康涅狄格大学风险管理硕士求职
-
Part.1 关于我的求职经历
第一份实习
我个人认为无论是找实习还是找工作，第一份实习（工作）永远是最重要的。可以这么说，只要你的第一份工作找的不错，使你成功入了行，之后的求职路途基本上都是水到渠成、一帆风顺了。而我觉得第一份实习主要靠的是30%的能力以及70%的运气。
来说说我是如何获得我的第一份实习工作的。有一个与学校合作的机构，每年都会来学校招1~2位的全职的分析师。当时我知道这个消息后就投了简历，也很顺利地拿到了面试机会。然后面试完之后，公司老板及小组负责人都比较欣赏我，因此第二天就拿到了offer。
这一切都比较顺利，如果要问我和其他面试者相比优势在哪里？
我觉得一方面是因为我在研究生阶段的努力学习的成果，我的基本金融知识、计算机方面的建模技巧以及数据统计方面的建模技巧会更扎实一点，然后另一方面第我就把它归功于运气，因此大家需要有一个概念，求职时一个长期性的任务，切不要因为一两次的失败就急于否定自己。
第一份的全职的实习工作之后做了一年，然后找到第一份全职就是水到渠成的事了。尤其是在美国特别看重工作经验的地方，你入没入行，在求职市场上的的价值完全是天差地别。当时我投递了几百个岗位，虽说到的面试率也不算很高，但比没有任何实习经验的同学也高出了不少。
进入摩根大通对我来说，进入摩根大通不仅仅是一次跳槽，其实更是一次晋升。在投资市场里面，当你觉得你的年限及能力应该得到晋升时，你往往会有两个选择。一是在原来的公司里等待老板给你晋升的机会；二是跳槽至更大的公司或更好的岗位。
如果是内部晋升在我眼里有一个局限的地方，在金融行业里，日常工作是非常细致的，一个人可能就负责一个项目，或者说一个业务中的一小部分。如果你长期经营在一个工作岗位上，你是很难有机会把你的业务拓展到其他企业的运营角度，这也会进一步的限制你能力的发展。
因此我选择了外部跳槽，毕竟摩根大通在全球范围内的名气会更大一些。不仅能给你带来符合你年限条件的晋升，对一些特别优秀的人才，他们还能破格的给一些更高的职位。
但对于比较偏好稳定的同学来说，如果以后能在美国找到工作，在同一家公司里面发展也是挺不错的，无论是大型的金融机构还是跨国企业，他们在一些移民的政策上都是比较友好的，所以说这其实是一个取与舍的关系，像我之前的前东家对我是非常好的，打算给我办绿卡，且已经联系了律师，但我当时还是拒绝了他们的好意。Part.2 金融行业职业规划解析
选择适合自己的专业
关于选专业这个事情，很多的知名人士已经给了很犀利的评论了，像现在在风口浪尖的张雪峰就说过，对于家庭条件一般的家庭而言，学生们在选择专业的时候，还要考虑实际因素，你这个专业毕业后，你能找到什么工作？待遇怎么样？以后的职业发展如何？
对于普通家庭的孩子而言，如果选择一些“务虚”的专业，比如文学艺术这些专业，它们在目前职业市场中就业确实不太好。“务虚”并不是指这些专业不务正事，而是说在整个市场环境下，这些专业出来找到的工作确实待遇上比其他专业起步要低一些。
所以多数同学在考虑就业的时候，还是应该考虑整个社会的就业环境对这类专业人员的需求。现在其实金融和商科专业依然是大火的方向，但事实上五六年前所谓的华尔街的神话，各个都是年薪百万的说法早就被打破了。现在在美国也好，在国内也好，毕业生应届生工资最高的行业应该是计算机软件的开发行业和它们相关的衍生行业。
在这里也并不是让同学一味地向钱看，只是说同学们在选择专业的时候，要辩证地考虑清楚自己的真实需求，是更应该追求钱，还是爱好？
商科学生如何选择职业发展路径其实商科是一个特别大的圈：经济学、会计学、财务管理、金融学、金融工程、金融数学等等，很多专业都能往里面放。
金融专业的毕业生最好的去处一般就是金融机构，比如投资银行、对冲基金，私募基金，或是私募股权这些顶级机构，还有一些条件不错的同学，会选择去一些商业银行的总部。而且现在随着电子科技技术的发展，互联网金融也非常蓬勃，很多读金融专业的学生，也可以互联网公司里从事一些和传统金融行业相对应的金融岗位。
