先叠个甲，仅代表个人意见，个人比较菜，眼界有限，很多专业细节无法描述清晰也无法讨论清楚，希望能得到行业内朋友们的洞察观点，欢迎讨论但不欢迎引战。 这两天参加了两场百亿以上私募的宣讲，总体的体会就是：如果你现在在问自己“适不适合量化”，那么绝大多数人其实都不适合。或者说，量化并不是一个真正适合“我们大多数人”的职业。 先说体会。两场宣讲都讲到了量化的发展史，不禁感叹很早就入行的人要么有深刻的洞见，要么有足够的运气。一个一致的感受是，早期市场极度无效时的疯狂场景已经不可能重现了。而对于未来超额收益是否还能相对容易地获取，两边的观点并不一样：一家相对乐观，另一家则比较悲观。除此之外，我也听到了一些操作细节，比如国内量化是如何在股票市场做到近似 T+0 的，也见识到了很多优秀的同辈们，能够在很短的时间内解决一些我觉得需要长时间思考的问题。 另一个两边都谈到的点是“整体策略框架”。可能出于时间限制，也可能是很多细节涉及到核心机密，他们讲得都比较宽泛。但能感受到的一点是：整个体系极度流水线化。就他们所说，业内对这套流程几乎没有太多争议或差异，真正比拼的是谁能把流水线的每一个环节都扣到极致。比如延迟能不能再低一点、数据处理能不能再快一点、大模型能不能用得更高效一点……在这个意义上，量化并不是劳动密集型产业，不需要很多人力，只需要少数人把关键点做到极致。也有一些很现实的观点：有人认为因子挖掘领域已经无法实现“阶级跃迁”，换句话说阶级固化是非常严重的，那些在行业里积累多年的研究者，天然就会优于刚入行的新手；而量化建模整体也越来越内卷，能赚钱的策略就是能赚钱，不能赚钱的就是怎么调也跑不通。 当然还有很多信息难以高效压缩，但整体听下来，我的感受是：量化这个行业可能把“能力创造价值”这件事推到了极致。从招聘者的角度，无论是对实习生还是正式员工，他们更希望你带着已经能创造价值的能力来，而不是期待你借助公司的平台实现自我提升。其他行业当然也关注“能否创造价值”，但我觉得量化这里更极端：更看重你已有的能力存量，而很少关注你的能力增量。换句话说，他们希望你在某个领域已经做得很强，然后在他们的培养下去泛化，而不是从基础开始在公司成长（但是写到这想来，这也是行业的一种客观特点吧）。 写到这里我又想到一个听过的观点：“现在的学校不负责培养学生，只负责筛选学生。”那如果学校不培养，企业也不愿培养，那么学生的能力到底应该在哪里得到提升？学生从小被教育的就是要跟着主流走，听“长辈”们（管理者们）的话，通过实习确实是最直接的方式，但在现实里，这个过程充满摩擦，有点难以分析清这一问题。