找实习，进顶尖金融公司，只是万千条路径中的一种，它只适合一小部分人群。

最后给大家分享一个我的朋友的故事。这个朋友很聪明，但是机缘巧合没有接受正规的大学教育。北漂几年后，第一次以XX外资银行的扫街理财员的身份招募进去，其实说白了就是拉存款的。可是没想到，对于这份几乎没有什么门槛的也很辛苦的工作，她竟然用5年时间从一个默默无闻的第三方机构员工，成长成为该银行大中华区Executive级别的职位。她带领的团队创造了一个又一个奇迹，负责的客户级别和影响力也越来越大。胡润排行榜上的一半人的名片，你都可以在她的巨大的8个名片夹里看到。从北京到香港，从香港到美国，又从美国到了瑞士。她的足迹遍布你能听到的几乎所有顶级名号的金融机构，她的职位也在这种不断变换中升迁。今天的她可以说是国内Private Banking领域的元老级人物。她的这种成功其实也充分说明了金融领域的不同通路。