Tushare米哥

劝早日入坑，早入早解脱。Quant让数据说话，让计算机来执行，纪律严明，合情合规，不受外界情感影响。一旦交给量化，腿不酸了腰不疼了，觉也好了，吃嘛嘛香！

黄钢 - 重庆大学

劝入原因：“赌是男人本性，大到国家之间的力量对比，小到球场胜负，都想猜出个输赢，兄弟，来做Quant吧，它能让你拥有上帝感觉进而预测资本市场的走向，输赢仿佛就在自己掌控之中。”

劝退原因：“做Quant太TM难了，想不亏，不仅要精通数学以及拥有娴熟的编程技能，英文也要熟练，得有时间和精力去看大量英文文档、书籍和论文，遇到坑，想在中文论坛和QQ群得到释疑是不要奢望的，全靠自己解决问题，没有这个兴趣就不要在quant这行业里浪费精力折腾了，和城管斗法摆地摊做烧烤都比这个靠谱！”

王老师

量化之路并不容易，需要加倍的付出，但更有更多倍的回报。量化之路甚至比创业还需要智慧和坚持。

量化技能需要三种能力：金融、计算机、数学。

量化成长需要三种意识：风控、认错、进化。

量化需要有三种精神：科研精神，还要有创业精神、企业家精神。

1、对有梦想，能坚持，不甘平庸的人，极力劝入。这种人是追求非线性指数增长

2、对追求平稳，不愿冒险，不能吃苦吃亏，不能坚持的人，极力劝退。这种人是追求线性增长

蓝海

坑太多！理想很丰满，现实很骨感！没技术背景的还是免入吧！

濮元恺 - 蝶威资产管理 - 产品总监

不了解IT端和高频部分，仅从分市场和策略开发情况很浅薄地说两句。

【股票】：大部分Quant先劝退。

退出后，安心积累财务分析方法和定价机制。了解市场发展演变历史，了解不同策略的失效原因和命门。

再劝入。

回来做高度有效的单因子，赚该赚的钱。赢得清晰归因后的收益。

有些时候，依靠技巧（或者说方法套路）可以挖掘因子，但是因子常挖常失效，不信可以多挖几个。

最后，注意因子的非线性收益特性，注意市值对于因子选股能力的巨大影响。

【期货】：大部分都应该劝入

入场后，深刻了解动量因子为什么在全品种上普世，然后随着这条路研究动量类型，动量捕捉方法。

期货多因子模型由于巨大的基本面差异无法简单直接在多品种上直接做，需要尊重差异，单独对待。

考虑到对于股票市场牛（短）熊（长）显著的对冲特性，期货做多波动率的模型更是必须配置。

【多市场和资产配置】：全面劝入

这是更高维度降低回撤，提升收益风险比，延长你职业生涯的好领域。该领域要做的终极目标是，通过配置，追踪（超越）货币增速。模型要简单。

我们常通过多市场方法达到较好的基金产品收益风险特征。而不是把一个市场的模型做到极致。任何回测都是过拟合，加上中低频的数据较为困乏，也难做到极致。

所以说，了解你所操作的底层资产的特性很重要（股票，期货，期权，债券是各有特色的）。有些一级和一级半市场的资产是非常优质的，而我们受限于合规无法触碰，那么就在二级市场去静心博弈吧。

但是记一点，不玩精致的伪科学（比如，量化拟合历史长周期资产波动规律）。

小宝爸爸 - 五角场技术学院

这个不劝。有个老总说面对机器学习，人是弱势动物。所以如果理工好，有勤奋的，可以做做Quant，毕竟按照历史数据，理性下注，赢的概率大点。每次搞点小钱，积少成多，活的可以滋润点。

不过如果像我一样，数学不好，又懒，那就不要赌了，搞不赢的。也不要学Quant，赶不及的。不如看看周边谁又聪明、又勤奋、又诚实，和他做个朋友，把钱交给朋友管，当然利益提前谈好。自己安心玩耍就好。如果没有这样的朋友，吃掉也不错的，毕竟以后钱不值钱，都吃不到了。

