两个岗位每天都在干什么
量化交易员
早上八点，你到工位第一件事不是看新闻，而是检查隔夜策略的运行日志。服务器有没有报错，滑点是不是异常，某个期货品种的成交量突然放大导致信号失效。你写了一段Python脚本回测过去五年的螺纹钢主力合约，想验证一个均值回归的因子是不是还能用。下午收盘后，你开始调整参数，或者跟IT同事沟通把延迟再降低几微秒。你的KPI是夏普比率、最大回撤和年化收益。你面对的是数字、代码和概率，不需要跟上市公司高管吃饭，也不需要写几千字的报告。
行业研究员
早上八点半，你参加晨会，分享对新能源车产业链的最新跟踪。昨天你刚调研完一家电池结构件公司，跟董秘聊了四十分钟，发现它的产能利用率比市场预期高五个百分点。你打开Excel，把这家公司未来三年的出货量、单价、毛利率假设重新填一遍，然后跑DCF模型。下午你写深度报告，用通俗的语言告诉基金经理：为什么这家公司值得买，或者为什么应该卖掉。你的KPI是推荐股票的相对收益、报告质量、以及基金经理对你的信任度。你面对的是上市公司、行业专家、竞争格局和商业模式。
技能树完全不同
量化交易需要的硬功夫
数学底子要扎实。概率论、统计学、线性代数、微积分，这些不是考试完就扔的东西。随机过程和时间序列分析是日常工具。编程能力是硬门槛。Python是基础，C++在某些高频场景下也会用到。你要能自己写回测框架，处理tick级数据，理解什么是过拟合，什么是未来函数。对市场微观结构要有感觉，知道订单簿怎么影响价格，知道期货的基差和展期收益怎么算。
行业研究需要的软硬结合
财务分析是看家本领。三张报表要能自己勾稽，调整非经常性损益，识别盈余管理。估值模型要熟练，DCF、PE、PB、EV/EBITDA，不同行业用不同的尺子。调研能力很关键。你要能跟董事长聊战略，跟车间主任聊产能，跟经销商聊库存。写作能力决定你的影响力。同样一个逻辑，有人写得像天书，有人写得让基金经理三分钟就抓住重点。对人性的理解也有用，毕竟股票短期是投票机。
职业路径和天花板
量化交易的分岔路
走技术路线，你可以成为策略研究员、因子挖掘专家、交易系统架构师。走管理路线，你可以管一支量化基金，或者自己创业发产品。头部量化私募的基金经理年收入可以到千万级别，但竞争极其残酷。策略失效是常态，今天赚钱的因子明天可能就归零。你需要不断迭代，承受巨大的心理压力。期货和股票量化在国内都算红海，但期货品种少、规则统一，有些策略反而更纯粹。
行业研究的上升通道
从助理研究员到研究员，再到高级研究员、首席分析师，或者转去做基金经理。卖方研究需要服务买方，路演、电话会议、专家访谈连轴转。买方研究更纯粹，直接为投资决策负责。顶尖的行业研究员对某个产业链的理解可以超过实业内部的人。转型路径也宽，可以去上市公司做IR，可以去一级市场做投资，也可以自己管钱。股票研究是主战场，期货研究更偏宏观和产业，比如黑色系研究员要懂螺纹钢的供需和地产周期。
你适合哪一边
问自己几个问题
你享受独自面对屏幕，花几个小时调一个参数，突然发现一个信号能稳定盈利吗？你对不确定性和概率有天然的亲近感，还是更希望找到一个确定的好公司然后长期持有？你愿意每天跟人打交道，打电话、见高管、组织调研，还是更愿意跟代码和数据打交道？你的数学和编程能力能不能支撑你走完量化面试的八轮技术面？你的写作和沟通能力能不能让基金经理在十分钟内听懂你的推荐逻辑？
一个现实检验
找一份量化实习，哪怕只是清洗数据、跑回测。找一份行研实习，哪怕只是整理会议纪要、更新数据库。干上三个月，你就知道哪种工作节奏让你兴奋，哪种让你崩溃。量化交易和行业研究都是很好的职业，但适合的人完全不同。选错了，每天上班像上坟；选对了，累但充实。股票和期货市场都需要这两类人，一个提供流动性，一个提供定价效率。你的性格和技能组合决定你站在哪一边。
