量化投资算金融科技吗？
从定义上来讲，Quant这个词在中国并没有明确的法律定义，所以并不能直接翻译为“量化投资”。 美国CFA协会对Quant的定义是： Quantitative Finance and Risk Analysts design and execute models using mathematical， statistical， and computer modeling techniques to analyze financial problems. They apply their findings to make data-driven decisions about risks an companies' finances. 翻译成中文就是： 量化金融与风险分析人员使用数学、统计和计算机建模技术来设计并执行模型以分析财务问题。他们将他们的发现应用于数据的驱动决策的风险和企业资金的。 所以如果按这个定义来说的话，Quant其实包括很广，基本上只要用到模型进行数值计算的工作都可以归结到Quant的范畴下。 当然，很多人并不会按照这么学术的定义区分Quant，而是会根据不同的应用场景给Quant下定义。举例来讲，在衍生品风控领域里，大家经常用到的Quant工具主要是Valuation 和Pricing，于是很多人就会把做衍生品定价的Quant工具称之为Risk Quantiity。这种叫法虽然比较通俗，不过显然不够严谨。
我个人认为，从应用的视角来看，Quant可以划分成以下几个应用领域： 基于以上分类，我们就可以给Quant下一个比较严谨的定义了： Quant就是利用现代量化分析与计算技术来解决实际问题的一门学科。具体应用方面，Quant主要面向金融（含金融科技）行业，利用数学、统计学以及计算机编程的能力来解决金融行业里的各种问题。其解决的问题主要包括： 构建合适的模型结构及参数估计方法； 利用优化方法对模型进行参数的最值求解或者采样优化； 利用蒙特卡洛模拟的方式对资产价格进行估值或风险管理。 需要强调的是，Quant之所以能够应用广泛，从根本上说是因为其拥有一套完整的技术体系。这套技术体系包含了算法、算力、编程语言等多个环节，并且各个环节之间相互耦合，彼此影响。因此对于Quant人才的要求也从知识结构的角度进行了天然的划分。
以我所在的团队为例，我们一方面要有强大的编程能力，因为所有的模型都要通过编程实现，任何复杂的计算都离不开好的编程。另一方面我们还需要具备扎实的数理基础和统计能力，因为只有拥有良好的数理基础，才能构建合理的数学模型，也只有掌握丰富的统计知识，才能在千变万化的数据中挖掘有用的信息。 最后想说的是，虽然现在Quant非常火，很多人都想成为Quant，但我还是劝大家理性看待Quant。
第一，现在Quant的人才供给已经远远大于需求，很多学校的Quant课程已经泛滥，导致Quant人才的供给急剧增加；第二，并不是每个人都适合学Quant。从性格上来说，Quant要求从业者善于独立思考，并且有着极强的自学能力和执行力。同时，Quant还需要你热爱挑战新知识和解决新问题，毕竟无论是数学还是统计，Quant涉及的知识点都偏理论且抽象，没有足够的兴趣作为支撑的话，学起来会非常痛苦。