笑健

劝早日入坑，早入早解脱。Quant让数据说话，让计算机来执行，纪律严明，合情合规，不受外界情感影响。一旦交给量化，腿不酸了腰不疼了，觉也好了，吃嘛嘛香！

Jeff Wang - Jefferies LLC

劝入：工资高，作出策略很有成就感，研究性工作

劝退：过拟合，未知风险，做出的alpha很可能只是beta，新策略会越来越与老策略高度相关，最终导致放弃…

罗老师

“应不应当让大家来做一名宽客”你一定很奇怪，一个推广量化的人，竟然问出了这样一个问题，难道说量化有深坑？

要想回答这个问题，得让时光倒流，回到80年前的1938年，看一看当时的大牛达尔文遇到同样的问题是如何解决的。

这一年夏天，达尔文遇见了表姐艾玛‧威斯伍德，她十分符合达尔文心目中理想妻子的条件。不过达尔文并没有因为一时的感性而仓促下决定，科学家的理性让他回家对结婚与否做了一番分析，并写下了17页的手稿。

在蓝色羊皮纸上分两栏写着“结婚”和“不结婚”，分析优缺点：

1、结婚：有小孩（如果上帝允许的话）；终生伴侣（再怎么样都比养只狗好）；有个家，和照顾家的人；迷人的音乐和女人吱吱喳喳声，这些对一个人的健康是好的；会失去大量时间。

2、不结婚：没小孩，没有第二个人生；老了没人照顾；爱到哪就到哪的自由；要为小孩花费，烦心…或许还有争吵，还在“损失时间；无法在傍晚看书；肥胖和无所事事，焦虑和责任，花在书上的钱更少，如果有很多小孩就得节省过日子；但是一个人工作过度对健康很不好。

最后的观点论述是：“应当结婚，证毕。”

我觉得达尔文的方法很好，下面我们也试一试：1、量化：有一个机器人可以24小时帮我赚钱（如果上帝给我机会）；终生伴侣（这个模型可以一生不断训练下去，比狗的寿命长）；这个模型可以传给儿子；这个机器人不容易做，得学数学和编程；量化还得租一个云服务器，要花钱；有了机器人交易，对一个人的健康有好处，不用再焦虑和熬夜。2、不量化：自己得熬夜交易，头发现在已经掉一半了；老了，也不知道自己的方法是不是可以传给儿子；在交易上可以更灵活，或许会赚得更多，体现出人定胜天的勇气和智慧；无法看更多的书提升自己，只能交易、交易、再交易。最后的观点论述是：“应当量化，证毕。”

达尔文结婚，想要的是一个生活伴侣，能帮助他照看家庭、一起聊天、哺育孩子和分享音乐。你走向量化，想要的是一个事业助手，能帮助你更好记忆、更深思考、理性分析和快速决策。因此，在量化的世界里，真相却没有那么简单。如果你找到了1000万资金，用量化模型大概一年下来平均也就10-20%左右的收益（100-200万），那么你和客户二八分帐的话（基金产品的标准），你也就能分到20-40万，通常来讲，量化团队都要有3、4个人，再去掉房租水电的成本，一个人一个月也就赚5000块钱，这个行业的真实情况是“操着卖白粉的心，赚着卖白菜的钱”。我不是在讲故事，我讲的是一个真实的量化团队，最终这些小伙子还是有办法，他们在量化之余开起了烧烤店，几个程序员穿串的穿串，烧烤的烧烤，上菜的上菜。量化交易因为理性，无法赚到大钱，只能保证稳定地赚些小钱，而很多人做交易，其实是来赌一把的。

