【中樞教育】摩根大通講座文稿_第1頁
【中樞教育】摩根大通講座文稿_第2頁
【中樞教育】摩根大通講座文稿_第3頁
【中樞教育】摩根大通講座文稿_第4頁
【中樞教育】摩根大通講座文稿_第5頁
已閱讀5頁,還剩5頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

各位同學好,我是今天的分享嘉賓Li,很高興和大家能有一些交流。我是清華大學的本科,然后去了美國俄亥俄州立大學念的工程學碩士和經(jīng)濟學博士。先后在美國銀行和摩根大通銀行就職,在個人貸款和企業(yè)貸款的風險模型方面有近十年的經(jīng)驗。目前擔任摩根大通銀行個人風險模型部門的執(zhí)行總監(jiān),負責房屋貸款,信用卡和小企業(yè)貸款等產(chǎn)品的建模工作。今天的分享會分成四個部分:美國金融業(yè)對量化人才的需求及變化趨勢我是2007年進入銀行工作的,親身經(jīng)歷了2008年的金融危機,以及這場危機之后銀行業(yè)的變革。資產(chǎn)證券化,高杠桿投資以及信貸的寬松是導致這場金融危機的主要原因。因此,在此之后,美國的金融監(jiān)管機構(gòu)大大加強了對銀行,尤其是“系統(tǒng)性大銀行”的監(jiān)管。這個變化直接引起了銀行在量化研究和建模方面的轉(zhuǎn)變。重心從前臺(trading,underwriting)轉(zhuǎn)到后臺(riskmanagement,capitalmanagementandlossforecasting)。金融領(lǐng)域覆蓋的范圍很廣,從國際學生就業(yè)的角度來講主要有這么幾個方向:Corporateandinvestmentbank的trading和riskmanagement相關(guān)的quantmodeling和quantanalyst對沖基金和其他買方公司個人銀行里面的建模與分析相關(guān)職位金融咨詢業(yè)對國際學生而言,現(xiàn)在的工作市場大多數(shù)的職位都是偏量化的。一個是因為整個行業(yè)需求的增長,另外一方面是因為非量化的職位遇到公民或綠卡的競爭更為激烈。就我個人而言,我的工作經(jīng)驗大部分是在個人銀行(consumerbanking,也叫零售銀行)領(lǐng)域。所以今天的講座我會花比較大的篇幅介紹consumerbanking。美國個人銀行領(lǐng)域及就業(yè)情況介紹個人銀行(consumerbanking)對于很多志向于投身金融的同學來講可能是相對陌生的一個領(lǐng)域,但實際上這個領(lǐng)域為來自中國和其他國家的國際學生提供大量的工作機會。相對于投資銀行和對沖基金大多集中在紐約,芝加哥和三藩地區(qū),個人銀行提供的職位在地域上相對分散。很多中型城市和地區(qū)像charlotte,dallas,Wilmington都有相當數(shù)量的工作機會,為偏好在成本較低、生活相對安逸的地區(qū)的同學們提供更多的選擇。個人銀行,顧名思義,主要業(yè)務是針對個人用戶以及小型企業(yè)提供儲蓄,貸款,支付以及其他金融服務。在美國,提供個人銀行服務的有:四大銀行JpmorganChase,WellsFargo,BankofAmerica和CitiGroup都有規(guī)模龐大的個人銀行業(yè)務。地區(qū)性銀行,像pncbank,usBancorp等信用卡銀行,像AmericanExpress,Discover,CapitalOne,這些銀行以信用卡業(yè)務為主,但今年來也把業(yè)務拓展到其他個人銀行領(lǐng)域新興的Fintech公司,這類公司一般集中于一個或兩個業(yè)務,比如像sofi(學生貸款),ondeck(小型商業(yè)貸款),lendingclub(p2p貸款),venmo(移動支付與轉(zhuǎn)賬)對于有量化背景的同學,個人銀行的工作機會主要集中在與模型和分析相關(guān)的部門。相對于企業(yè)銀行(commercialbanking)和投資銀行,個人銀行有客戶數(shù)量眾多,但單位金額較小的特點。因此個人銀行的分析和建模更多的依賴于統(tǒng)計模型和大數(shù)據(jù)處理。數(shù)據(jù)分析和建模已經(jīng)廣泛用于信貸產(chǎn)品整個產(chǎn)品周期的每一個階段。拿信用卡來說吧,當你到銀行或者在網(wǎng)站上申請信用卡的時候,銀行的模型就會根據(jù)你提供的信息和從征信機構(gòu)得到的信息給出一個分數(shù)以衡量你的信用風險,以決定是不是批準你的申請。