在这边还有一个方向推荐给大家，很多同学尽管读的是商科，也可以在学习阶段多学一些编程技巧及统计工具技巧，然后从事数据分析相关工作，但现在这个赛道还是挺拥挤的，因为这份工作相比一些其他的像银行的客户经理这样面对客户的前台岗位而言，数据分析工作是坐在办公室里面的，相对来说轻松一些，而且它基本上是旱涝保收的，基本没有业绩上的压力，待遇也还不错，所以同学们可以考虑，但是也要意识到这条赛道有非常多的竞争者。
可能会有人问：如果没有一些很强的统计背景，也没有特别强的数据分析或编程背景，跟一些数学统计及计算机专业的学生去竞争这类型的岗位会不会吃亏？
我个人觉得问题不大，因为数据分析在整个数据领域里面，它的技术难度就是偏低的，同时数据分析和其他的一些数据领域，比如说机器学习、人工智能这些领域相比，它更在乎于业务本身，而不是在于一些非常难的数理和统计模型。
金融行业不同的职业发展路径IBD，PEVC的前、中台岗位
第一类就是投行IBD、PE/VC的前中台岗位。我在这里得强调一下是前台和中台岗位，而不是后台岗位。同学们如果使用社交媒体的话，会发现很多年轻的求职者，他们在找到工作之后会发一些小红书，说“从今天开始，我也是一位投行人了”之类的话术，但其实看你到底属不属于这个领域，其实真正决定于你的职业性质的是这个行业的核心岗位。
举个例子，如果你在投行的IPO部门工作，但你从事的工作是为他们设计一些网页或是做一些软件开发，那么其实你只是一个在投资银行里面工作的程序员而已。从严格意义上讲，虽说你的公司属于金融行业，但是从职业路线上来说，你还是更应该回到互联网大厂。
对冲基⾦和资产管理⾥的Quant
然后第二类的话就是Desk Quant，Desk Quant是指确定desk开发一些数量性模型，统计性模型，来支持trader的日常的交易，给他们提供一个具有量化基础支持的一系列的量化决策。然后cosplay search的话，它可能更多时间在做一些提高阿尔法model或是因子模型，相比于那些Desk Quant而言，它们项目周期更长，模型的覆盖面更广，难度也更大，quan它是还是以开发交易工具和一些基本的交易模型为主。
投行卖方Quant
第三个的就是投行卖方的quant了，刚才我提到的对冲基金和资产管理，就是传统意义上的买方的quant，然后在投行里面也是有卖方的一些quant的，像外方的一些quant的话，他们主要就是设计和开发一些衍生品以及衍生品的一些定价和交易，或者说对冲模型等等。卖方他们在做的就是开发出金融产品，以及一系列对冲风控定价策略，来为买方提供一个可以交易的交易标的。这在我看来就是一个买方和卖方最重大的区别。
金融科技
第四个方向是很多人都会忽略的一个方向，也是现在国内非常火的一个方向，就是现在的金融科技。其实什么是金融科技？我们可以从两方面来讲，主要指一家金融机构的软件和硬件的基础架构，更加偏Engineering的工作，这其实就是金融科技最原始的定义。但现在随着我们随着我们的互联网金融、电子金融的发展，我们的金融科技的范畴已经扩大到日常支持我们一个金融机构决策的，包括机器学习、人工智能等新兴的领域。
比如说如果大家现在去银行里面找工作，总能看到一些岗位，信贷风控岗位、反洗钱建模岗等，这些其实就是金融科技的岗位，他们的日常工作其实就是通过使用机器学习、人工智能或简单的统计学习模型对银行的大数据进行处理，为银行的风控经营决策提供智力支持，这是目前来说非常大的一个就业方向。
一些面试建议金融行业整体的面试通过率并不高，我也知道很多同学都倒在了面试这最后一关，最后我想给同学们一些金融行业面试中的建议，第一方面你要百分百的确保你的能力是能够应付面试的，但是关于技术面试的话题我就不展开说了，这次我想说说心态和面试技巧。
一定要摆脱学生思维！你找工作是去给企业创造价值的，而不是去给企业添加劳动力，无论是金融行业、传统商科行业，还是理工科、码农这样子的行业，在面试展示自己技能的环节，你都不能把自己的技能维系在技能本身上，而是要提高自己的一些业务上的一些见解（business insight），将技能与业务联系起来，这是在其他竞争者和你能力差不多的情况下，能使你脱颖而出的一个重要的点！