2016年，和我们一起在北京上量化特训营的成员，有的成为了国内知名的量化讲师，有的成为了美国人工智能量化交易的合作伙伴，有的成为了很稳定的量化交易者。当然，大部分人没有坚持下去。我身边还有些朋友（交易员转量化），做了一段时间就放弃了，重新开始手工，因为他们觉得量化限制了他们的勇气，还觉得编程太难了；还有一些是程序员（程序员转量化），在量化的路上走了一年多，又重新回到了自己原来的行业中。曾经有一个小兄弟悲情地把所有关于量化的书都邮给了我，说“罗老师，我实在是坚持不下去了，这些书留给您吧，看一看有合适的朋友您送给他”。

我不知道这条路是否真的值得所有的人来参与。但我觉得褚时健说得对：“入一行，先别惦记着能赚钱，先学着让自己值钱。没有哪个行业的钱是好赚的。赚不到钱，赚知识;赚不到知识，赚经历;赚不到经历，赚阅历;以上都赚到了就不可能赚不到钱。”曾经有人问褚时健，你希望留给自己的墓志铭是什么？属兔的老褚缓慢而坚定地回答了五个字：褚时健，属牛。也有人问我为什么在这条路上坚持，

我说，我是真的属牛。

量化小兵 - 投资经理 - 中融汇信投资有限公司

Quant这个行业人人都可以进来，但不是每个人都能做的好。只有那些对交易怀有极度兴趣的人方能在这个行业内持续发展进步。本人自己13年开始自己在开始瞎捉摸程序化交易，至今也快6年时间啦，毕业后一直从事量化交易和研究的工作，到现在工作3年多，整体来看这几年quant行业发展很快，很多人都想来尝试这份职业，但是每个人需要结合自己的实际情况来决定。

首先，这个行业和其他行业不同，不是说你努力工作十年就一定有所成就，就比刚入行的人强不少，在这里，行业经验和想要的职业地位收入高低不成正比，相反很多行业的人只要混的时间长了。薪资，地位，经验都是不断增长的。

其次，量化研究和交易有所不同。通常做量化研究需要的知识背景和基础知识都比较丰富，交易就不一定，理论很复杂但是落地交易可能很简单。这就使得这个行业的两极分化严重，喜欢搞研究的这些人普遍高学历，很高的学术背景。一般基础知识较弱的人都偏交易，但两者没有太大的区别。都有可能做的很好的业绩。

最后，兴趣是最好的老师，只要对量化交易或者量化研究真正感兴趣都可以考虑来试试quant这个职位。因为有些人不一定是对交易感兴趣，只是对赚钱感兴趣，这种人我觉得还是不要来了，因为有无数种赚钱的方法，不一定只通过交易来赚钱，开公司创业做生意都可以赚钱的。

武航涛

劝入quant，金工出身做过期货的高频、cta、套利，现在在做行业研究员。我的观点是当有了交易策略或者思路的时候需要去量化标准化，虽然在量化过程中存在过拟合、幸存者偏差、未来函数等等的干扰因素，使得结果总是和事情的本身存在偏差，但我的观点是量化是一个思想，是一个方式，当我们主观上做不到面面俱到并细致到某个参数某个阀值的时候，专业的投资人需要尽可能的使用量化工具标准化自己的投资过程。说到这里我想说明量化背后的投资逻辑、投资策略重要于量化这个过程本身。如果就量化而量化往往误入歧途事倍功半。

暴走的YEY

劝退！

国内人均管理资产太小了，大部分私募团队人均才管理1千万左右，根本养不活一个团队！团队运营都覆盖不了成本支出的话，老板又怎么会守信给你发提成。所以导致大部分quant的收入都不高，比互联网IT的差远了！就quant的人均收入来看，是对不起众多quant们的水平去做其它行业的收入的！

Steven

劝入，做得好自己赚钱，做不好搞培训，稳的。

贾茹

前Quant，职业生涯一年半，其中实盘经历半年。裸辞转行互联网，空窗5个月后拿到大厂offer。本答案立场偏劝退。但我认为揭示事实比劝退/劝入更重要。

事实一：量化行业没有所谓的"职业发展路径"，只有赚钱和不赚钱两种状态。不赚钱的研究员只能拿着微薄的薪水飘在一线城市，没有年终奖、没有加薪，30岁后被裁掉。

事实二：运气比努力重要。赚不赚钱跟个人奋斗关系不大，而跟研究方向、带你的人的靠谱程度关系非常大。不靠谱的tutor对新人职业生涯的影响是毁灭性的。更普遍的情况是没人来指导你，一切都靠自己。