你用信用卡進行的每一筆付款,都要經(jīng)過銀行的欺詐模型判斷,如果風險較高的話銀行會暫時拒絕付款,并給你電話或者短信進行確認。信用額度模型和分析會根據(jù)你的消費和還款情況對你的信用額度進行調(diào)整。如果你哪天有了財務危機不能按時還款,銀行會根據(jù)追債模型決定什么時候打電話給你追債。上面提到的都是所謂的“前端”模型,是銀行用來對各種與客戶直接相關(guān)的運營進行決策的。在銀行內(nèi)部還有各種“后端”風險模型用來幫助進行內(nèi)部風險管理,資本分配和戰(zhàn)略決策的。08年金融危機之后,隨著金融監(jiān)管的逐步加強,美國的大中型銀行都紛紛加強了在“后端”風險模型和風險管理的投入,在這個領(lǐng)域創(chuàng)造出了很多的工作機會。說consumerbanking就不得不提一下近幾年來很火的大數(shù)據(jù)和機器學習在這個領(lǐng)域的應用。一個大中型的consumerbank,擁有幾百萬甚至上千萬的賬戶,如果要對每個賬戶每月甚至每天的動態(tài)進行跟蹤和分析,需要極強的數(shù)據(jù)處理能力,所以這個領(lǐng)域?qū)τ诖髷?shù)據(jù)技術(shù)方面的需求日益增加。隨著數(shù)據(jù)的增加,傳統(tǒng)的統(tǒng)計和計量經(jīng)濟建模在有些應用已不能滿足需要。最好的例子就是反欺詐。金融欺詐與反欺詐就像是兩個武林高手在過招,招數(shù)的變化非???。犯罪分子祭出一種欺詐手段,銀行需要很快的發(fā)現(xiàn)這種手段并采取相應的對策。犯罪分子發(fā)現(xiàn)一種手段不再有效會很快調(diào)整用另外的方法。在這種快速的變化環(huán)境下,傳統(tǒng)的建模方式不再適用。所以機器學習的方法,尤其是能夠動態(tài)的,利用最新的數(shù)據(jù)進行快速學習的方法就顯得更為重要。

對專業(yè)選擇及職業(yè)規(guī)劃的一些想法從上面的介紹里,可能有的同學已經(jīng)感覺到,consumerbanking和其他的金融領(lǐng)域比如投行或?qū)_基金相比有著很明顯的區(qū)別。在我看來最大的區(qū)別在于consumerbanking的分析和研究的重點在于個人客戶的行為和風險,而投行和對沖基金更多的著重于金融市場。因此,consumerbanking這個領(lǐng)域?qū)τ谇舐毜耐瑢W的背景要求也有它自己的特點。在量化建模和相關(guān)的職位上,最為常見的是經(jīng)濟學,統(tǒng)計學,運籌學專業(yè)的博士生,是因為比較看重這些專業(yè)的學生通常在理論和實證方面都有比較好的訓練,而且大多在數(shù)據(jù)處理和分析方面的能力較強。近些年來,理科和工科的phd畢業(yè)生進入到consumerbanking有逐漸增加的趨勢。建模的職位,尤其是在幾家大銀行里,很少招剛剛畢業(yè)的碩士生。但是有很多進行數(shù)據(jù)分析,風險分析的職位是對碩士生敞開大門的。有些同學可能會問了,你怎么沒提到金融相關(guān)的專業(yè)?下面我就說一說我了解的金融相關(guān)的專業(yè)的就業(yè)情況。首先說說financephd,北美這邊的financephd大多在商學院下面,是競爭非常激烈的專業(yè)。每年招phd學生的數(shù)量非常少,很多學校financephd招的學生只有經(jīng)濟系的十分之一左右。Financephd更適合將來有志于在大學或者是金融機構(gòu)做研究的同學們,即使不去做faculty,大部分從一流和二流大學金融系畢業(yè)的同學在工業(yè)界也能找到一份起點相當高的工作。在投行phd。和consumerbankingphd。Phd畢業(yè)生(數(shù)Phd畢業(yè)生(數(shù)riskanalysis,consumerbanking.用,更加接近于投行對于知識和技能的需求。所以華爾街的投行除了招收學、物理專業(yè)居多)做quantmodeler之外,也招收很多金工金數(shù)的畢業(yè)生做tradingsupport等類型的職位。近年來也有一些金工金數(shù)的畢業(yè)生加入Finance專業(yè)的master,在量化方面的訓練不是很強,在找工作時,比較對口的職位會面臨著大量有公民和綠卡身份的畢業(yè)生的競爭。