我自己就是跨了好幾個專業過來做的量化，不過呢，量化這一行業細分程度令人發指。比如有做買方量化的，也就是圈內他們細分出的P-Quant,他們在一般是在二級市場中，研發量化模型，或算法，并從二級市場中的交易行為中獲利。往下了去細分，可能還要區別市場屬性，比如是做內盤還是外盤的，是做衍生品市場還是現貨市場的。

而做賣方量化的Q-Quant，其實在國外量化傳入國內的早些年，這部分在國外才是大頭。也就是投行中做各種衍生品定價的那撥人。那些個時候，你要是跟朋友講你是在華爾街研究什么數理模型做衍生品定價的，那一定是風光無限的存在。好像記得當年有一部《大空頭》的電影，講的就是金融風暴前夕,正是主角他做的量化模型發現了“債務擔保證券"存在著巨大的違約風險，通過數據分析發現美國CDS(一種信用衍生工具)做空機會,大賺一筆的故事。
依靠數據,發掘數據背后的規律，利用這些規律來指導自己進行投資，戰勝市場，再不濟，也能戰勝市場上那些七七八八的野生對手。
量化的好處總是讓人在市場狂熱的時候保持客觀,眾人皆醉我獨醒，某時某地，確實利用量化來指導投資能有定海神針的作用，所以量化看似很美好，也很會時而讓人著迷。
因此，對于量化從業，不少其它行業人趨之若鶩。做為一名量化業內的“前輩”，我把自己認為從事量化一類的工作之前，需要再三思考清楚的一些準備做了如下羅列：
一、明確自己的量化細分從業方向。
上面也說了，量化行業其實細分很廣，很深入。不同的崗位，不同的所屬機構的利潤來源，都引起了自己所從事研究量化領域的不同，比如就拿P-Quant來說，可能僅僅因為大BOSS的喜惡不同，又或者財務資金允許的投資標的情況不同。造成交易買賣的市場都不同，有些做的是美股，有些做的是期貨，有的是股票，正因如此，那么所能有效討論到的量化策略的基礎原理也就不同，比如有些可能是做高頻交易的，有些是做中低頻CTA的。還有些專門在股票市場挖有效因子的。
因此，在進入這一行之前，可能最先要明確的就是自己喜愛的細分量化行業是什么，是期貨？是數字貨幣？模型的初始資金承接大小是多少，策略的交易風格如何等等。
二、補足自己的短板，
一些朋友認為，自己程序工科背景出身，名校光環加持，轉行量化自然是水到渠成的事，完全忽視了金融市場的混沌，難以預測的基本狀態。要理解金融市場的混沌，通俗一點來講，在這個市場吃什么完全靠天，非人力所為，
金融市場還存在博弈行為，切不可放松警惕，
因此，在新的量化行業領域里面，金融學知識，人性的研究，這些才是最本質。而數據本身只是表象，非事物本質。當不了解金融學知識，不掌握人性初始，一切的的量化研究都是浮于表面的，很難建立起相對牢固的“盈利”模型，而想做到“恒久盈利”更像是癡人說夢。
學科知識與技術上的短板往往可以通過大量的閱讀，或者練習達到補全，
我認為最難的短板，在于對的人性“貪嗔癡”的洞見上，這個可能需要用盡所有的知識，還有時間。

三、明白這是一門數據科學為基礎的行業
量化金融領域，數據是土壤，你的初始研究土壤有可能會貧瘠，有可能會沃土千里。在這些情況大不同的土壤野，開出什么樣的花，結果出什么樣的果實，更是一門深入的學問，貧瘠的土壤就很難開出妖艷的花？我看未必的，不要忘記了農夫的重要性。
而你就像是一名初學種田的“農夫”，有前人“農經”的指導，也有鄰居的模范樣本試驗田，做為參考，因此農夫本身鍥而不舍的，好學的精神品質又變得可貴。
好在土地就在那里，種什么瓜得什么豆，可以通過一番一番辛勤的耕耘實驗獲得，你想了解到的寶貴數據。這些的寶貴數據財富，別人給的你根據不會重視，只有通過品嘗了自己一鋤頭一鋤頭種結下的果實之后，你的信心才能有所建立。
量化工程之數據就像是農夫的土壤，等待著你的播種，施肥，與細心照看，
但也請不要忘記掉農夫的重要性。
四、要做好鏡花水月一場空的心理準備
我自己就是一場空的典型代表，這個行業不太像傳統技術技藝積累型的厚積薄發型的行業，比如互聯網行業，媒體行業，醫療行業，比如手藝人行業。這些行業，只要你每天做一點，時間久了，好壞是能看到你自己的的經營是有所收獲的，網站會越開發越漂亮，功能越來越實用，醫生的醫術也會越來越高，治病能力也會越來越強。
但量化金融行業，尤其是P-Quant領域，不是你越努力，越勤奮，就會給你明確的回報，往往我們是不能看到辛苦勞作有所得，物質勞慰層面更是看天吃飯。
這一行“做不出成績，孤獨”是常態，年青人掏空自己的身體去肝，以為勝利女神就在前方，以為交易圣杯就在眼前，
但往往就是鏡花水月。
好不容易，做出一丁點成績，模型失效又是必經之痛，這個時期舍棄？當然不可能，已然經歷了那么多艱難險，才到達此地，像極了推石頭的西西弗斯。
一場取經的艱難旅程，有的人如坐針氈，動不動就掉分行李散伙；有的人卻堅定不移的斬妖除魔，我認為加入這一行業，唯有來自身體內部源源不斷的興趣動力才是關鍵。
唯有熱愛方能不負初衷。