事实三：机构个个都是保密单位。想学东西是不可能的，只能靠自己悟+偷师+寻找各种蛛丝马迹破案。

这是一场大逃杀游戏，winner takes all。

我希望每一个即将进入这个行业的人，都是真心喜爱并适合它的，不要被所谓的年薪百万买房买车忽悠进来，空耗了几年青春之后带着怨恨被迫转行，再跑来劝退下一届同学。

另外有个不成熟的建议：有条件的机构或大佬，可以对量化从业人员的情况进行问卷调查，描绘收入分布(conditional on 工作年限、学历等)情况，并算一下类似 3年转行率、5年转行率、年薪百万率 等指标，让新人对行业的残酷性有充分的认识。

JJFJJ

不要怂就是干！

llanglli

坦率说，个人觉得这个问题没有标准答案，对于不同的人，最优选择不尽相同。

我自己的经历偏向量化策略研究/交易及因子投资研究，所以我主要谈 p-quant 吧。以我粗浅的理解，quant 适合有强烈的学习欲望，对研究充满兴趣和激情，对挖掘现象背后的规律极其感兴趣，放得下面子，懂得变通、关注实践、积极乐观的人。

首先，这一行本质上是做研究。做研究嘛，我个人始终认为，最重要的是你的兴趣。做研究其实很累的，身体累，心可能更累。而有了兴趣的指引，什么苦都不会怕，反而会专注于过程，并在挖掘出新鲜玩意的时候达到高潮。

其次，也正因为这一行是做研究，而且研究的是资产价格及背后的人类行为，所以，纯粹数据驱动的方法，可能能在短期挖掘出很多新策略，但策略随时可能失效，而你却不自知的恐惧会如影随形。当然，随着近年算力和机器学习、深度学习算法的逐渐成熟，这一点可能在改善，但我个人认为不会有根本性的改变。所以，挖掘数据中的规律的同时，更要去琢磨背后的经济/行为规律，只有这样，才能对策略又足够的信心，也才能在可能失效时及时调整。而要做到这一点，其实很需要广泛的阅读和学习，从历史中，从心理学甚至神经科学中。这不，近几年不仅是行为金融，甚至投资生理学都日益盛行了。

然后嘛，研究本身的目标肯定是逐渐挖掘真相，同时，quant 的工作是服务于投资的，所以，要落脚到实践，懂得灵活变通应用。这个研究和实践检验的过程中，打脸是常事。因此，一定要放得下面子，在证据表明自己的逻辑很可能出错或失效的时候，勇于承认，并及时作出修正调整。

最后，积极乐观的心态很重要。这一点可能有点空。但试想，quant 的研究目的，最终不就是要挖掘超越市场基准的策略/因子，或通过配置来获取超额收益吗？如果没有积极乐观的心态，很难有坚信自己有能力超越市场的信心。此外，研究其中是一件很苦的事情，大量的阅读、测试，很多时候迎来的还是失望，只有保持乐观的心态，乐在其中，才能持续走下去。

俞小琳

1.兴趣与使命感

量化交易这个岗位太难了，要求太高，压力太大，一般人很难坚持下去，圈内朋友经常说，做二级市场的人是最苦逼的。我相信愿意把青春的赌注压在这上面的，都是对于量化交易有着无法抑制的兴趣和冲动，不试一试一辈子都不得安宁的一类人。没错，要想在量化交易领域坚持下去并脱颖而出，兴趣和使命感是必不可少的。兴趣是最好的导师，有了兴趣才会去钻研，才会不断学习进步，才会拥有一种不断追求完美的精神，用一种工匠精神，用一生的时间和精力去做到最好。