所以對于過來讀金融相關(guān)碩士,而且畢業(yè)后想在美國找工作的同學,還是建議選擇在量化方面有較強訓練的專業(yè)比如金工金數(shù)。東拉西扯了這么多,做過小小的概括。專業(yè)的選擇一定要結(jié)合個人的目標和實際情況。對于有志做量化建模的同學,可能還是需要去讀一個phd。對于想快點參加工作,不介意起點稍微低一些的同學,我覺得金工金數(shù)應該是最有希望讓你在華爾街找到一份工作的專業(yè)。接下來再說說在讀研期間應該為找工作做哪些準備,我認為要做好三件事:第一,建立找工作的network。最有效的network應該是在本科和讀研期間的師兄師姐。比你早一兩年畢業(yè)進入工作崗位的他們,可以給你提供很多有用的幫助,包括空缺職位的信息,找工作的經(jīng)驗,內(nèi)部推薦等等。通過network找到工作的成功率遠遠高于海投簡歷。有些同學在linkedin上大量發(fā)邀請給陌生的業(yè)界人士,我覺得這種方法卻不一簡歷。有些同學在定有效。第二,培養(yǎng)自己的核心技能。盡早的確定自己想找工作的類型,有針對性的加強自己的理論第二,培養(yǎng)自己的核心技能。盡早的確定自己想找工作的類型,有針對性的加強自己的理論知識的應用技術(shù)。第三,積極的尋找實習的機會。很多公司都會提供暑期甚至其他時間的實習機會,一定要去爭取。實習不但能夠給你提供寶貴的工作經(jīng)驗,而且往往是通向全職工作的快車道。核心技能的培養(yǎng)Hiringmanager在招人時看重的都是什么能力呢?又是哪些能力能夠是一個人從入門崗位一步步走向更大的成功?扎實的理論功底,能使得你在面對問題的時候能快速給出最合理,最正確的解決方案。這個對于知識的廣度和深度都有要求,知識的廣度給你更多的選擇,知識的深度幫助你確定最佳的方案。對于量化金融來講主要是兩方面,一方面是對金融市場和金融產(chǎn)品本身的了解,另一方面,可能對想要入行和剛?cè)胄械耐瑢W更重要的,是數(shù)學,統(tǒng)計等研究工具的扎實訓練。拿consumerbanking的建模職位來說,了解各種regression的假設,應用范圍和如何對模型進行評估都是必不可少的。數(shù)據(jù)處理和編程能力,能使你有效的把想法和方案去實現(xiàn)。隨著數(shù)據(jù)在公司的日常決策,運行中日漸重要的地位,數(shù)據(jù)處理能力是大部分職位所要求的。從到數(shù)據(jù)庫里用sql獲取數(shù)據(jù),到對數(shù)據(jù)進行整合,變形以及簡單的數(shù)據(jù)建模(statisticmodelingormachinelearning)在很多工作中都會用到。掌握一門或幾門編程語言(C++,Python,Java)和統(tǒng)計工具(SAS,R,etc)是很重要的。溝通能力。做的好不如說的好,在職場上還真的是這么一回事。即使對于志向一直做技術(shù)的同學,培養(yǎng)有效的溝通能力也是很重要的。有效的溝通是雙向的,一來要清楚的了解客戶,領(lǐng)導的要求,二來能把自己所做的工作的內(nèi)容和意義清晰的表達出來。好的溝通能力對于想要往更好職位發(fā)展的同學就更加重要。工作道德和團隊意識。在某種意義上講,這一點是一個職業(yè)人士能否成功最重要的品質(zhì)。怎么提高自己的核心技能呢,最有效的方式就是learningbydoing.在讀研期間的與他人合作的課程項目是非常好的提高上面提到的技能的機會?,F(xiàn)在有一些網(wǎng)站,像也提供各種各樣的建模比賽。找一兩個志同道合的朋友一起做,對于自己技術(shù)水平和合作能力上的提高都會有幫助。問答環(huán)節(jié).據(jù)說哥大ERM項目進入了stem項目,不知道那個專業(yè)就業(yè)如何?這個專業(yè)開設的時間不長,因此相關(guān)就業(yè)的信息比較少。我目前還沒有接觸到從這個項目畢業(yè)的學生。對就業(yè)而言,這個program的優(yōu)勢是(1)被歸類為stem專業(yè)⑵哥大的地理位置。從課程設置上來看,這個項目比較綜合的覆蓋了風險管理很多領(lǐng)域,但是量化方面的訓練感覺不夠深入。另外這個項目對于國際學生需要三個學期內(nèi)修完,時間相對偏短,沒有留出足夠的時間給學生對就業(yè)進行充足的準備(包括面試,做summerintern等等)。.