量化投资到底在做什么
很多人一听量化投资，脑子里蹦出来的就是程序员敲代码、屏幕上跳数字、自动买卖股票期货。这个印象不算错，但只看到了冰山一角。量化投资本质是用系统化的方法，把投资逻辑变成可重复执行的规则，再用程序去跑。它不是一个岗位，而是一整条流水线。流水线上每个环节都需要不同的人，这些人干的活、用的工具、背的考核指标完全不一样。
把量化投资岗位分清楚，对普通投资者至少有两大好处。第一，你能看懂一家量化机构到底靠什么赚钱，是策略强、执行快、风控稳还是系统硬。第二，你能识别市场上那些打着量化旗号的包装，知道哪些是真功夫，哪些是花架子。
策略研究岗 量化机构的大脑
策略研究岗是量化投资的核心岗位，负责想点子、挖因子、建模型。他们每天面对的是海量历史数据，从价格、成交量、财务指标到另类数据，试图找到能预测未来收益的规律。
这个岗位的人通常有数学、统计、物理、计算机或金融工程背景。他们干的事可以拆成三步。第一步，提出一个假设，比如“低波动率的股票长期跑赢高波动率的股票”。第二步，用历史数据去验证这个假设是否成立，统计上是否显著。第三步，把验证通过的逻辑写成策略代码，交给回测系统跑出收益曲线。
策略研究岗又细分为股票策略、期货策略、期权策略等方向。股票策略研究员关注多因子选股、行业轮动、事件驱动。期货策略研究员关注趋势跟踪、跨期套利、跨品种套利。期权策略研究员关注波动率交易、希腊字母对冲。不同方向的知识栈差异很大，股票策略看重财务和行业理解，期货策略更看重价格序列的统计特征和交易成本。
对普通人来说，策略研究岗的价值在于它决定了量化产品的收益来源。一个量化基金吹得再花哨，最终要看策略逻辑是否经得起推敲。策略逻辑站不住，后面的执行和风控都是白搭。
交易执行岗 把纸面收益变成真金白银
策略研究岗想出来的点子，回测曲线再漂亮，也得有人把它在真实市场里执行出来。交易执行岗就是干这个的。
这个岗位的核心任务是用尽可能低的成本、尽可能快的速度完成买卖。量化策略通常交易频率较高，冲击成本和滑点对最终收益的影响非常大。一个策略回测年化收益百分之二十，如果执行环节没做好，滑点吃掉五个点，到手就剩十五个点。
交易执行岗的人需要懂市场微观结构，知道订单簿怎么撮合，知道不同交易所的规则差异，知道怎么拆单能减少市场冲击。他们还要和券商、期货公司的交易通道打交道，争取更低的佣金和更好的成交质量。程序化交易普及后，这个岗位越来越偏向工程化，需要会写交易脚本、会调接口、会监控订单状态。
很多散户亏钱就亏在执行上。看准了方向，一把梭进去，滑点大、手续费高，赚的变成了亏的。量化机构把执行单独设岗，就是因为这件事足够专业、足够值钱。
风险管理岗 量化机构的刹车系统
量化投资不是比谁跑得快，而是比谁活得久。风险管理岗就是刹车系统，负责监控策略的暴露、回撤、杠杆和流动性风险。
这个岗位的人每天要看一堆风险指标。策略的行业暴露超没超限，风格因子暴露有没有漂移，组合的最大回撤到了什么位置，杠杆率是否在合同允许范围内，持仓的流动性能不能扛住赎回。他们还要做压力测试，假设市场出现极端行情，组合会亏多少。
风险管理岗和策略研究岗经常有摩擦。策略研究员觉得自己的模型没问题，风控觉得暴露太大要砍仓。这种摩擦是健康的，量化机构需要有人从独立角度踩刹车。风控岗位的人通常有金融工程、统计学背景，对衍生品定价和风险模型比较熟悉。
对普通投资者来说，看一家量化机构的风控能力，比看它某一年收益多高更重要。收益可以靠运气，风控靠的是纪律和系统。
系统开发岗 量化机构的基础设施
量化投资对系统的依赖程度远超传统投资。策略研究需要回测平台，交易执行需要低延迟通道，风险管理需要实时监控系统，这些全靠系统开发岗来建。
系统开发岗的人就是量化机构里的软件工程师。他们写回测框架、写数据清洗管道、写交易接口、写监控告警。这个岗位对编程能力要求很高，低延迟交易方向尤其如此，C++和网络编程是基本功。数据方向则需要熟悉数据库、分布式计算和数据处理流程。
很多量化机构的核心竞争力就在系统上。同样的策略逻辑，系统更稳、回测更准、交易更快，最终收益就差出一大截。系统开发岗不直接产生收益，但决定了策略能不能跑起来、跑得稳不稳。
看清分类才能看清门道
量化投资岗位分这几类，不是学术分类，而是实战分工。策略研究决定赚什么钱，交易执行决定省多少钱，风险管理决定亏多少钱，系统开发决定跑多快。四类岗位缺一不可，每类岗位的人才要求和考核方式完全不同。
普通投资者了解这些分类，最大的用处是破除迷信。市场上很多人把量化投资神秘化，好像只要沾上量化就能赚钱。拆开看就知道，量化投资是一整套工程体系，每个环节都有硬门槛。策略逻辑不扎实、执行成本控不住、风控形同虚设、系统三天两头出故障，这样的量化机构照样亏钱。
股票和期货市场的量化竞争越来越激烈，单靠一个因子、一个模型吃遍天的时代早就过去了。真正有竞争力的量化机构，是四类岗位配合默契的机构。散户选量化产品，不妨多问问它的策略逻辑是什么、执行成本怎么控、风控指标怎么看、系统稳定性如何。问清楚这些，比看历史收益曲线靠谱得多。