2.知识技术

数学、概率统计、数据结构、算法设计、经济、金融、证券、衍生品相关、投资与分析、主流策略开发语言等，都需要了解，而且要融会贯通。

关于做量化交易用什么语言更好，其实还是看自己的习惯和要达到的目标，如果是大型金融机构做量化分析系统或量化交易系统，可以用python，R，C++等都可以，各有优劣，看对于速度要求如何了。如果是个人或者中小机构，对于速度要求不高，策略也相对简单，可支出成本有限，而且缺乏的技术支持，用一些成熟的第三方平台，如文华、TB、金字塔、MC等也可以。

quant5

我是劝退的，但是鼓励有成绩之后进入这一行。quant的多数时间都是在探索，可能是有意义的可能是无意义的，类似研究工作。但是和研究工作不同的是，研究工作你可以有中间产出，可以几年十几年混饭吃或者吃老本，但是quant的要求是有深度或者能实战的研究成果，却没有足够的生产时间。所以，在没入行之前，扎扎实实做技术，quant应该是最后一击。在入行的好处就是在压力下，每天都要学习不同的东西，计算机、数学、金融，进步飞速。坏处就是深度不够，而且前期看着同龄人的生活走向稳定，确实很痛苦。

亚东 - 量化策略分析师 - 富途

其实很多工作都会遇到迷茫期的，就看你的初心是什么。如果你是想暴富，还是早点退出。如果你想不劳而获，Quant也不适合。但是如果你想扎实工作，探索金融市场，知行合一，并能在这个过程中实现自己的价值，那么你好好去做就可以了。我相信上天是一定不会辜负任何一个这样的人的。

匿名用户

因为喜欢去读了Quant，然而发现不能把兴趣当爱好而选择放弃了Quant。

匿名用户

劝退

1、性价比低，不如当码农

2、量化基金的规模太小，管理费很少

3、私募基金投资二级市场不能上市，股权没法变现

pdaliu1122

国内的quant并不是个好的职业选择，它的成长空间有限，付出和回报也并不一定成正比，而且不知道为什么它对学历背景那么迷恋，要求985硕士的比比皆是，而有这个条件的人付出和quant同样的努力取得的成就我相信会比做quant更高，重要的一点是，那种付出得到的回报是看得见的，心里安稳。

-

数学金融是现今为止通向市场有效最有效的方法，所以今后无论二级市场怎么变化，quant总是走在最前面。

俊盛

劝入quant：能每天都做着自己所热爱的事情，每天都有新的研究成果，稳定的业绩，一段时间后回过头看自己又有进步了，是一件很值得开心的事情。

劝退quant：这是一个看不出身的地方，有能者居之（运气也很重要），想明白一点，为什么自己能超越市场平均水平，如果想不到任何理由，就不要入坑了。

rootw

quant也是一种职业，没有劝入或者劝退。只有做的好与不好，这行的门槛很高。光看别人吃肉就眼馋的想法确实要劝退，不现实。真心对数据敏感，乐于投资理念的人可以深入。

声生

被劝退，今年研一，面临找工作，本硕对外经贸，入门quant一年多，真的喜欢quant（本科做过其他方面的实习对比来看）。上一段实习在某头部公募基金量化岗，last day的时候同事劝我别执著于quant，说得很直接，背景不够(学校，专业)，找工作时很难进大平台（第一关就卡死），小平台各方面资源支持不够也很难做出业绩（跟他工作上没有接触，不考虑需要接触才能了解到的能力）。最近找暑期实习，大券商研究所的金工组、基金量化岗简历都很难过，展示能力的机会都没有，入行太难，对女生更不友好，可还是想拼一把。

小胖纸爱吃肉

因为穷！

匿名人士

这是一个高开低走的行业，一开始觉得很牛掰，结果往往是越努力越亏损。如果没有长期毅力或好的团队，建议不要轻易介入。

Lyon

首先说一下个人情况，金融数学专业，热爱算法和建模，参加过不少天池和kaggle的比赛。喜欢自己一个人研究，不太喜欢交际，不适合去券商工作，投公募基金的实习也竞争不过各路牛人，只能选择量化或者互联网，但自问996福报承受不起，最终选择量化。

