今年秋招过程中，很多同学对量化交易行业表示了向往，一些疑问也随之而来，从事量化交易行业究竟需要哪些技能？只有博士才能进入量化交易行业吗？宽德是否有针对量化交易的实习生项目？要求有哪些？…….
宽德精选了以下代表性的问题，希望帮助到有志从事量化交易的同学们，为同学们的学业、实习乃至整个职业规划提供一些参考。
Q:量化交易需要的技能点，具体分别是数学、计算机、金融中的哪些能力？A：量化交易是在理论指导下，由大量工程实践所驱动。量化交易就像在市场的演武场上，同时比拼“文”和“武”。
“文”指数学，但不局限于应用数学与金融数学，也包含统计、运筹优化、深度学习、强化学习的理论部分，它们为研究量化交易提供了理论框架和指导。
“武”的部分，则以计算机为中心，不局限于简单编程，而包括硬件设计、高性能计算、大数据科学、工具链设计等工程技术，把上述提到”文“的理论落实到具体实践中。计算机是量化交易的载体，卓越的工程能力帮助量化交易拥有更高的计算效率与精准度、更便捷的工具；缺乏计算机的帮助，量化交易就会十分低效。
刚开始接触量化交易实践领域，并不需要太多的金融知识，而且学校中获得的金融知识与量化交易实际需要的，既有互通之处，又有一定区别：量化交易更关注金融机制、交易规则与实现细节，偏向于金融实务；金融专业中的知识理论成分更重，偏向于金融产品的理论、设计与性质。想要真正从事量化交易的金融专业毕业生，不仅需要补充上述提到的数学、计算机理论与工程能力，也需要补充相当量的金融实务知识。
Q:量化交易更看重数学能力还是计算机工程能力？A：如果将量化交易策略看作一条光谱，光谱上的两端分别对应了不同技术策略。
光谱的一端偏向极致的速度，即更快接受数据，更早发出交易指令，强调以速度优势获得交易结果优势，典型是极致的高频套利交易，充分利用高性能软／硬件设计技术。在这一端，计算机理论与工程能力的要求更高。
光谱的另一端，则追求极致的准确度及复杂度，希望模型比其他竞争者更精准。这一端的时间敏感度低，能容忍庞大的计算量及相对较长的时间消耗。其典型应用为统计套利。在这一端，数学能力的要求更高。
所以，并不能绝对地说数学与计算机工程能力孰轻孰重。整个量化交易光谱上的各个点，都是不同速度与复杂度的组合与权衡，在各个点上相比于竞争对手的优势，都可以成为一种成功的量化交易策略。
不过，数学能力与计算机理论与工程能力的获得路径有所区别。数学能力的获得需要扎实的学术基础，在实践中进阶，加深对理论的理解；而计算机工程能力更容易在实践中获得，在自我驱动下不断学习及提高。
Q:非科班出身的同学，应当如何提高自己的竞争力？哪些方面最重要？A：关于学术上的要求，就如前文提到的，应该从“文”和“武”两方面把握。一方面找到自己的竞争优势，让长处更长；另一方面建立广泛的兴趣，对相关学科建立基本概念，把握整个知识体系，未来方能有迹可循地进一步深入。
我们希望同学们能够更谨慎地思考与选择实习机会。实习是必要的，它可以帮助你了解行业、发现兴趣，确定自己是否真心希望从事量化交易行业。但过度实习是有害的，通常来说实习工作深度有限，不利于“硬核”知识增长，它们的获得更需要在学校与科研中积累。所以有志于从事量化交易行业的同学，特别是本科同学，建议选择少而精的实习机会，