美國統(tǒng)計學、金融學、金融工程master就業(yè)部門會有怎樣的差別?學制大致多長時間?統(tǒng)計學畢業(yè)生大多在商業(yè)銀行,零售銀行和保險業(yè)從事數(shù)據(jù)分析和簡單的建模工作。金融工程畢業(yè)生更多的在投行和買方機構(gòu)的風控或trading相關(guān)的部門。金融學畢業(yè)生相比其他兩個專業(yè)不那么偏重量化方面的訓練。適合的職務與business更加接近,但同時遇到有公民或綠卡身份申請人的競爭也更加激烈。.本科是金融類的同學美國讀研有什么推薦,希望未來發(fā)展能好一些?這個要取決于讀研的目的和個人興趣。有志于做研究工作,比如做大學教授或者到公司里做研究和建模方面的工作,建議讀finance,economics或operationresearch的phd.對只想讀ms的同學,金工金數(shù)專業(yè)的master將來留在美國的機會可能會比較大。MasterofFinance更加適合喜歡與business更加接近,并且不在意回國發(fā)展的同學。.金工金數(shù)master的職業(yè)起點比經(jīng)濟學或者金融的phd低多少(比如起薪和發(fā)展空間之類)?,Master和phd的差別可以從兩方面來講。第一,有些部門或職位(通常是建模相關(guān)的職位)只招phd或有多年經(jīng)驗的master.第二,很多銀行freshphd的起始職位儂$。而10)要比master的起始職位小門21丫4)高一檔。在大多數(shù)情況下,一旦找到工作,職場發(fā)展的軌跡和學歷的相關(guān)性就不是很大了。因此對于不是非要做建模或faculty的同學,master可能是更加好的選擇。畢竟早工作3年所積累的經(jīng)驗和提高的薪水完全可以彌補phd和master起點的不同。.從量化的角度,經(jīng)濟學和國際經(jīng)濟與貿(mào)易兩個專業(yè),哪個更實用一點?個人感覺經(jīng)濟學對量化方面的訓練更加系統(tǒng)和全面一些。.美國量化工作的日常是怎么樣的?也和投行的工作一樣要經(jīng)常熬夜嗎?女生在量化崗位上的競爭力如何?這個要視具體職位而定。一般來講和前臺更近的職位相對會更忙,投行比商業(yè)和個人銀行要忙。除了遇到重要deadline的情況,大部分工作不需要經(jīng)常熬夜??偟膩碚f量化職位的女生數(shù)量較少,但正因為如此,相同條件的候選人面試,女生拿到offer的機會可能更大一些。.如果想找金融前臺的工作,需要什么樣的條件?除了名校的背景之外,優(yōu)秀的溝通技能是非常重要的。對于中國的留學生來說,找需要中英文雙語的前臺職位可能會有更大的機會。.金融學專業(yè)如果想做量化方面的業(yè)務的話應該怎么做?有意識的提高自己在量化方面的技能。(1)如果可能的話盡量多選修量化方面的課程,(2)可以利用網(wǎng)上教學網(wǎng)站自學一些相關(guān)的課程,像隨機過程,統(tǒng)計,機器學習還有編程。(3)盡早的尋找量化相關(guān)的實習機會。.如果在美國做了量化分析相關(guān)的工作,回國之后轉(zhuǎn)變方向或升職困難么?量化的技能是找到工作的敲門磚。今后的發(fā)展和升職,更多取決于,在工作中積累的業(yè)務方面的知識,對整個行業(yè)的了解,管理方面的經(jīng)驗和人脈的建立。對于想要回國發(fā)展的同學,除了以上所說的,還要保持和擴大與國內(nèi)同行和獵頭的聯(lián)系。.如果本科的專業(yè)是金融,有意識的修一些PythonMatlab等就夠了嗎,還需要其他的一些什么準備?如果要申請金工金數(shù)或者金融或經(jīng)濟學的phd,加強數(shù)理和編程方面的訓練會有幫助。如我在8中所提到的可以自學一些相關(guān)的課程。.保險學的本科生會比金融本科生申請更占優(yōu)勢嗎?以及考frm會對金工master的申請有幫助嗎?.謝謝!金工專業(yè)的錄取很重視申請人的數(shù)理基礎。不管是保險學或是金融學專業(yè)的,如果課程選擇上多側(cè)重量化方面的課程(比如保險學里偏精算的課程和金融學里的數(shù)理金融)在申請的時候都會起到正面的作用。對于非金融學的學生,考frm或cfa可以表明自己對金融知識的了解,應該對申請有一些幫助。對

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論