严格来说，我还不算真正进入量化行业，目前有一份量化实习，但是没碰过实盘，整个流程只接触过策略研发和模拟交易。同时自己写了一些因子，拿这个当敲门砖，拿了两份私募的兼职，给私募写因子写策略。作为新手，我就说一些自己的看法吧。

在国内，量化并不是一个很好的选择，圈子窄，鱼龙混杂，生存环境恶劣。去实习，很可能干很久也接触不到完整的流程，出了成果还得小心被白拿。有些无良公司，面试套方案，压榨新人，高薪招老手拿到策略就踢人。国内的量化平台，问题也很多，曾在优矿写了一批因子，全都是回测7年30倍以上收益，线下复现一个月没做出来。另外，论坛、量化平台上分享的量化分析方法，很多都是把人往弯路上引的，很多分析方法并不适合国内的市场。做量化很难找到能交流想法的人，真正懂的人藏着掖着，不懂的人自以为很懂，完全靠自己摸索，目前这种环境，很难有发展。

找工作方面，所谓的国内量化巨头，水平也就那样，待遇一般，招人的门槛却很高，基本上都是清北本硕起步，甚至只招收专业top20%，但是符合这些条件完全可以找更好的工作。相对来说，摩根、高盛、UBS的面试机会更容易拿，Worldquant、Citadel等对冲基金的面试机会也容易拿（这些我都面了个遍，拿到了其中一个公司的实习，而国内的公司，投简历石沉大海）。

个人觉得，量化适合那些进了金融这个坑，会编程、懂算法、数学基础好、掌握基础的金融知识，但是不愿意去券商熬夜加班，也不想去互联网享受996大礼包的人。虽然都说量化在国内刚起步，前景广阔，但是目前国内市场，做量化的空间并不大，好机会并不多。

？？？

劝退吧。

1、竞争非常激烈。身边的同事基本来自清北复交硕博，招人要求也差不多。拒了无数国外名校，而他们转头往往能在别的领域找到还不赖的工作。

2、人才浪费。学金融的哭着说一毕业才发现学数学的学物理的学计算机的全都来抢饭碗。一个国家的顶端人才全流入虚幻领域吹泡泡玩资本，实体经济无人问津，想想也是可怕的。

3、没有想象中富得流油。北大博士base不过15k，小私募的策略提成基本是画饼，年终1-3个月看心情给，看你熬不住了继续画饼。暴涨的年份你的提成可能换成了老板的跑车。

4、越来越难做。想赚点alpha越来越难，去年的T0高频到现在的主动量化因子择时，以前为啥不碰beta，因为简单弄个五因子就能赚钱了。

5、越来越挤。模型踩踏完后alpha已经踩没了。发现点什么你都不知道是谁给传出去的，失效周期越来越短。出于私心希望你们别进来了，已经很挤了。

6、有害身心健康。资本的诱惑令人鬼迷心窍。见识过了睁着眼说瞎话，兄弟分家，老同学带着策略跑路，路演前的光鲜亮丽和背后内心的构想缜密到你不寒而栗。能保持一片净土专注于做研究不易。如果你还是，愿君珍惜。

Alexander Tsao

AI发展迅速，量化投资优点明显，效率速度人为比不了不说，个人操作收到明显的偏好效应，不过我认为人为的操作也是必不可少的，毕竟资金的博弈本身取决于市场情绪和投资者心理。所以劝入quant，人机结合，事半功倍(爆发式增长)

