人选画像：从互联网大厂到量化QR
姓名：Wilson
学历背景：本科，南京大学，计算机专业。硕士，哥伦比亚大学，机器学习方向。
主要工作经历：国内XX互联网大厂，算法工程师。
为什么想转行？
Wilson已经在量化公司工作2年了，当初择业的时候，就在互联网和量化之间犹豫不决。 当然，最后还是选择互联网了，几年前的互联网发展势头正盛，行业体量大，影响力高，从职业发展前景的角度考虑，确实是很好的选择。
随着互联网发展增速放缓，面临裁员冲击，很多互联网人都开始重新审视自己的职业规划。Wilson想起了自己在求学期间曾经在知名的量化公司做过实习的经历，萌生了转行的念头。
Wilson在实习期间的工作内容恰好就是多因子选股策略的开发，这跟当前“因子工厂”制的量化公司非常契合，经过一些量化机构的面试，他成功收到了3家公司向他抛来的橄榄枝。
Wilson转行的优势
我们来分析一下Wilson的背景优势，给类似背景经历的人选提供些借鉴。
1、学历背景
Wilson的本科和硕士院校，都符合量化公司用人要求。除了有国内C9高校的背书，海外留学的经历也给他增色不少。 简历门槛关轻松的过了！
2 、从业经历
Wilson之前在互联网大厂做算法工程师，主要应用机器学习专业知识构建数据场景，用于召回算法系统的搭建与执行。
虽然这个量化挖因子业务不相关，但有个思维上的共通点，即从0-1的构建，到数据分析和筛选，再到模型的搭建，最后到结果检验，是一系列完整的挖掘流程。
同时，机器学习的专业技术方法在这个流程中得以应用和实践，也为他转型提供助力 。
3、其它因素
除了背景优势、工作经历优势以外，Wilson受到量化机构青睐的一大主要因素就是实习经历！
曾经有人选问，啥样的实习对找量化工作有好处？Wilson的实习就是个不错的例子，他曾在国外一家比较知名的量化私募做过美股的因子选股模型，构建过多因子策略，并实现了年化12%的收益率。
此外，他在互联网工作期间，也一直关注市场。他用曾经的量化知识尝试构建不同特征因子组合的策略模型，并进行持续和深入研究。
这些经历，让他在面试的时候，能够更加游刃有余的应对考官的问题。
一 些 启 示
如果背景和经历与Wilson相同，该如何转量化？
其实国内的量化机构层级特征已经非常明显，在用人方面也更趋向于多元化。比如：
- 20亿规模以下的中小型机构，更趋向于招募能够直接带来高收益的PM；
- 20-50亿规模左右的中型机构，在PM带队创收之外，开始招募因子挖掘人才作为公司转型的后备力量；
- 百亿规模的大型机构，在前两者的基础之上，更多的把资金投入到AI和一些必要的硬件装备上。
所以，即使你的经历不与Wilson相同，只要技术匹配，都可以找到自己合适的位置。
当然，每个人转型的路线会千差万别，想了解更多可以联系我们！