所以我们今天就来看看，量化金融的发展史，以及量化今后的发展趋势。
Fintech和量化金融市场介绍
金融科技在中国的发展阶段，可以大致分为早期信息化阶段、互联网阶段、移动化阶段、智能化阶段和未来全面变革，五个阶段，金融机构对科技人员、资源的投入逐渐加深。
大数据、云计算、人工智能等前沿技术将进一步改造金融行业营销风控、投研投顾、产品创新、客户管理等环节。
在互联网技术逐步成熟的今天，以大数据、云计算、人工智能为代表的创新技术正在席卷众多行业，金融业以其庞大的市场容量成为市场焦点。
这一次技术创新的核心目标将聚焦于信用、风控、投资等多各领域。因此技术创新对于金融业的影响将愈加广泛和深入，这也是互联网金融和金融科技(Fintech)的重大差异。
随着大数据、云计算、人工智能对金融业的变革，传统的金融业正与信息技术、数学模型、数据分析相结合，向量化金融发展。
量化金融包含量化交易、量化研究、量化定价、量化风控等各个方面。
量化金融分析师可以从事哪些岗位?
量化金融分析师从事行业非常广泛，包括投资银行、基金公司、券商金融工程，资产管理公司、私募公司、Fintech公司等。工作职能包括量化研究、量化交易、量化风控、数据结构和算法、系统开发和运维、模型和咨询等。
根据Glassdoor统计，美国量化分析师的平均年薪已经达到接近13万美元。
下图展示了量化金融的行业和岗位分布情况。
在国外AI量化投资已经屡见不鲜。据调研公司LCH在今年出具的调研报告，美国业绩排前20的对冲基金，包括桥水基金、索罗斯基金，全部采用计算机根据算法主动交易。
据国际基金评级机构Morningstar数据显示，截止2017年7月，机器人投顾管理的资产将近 3900 亿美元，而在七年前这项数字几乎为零。
接下来的 10 年，机器人投顾管理的资产将达到 5 万亿美元。
在国内，根据Wind统计，2018年国内券商共有59家设有金融工程团队，共发布7425份研报，其中深度研报808份，研报累计阅读总量超过24万次。海通证券、天风证券、兴业证券的金融工程团队发布的研报总量位居前三。
纵观目前阶段下的金融科技创新方向，我们认为，大数据、人工智能和区块链将是继互联网/移动互联网之后的Fintech发展的三大核心技术基础。
例如大数据可以运用于大数据贷款、反欺诈、用户画像和精准营销方面，人工智能可以运用于智能客、智能投顾、智能风控等，区块链技术可以运用于对账与结算、电子合同、智能合约等。
除此以外，还有云计算、数据库、爬虫技术等，都将对金融业产生进一步的变革与创新。
人工智能在金融领域中的应用，相较于大数据而言的核心突破在于深度学习、智能分析和智能决策。大数据、云计算、智能硬件以及后续的区块链技术等都是支撑人工智能上层技术的基础。
在金融领域，人工智能主要有以下四类应用：自动报告生成，金融智能搜索，量化交易，智能投顾。
自动报告生成技术主要使用的是自然语言处理技术，广泛运用于投资银行、证券研究。
在量化交易中，常运用机器学习、自然语言处理、知识图谱等作为量化策略的辅助。在资产管理行业中，智能投顾得到了越来越广泛的应用。
作为量化金融从业者，不仅需要过硬的编程技术和数学基础，更重要的是对金融市场的深刻理解，否则无论数学、编程多么厉害，很可能在做无用功，不能得到好的效果。
量化金融行业需要的是编程、数学和金融兼修的人才，因此如何进入量化金融行业是许多纯金融或纯理工背景的从业者感兴趣的话题。
在这里我们推荐的量化金融的入门书籍有：《Python金融大数据分析》、《Python金融实战》、《Python金融数据分析》、《Algorithmic Trading》、《信号与噪声》等进行学习。
相关阅读：
备注：（AQF备考资料包含：1、AQF专用公式表2、AQF模拟习题 3、AQF前导课程 4、AQF报名流程指引图5、AQF电子版资料 6、AQF考纲 7、AQF笔记）
声明|本文由金程AQF综合采编自网络。我们尊重原创，重在分享。部分文字和图片来自网络。