量化投资是目前国内最受关注的交易方式之一，由于投资业绩稳定，市场规模和份额不断扩大而日益受到重视和追捧，其中量化投资的核心在于交易策略。
首先是对这个行业的兴趣，很多人可能一开始觉得quant很酷炫就开始往这边挪，但是对行业不了解，对需要克服的困难没有清晰的认识，最终打了退堂鼓，所以一个持久的兴趣很重要。
然后说一些会学到用到的东西：编程、数学/统计、金融，金融工程其实就是这三者的交叉学科。
编程是重中之重，没有谁能不编程就说自己是quant的，只不过需要负责的编程任务不同罢了。
对于quant来说，你可能需要学会很多种不同的语言，你需要会C++，并不是说你一定会用到它，而是你对C++的知识让潜在雇主知道你能很快学会其他的语言。你需要会Matlab/R,这样你可以做research, 跑simulation,然后制定策略等等，你还要回SQL,因为金融是一个高频大数据的行业。其它根据不同岗位还会有不同需求。
到底是用数学还是统计，往往取决于你是个Q quant还是P quant，但是金融时间序列和布朗运动为主的difussion process是每个人都必须要会的，之后根据职业特点和个人兴趣会有不同。Q quant会进一步学到各种change of measure, change of numéraire, jump/levy process等等。而P quant则会进一步学习各种数据挖掘算法，滤波方法，贝叶斯统计等等。
最后是金融，这个每个人的看法不一样，有的人说他完全不关心市场是什么样的，他只关心Data，我不太赞成这种看法。很多经典的模型被人诟病，批评别人的Model是很容易的，但是一个Model永远只是现实的一种逼近，关键是这个模型能不能给你基本的直觉指引。很多人说CAPM没用，但是CAPM起码告诉了一个很简单的道理，你不可能在降低风险的同时提高收益，起码从期望上不能做到这个的，很多人做了半天model，最后把这个忽略了。你可能觉得APT很可笑，但是很多fund其实每天就干这个，找factor，然后hedge到各种risk。你可能觉得市场微观结构没意思，但是如果你要开发做市策略的时候这就是重中之重。你可能觉得utility function没意思，但是他能帮助你理解人性。
关于金融工程，这取决于你怎么看待quant这份工作，你觉得你是在做模型，只不过有人做流体你做金融，那你就会觉得金融理论很没意思，但我会觉得金融学的知识是最重要的，也是最有意思的。
如果把市场比作一个水面，在正常的时候，有很多涟漪，你说你能发现其中的规律，然后你模拟了这个波动，你赚到了钱。但是如果你从来不去思考这个涟漪为什么会出现，那你就不会知道有一个巨浪要来了。也许你10年都在赚钱，但是一天亏到底。
对风险的敬畏是每一个金融业者应有的素养，quant也不能忽略，甚至要多面临两层风险:模型风险和统计估算风险。
知道model什么时候fail比知道model好在哪里要重要的多。
At the end of the day, it's the thing that you don't know you don't know that makes you lose all you pennies.
来源：量投网