雨阳

劝退。入行前先评估自身优势和条件，Quant和其他行业一样，可能更残酷。其他行业努力能成功，Quant努力了也不一定成功。

康仔

现今社会发展趋势，太现实了，早点来，学好了继续干。待不下去，还能更好转型。

yu

应该劝入quant。quant本来就是今天的现在和未来，也不知道为啥国内人还不明白。也许只有当经历了类似华为和中兴的事情才会意识到这一点吧。简答来说，金融的核心是资产定价，定价是有公式的，掌握定价权的关键是掌握创造定价公式的能力，这需要数学，数学不好，啥也别谈。现代金融，资产定价的公式都是数学化和代码化的，这是quant的基本能力。如果一个民族没有大量理解和熟练掌握定价公式的金融从业人员，整个金融行业水平永远提高不了，永远只能在低水平徘徊。资产定价都已数学化和代码化，不认真理解每个定价公式，就不可能了解模型风险，估值、对冲、套利更无从谈起。保家卫国，包围国家金融安全，从当一个quant开始。

阿飞的小蝴蝶

待遇差：待遇比大数据差远了，要求懂金融，懂算法，懂优化，有证书，一个月才一万块，老板年终给几万意思一下，完全不够活；氛围差：写的代码都要给老板，老板处处设置隔离，防止你偷学。

人猎鸟鸵

劝入。简单粗暴的理解，比纯互联网程序员996要舒服太多。

我一个985工科研究生，之前学了一段时间的计算机视觉，看到师兄找个合适的实习那么难，又惊闻互联网996的疯狂，我就在想上学这么多年就为了将来像狗一样为资本家打工吗？还面临中年失业的风险。和计算机视觉相比我果断选择量化投资哈哈。

Shine Rain

劝入。

交易市场是一个极端复杂和专业的市场，难度超过律师、医生、编程，应该被清楚研究后再进入市场，而不是拿着真金白银到市场中去交学费。职业交易员往往需要十年的时间来学习和训练交易，只为在市场中能够稳定盈利。10年时间要交大量的学费，不会游泳的人应该在浅水处学会游泳而不是直接跳到海洋里！

搞清楚自己的性格，与自己性格相匹配的交易系统，交易系统的优点、缺点、盈利能力最大回撤，然后再到市场中实践。

孙子兵法说：胜者先胜而后求战，败者先战而后求胜。不知己不知彼就开始在市场中交易，就是先战而后求胜的例子。

虽然量化交易模拟回测不能够代替真实交易，过往数据不能够预测未来，但是对于少交学费和了解自己、了解市场，绝对是大有裨益的。

引力子

劝入理由：投资只有引入量化的分析方法，才能在未来有可能发展成科学的研究方法，否则只能是各说各词，鸡同鸭讲。

leright

劝入理由:

1.券商交易佣金下滑，经纪业务线压力倍增，有效提高交易量及当地市场份额占比排名就需要更科学的投资方式及更高的周转率

2.量化投资相比主动管理会更有纪律性，不会被人性及潜在人格所左右

Sam

考验智商，考验人性，非诚勿入坑！

一心想错

能盈利就加杠杆自己单干加毛团队，不能盈利当毛quant！

WuJN

如果有能力用机器学习与大数据的方法在金融市场赚钱，同时还有进入科技公司（比如HATJ）的机会。不如选择去科技公司做研发，做产品，创造价值，而不是去用数学割韭菜（换种说法是提高市场有效性，优化社会资源配置效率，同时教育市场上的投资者）。同时，随着市场有效性的变化，未来越来越多的策略可能都会失效，我觉得这也量化策略的风险所在。

bzyde

我也扯两句，我对从事quant，是看多的。

quant和非quant的区别，我认为是在不断发现市场规则这条路上的选择不同。非quant是靠人主观判断去发现，而quant是靠算力或机器自学的规则去发现。虽然机器的认知初始很简单，但是可以用效率弥补智力，就像奇异博士便利了1400万种结局后，可以找到最优解。

Krystal

劝退：高频靠硬件，低频靠市场不够有效的假设，机器学习大黑箱说不准啥时候失效，假设竞争者变多市场变得更成熟，赚钱似乎是注定越来越难的。在只有极少数特别优秀的人才能赚大钱的市场里，需要对自己的智商和能力有充分的认识和信心...