以前，有可能在统计，计算机科学等非金融学科的硕士，博士获得定量方向的职位。
那么MFE或 MFE类型计划现在是这些职位的障碍吗？如果有两名候选人，一名非财务科目的 MS和另一名具有 MFE和所有其他证书的 MS，他们是否会有明显的优势？
- MD 1 ：完全没有。 MFE 的统计数据往往较少，编程方面也很强。
- MD 2 ：在考虑具有分析背景的候选人时，我通常没有任何偏见，无论他们是非金融学位还是纯 MFE 学位。大多都通常寻找的是能够 “ 开箱即用 ” 或能够承受交易环境压力的能力。我也在寻找有可能在市场上成为优秀 “ 风险管理者 ” 的候选人。
- 合作伙伴 ：实际上，取决于面试。我不能做出决定只取决于程度而不是技能。我们需要一个人能够做到这一点并获得利润。但是如果你比较 MS 或 MFE ，我可能会选择 MFE ，但是如果你选择麻省理工学院的 MS 或大学的 MFE 而我从未听说过，我可能会考虑 MS 而不是 MFE 。但是，最终决定取决于面试结果和技能，而不是计划。
- CEO ：寻找一个高 GPA 。它说候选人要认真对待学校，然后会寻找一些关于简历上比较特别的东西，比如数学奥运会的第一名等。像主席这样的社交活动对我来说并不那么有趣。
哪些数学对定量方向至关重要？
- MD 1 ：微积分，线性代数
- MD 2 ：随机微积分的坚实基础是必须的。此外，在 “ 信息理论 ” ， “ 博弈论 ” ，模式识别或信号处理等领域拥有背景也是巨大的优势。
- 合作伙伴 ：对于交易，基本数学应该是肯定的。通常更喜欢他们对债券数学和基础金融数学有很强的把握，但大多数只是了解市场。
- CEO ：最低要求，统计，概率，计量经济学，时间序列，微积分等。只是基本的核心内容。
哪些技术技能对量化职位至关重要？
- MD 1 ： SQL ，推理，电子表格专业知识， EDA ，常识
- MD 2 ：了解如何高效准确地编制复杂的定量模型。有时会遇到分析性很强但很少有编程技能的量子，这意味着需要雇一个额外的人来成为程序员。强烈建议在工具包中使用几种现代编程语言。
- 合作伙伴 ： C ++ VBA ，建模技巧。
- CEO ： R ， Matlab ， C 或 C ++ 的良好编程技巧。
在采访量化职位的候选人时，前五大证书是什么？编程？强数学？良好的沟通？品牌大学？等等。
- MD 1 ：沟通可能是最重要的。有人无法清楚地表达自己。将它们放在你的员工身上就像拥有一百万马力的发动机，没有传动装置来驾驭它的动力。品牌学校帮助。这意味着这个人聪明的概率更高。没有编程。如果想要一个程序员，会雇用一个。我们可以用他们需要的所有编程技能培养好人。除了模型评估或模型开发之外，我不需要数学博士学位。
- MD 2 ：
- 强大的沟通技巧
- 强大的数学
- 强大的编程技巧
- 能够思考盒子式的心态。
- 良好的人际交往能力。他们并没有真正关注他们去过的学校的品牌名称。
- 合作伙伴 ：良好的沟通，激情，知识和技能（不仅包括编程或数学，还包括其他领域），想象力（考虑使用不同的方法来找到解决方案），最重要的是他真的喜欢数学，编程和这份工作。
- CEO ：
- 高 GPA ，告诉我他们认真对待他们的学业，
- “The Fit” ，候选人是否会与小组中的其他人一致，或者他 / 她是否太难融入公司生活，
- 过去的成就和任何主动的，
- 慈善工作或指导表明成熟和无私
- 大学是最后一件事，虽然我注意到我有点偏爱我去过的地方。（但这并不重要，只要满足（ 1 ）。）
