AI代替審計
AI代替初級軟體工程師
AI代替股票分析師……
有什麼是AI代替不了的嗎？
Quora上就有小夥伴提問到：
AI會代替量化崗位嗎？
頂尖量化選手“穩如老狗”
被AI代替？不存在的
近期，一位曾在華爾街頂尖交易公司工作的前量化分析師小哥在油管上釋出了一則影片，跟大家分享了他的前司對於人工智慧的應用和看法，正好就能解答Quora上這位小夥伴的疑惑。
cr.youtube
小哥表示，去年間，AI顛覆性的發展讓所有行業都希望能乘上這艘快船，他當時所在的量化公司CEO也決定如此。公司專門成立了AI部門，砸重金從谷歌等公司挖來AI專家，甚至還招了一位上榜Forbes 30 Under 30的AI領域領軍人物。
引入AI後的公司…
這一系列的操作下來，AI在公司內部達成了初步的應用。小哥表示成果確實不錯，公司的確透過AI實現了一些效率上的提升：
-
程式設計輔助：公司為每位開發者配備AI程式碼助手（如GitHub Copilot），用最新技術自動生成程式碼。
-
內部流程最佳化：AI聊天機器人替代HR答疑（如差旅政策、年假規則），透過掃描公司文件即時回答。
-
前臺的漸進改進：交易前端流程因AI變得更高效，但這些改進更多是最佳化而非突破。
其實目前，華爾街不少量化大廠都在積極擁抱AI技術賦能日常工作，通常是將多個先進的AI計算模型和技術結合使用，以便在複雜的市場環境中獲得競爭優勢。
這些AI計算模型包括一系列複雜的演算法和技術，可能被用到的模型例如：
-
深度學習模型（Deep Learning Models）
-
強化學習模型（Reinforcement Learning Models）
-
生成對抗網路（GANs）
-
自然語言處理（NLP）模型
-
量化因子模型（Factor Models）
-
統計套利模型（Statistical Arbitrage Models）
-
圖神經網路（GNNs）
-
自適應交易演算法（Adaptive Trading Algorithms）
AI取代一切，但是取代不了Quant
但當觸及到量化交易的關鍵問題：AI能否生成阿爾法（Alpha）或最佳化交易執行？小哥給出的短期答案則是：不能。
小哥從兩點出發解釋了這個回答。首先，AI無法參與核心交易、代替員工的一個很重要原因就是：最好的AI依舊會出現“幻覺”。
用過AI的大家都知道，即使是目前頂尖的AI軟體，仍可能間歇性地“胡言亂語”，給你生成一些看似正確、其實錯誤的資訊內容，而這對於量化交易來說是非常危險的。
在頂尖的量化公司中，一次錯誤交易就足以讓公司崩盤。因此一般Quant公司的標準工作流程需要經歷層層測試與稽核：人工寫出程式碼→小組code reviews→回測backtesting→compliance審查，然後才能投入使用。
第二點也是關乎量化公司“命脈”的問題。對於Quant公司來說，最值錢的IP就是程式碼，下至每個小組，上至公司都會用一切方式保護程式碼的穩定、安全、高效；但如果要讓AI理解全部交易策略，就需開放整個程式碼庫和專有白皮書，放到一個大池子裡面讓AI去學習。
給大家打一個通俗易懂的比方：蟹老闆想要研製一個能自動生產蟹黃堡的AI廚師，要讓AI真正掌握調配精髓，就必須開啟保險箱，把痞老闆最想要的蟹黃堡秘方全部餵給它。這相當於把保險庫鑰匙插在門上，痞老闆只需簡單幾招就能把秘方收入囊中。
量化公司對於這種事情可謂是極度警惕，因為早有公司在這點上翻過車：某著名全球量化交易公司的一位員工，在Covid期間利用職位權利，從公司竊取了耗時數年、耗資超過10億美元開發的“原始碼”，用於開發自己秘密創立的量化交易公司的原始碼。
cr.justice.gov
這並不是個例。Covid期間，由於需要遠端辦公，公司原有的防護措施（如停用USB）失效，就有員工用手機拍照+OCR技術竊取程式碼，並偷偷成立初創公司蠶食原公司市場份額，Citadel、Akuna等公司皆“中過招”。
綜上所述，核心程式碼private到連員工都需許可權隔離，更別說直接餵給AI了。
小哥說，在權衡風險後，公司CEO最終選擇了保守策略：部署完輔助型AI工具後，大幅裁撤AI部門，僅保留維護人員；同時放棄用AI直接改進核心交易演算法，轉而專注“防禦性”工具開發。
回到開頭的問題，可以看出來，雖然在一些輔助性的功能上AI能極大提升工作效率，但在短期內，AI還是無法代替真正的量化交易員，接管公司的交易工作。
Invesco公司曾對管理規模達22.5萬億美元的系統化投資者開展調查，得出的結果也能佐證上面的想法：
資料顯示，62%的受訪者認為十年後人工智慧的重要性將與傳統分析不相上下，13%認為其將更具顛覆性；但被問及當前AI技術應用現狀時，僅9%的受訪者表示已大規模使用，38%稱將有限度使用，其餘則表示暫未應用。
多數受訪者認為人工智慧最適用的場景是識別市場模式與趨勢——突顯其提升投資組合表現的巨大潛力。支持者指出，AI（或其資料驅動分支機器學習）更擅長檢測多變數間複雜關係，因此更能適應多變的市場環境。
不用擔心被AI代替的香餑餑崗位
量化求職到底該怎麼做？
從前文不難看出，部分量化崗位非常看重你的寫碼能力與hard skill實力，畢竟程式碼可是一家量化公司的“核心IP”。
對於想要求職量化崗位的同學來說，狠狠打磨硬實力、把握好technical skill才是Quant求職順利的基石。總的來說，Quant technical skill包含五大元素：
-
金融產品知識
-
統計知識
-
程式設計能力
-
brainteaser
-
金融數學
堅實的technical skill，可以靠反覆刷題可以做到。推薦大家多刷這兩本書👇
-
紅皮書（Mark Joshi, Quant Job Interview Questions & Answers）
-
綠皮書（Xinfeng Zhou, A Practical Guide to Quantitative Finance Interviews）
當然，真題也是非常好的輔助工具，來自量化大廠的面試真題能夠讓你最直接地感受到量化面試的難度與形式，高質量刷題掌握核心邏輯才能以不變應萬變。
已經幫大家準備好了這兩本書的電子版和Quant真題合集，想要的同學可以掃描下方小助手二維碼領取~
除了刷題外，如果你想在課餘時間豐富自己的量化知識或者tech技術，那麼下面這幾個寶藏網站&頻道你一定不能錯過~
💻Stack Overflow
全球知名的IT技術問答平臺，會有很多程式設計師與量化從業者在上面交流技術問題，提問即可獲得大佬們的專業解答，還有豐富的技術文章分享。
💻Quantocracy
專注量化和金融領域的部落格聚合web，每日更新，上面彙總了全網quantitative trade的優質文章，很適合新手入門瞭解相關資訊。
💻Quantpedia
Quantitative Trade百科全書式web，可依據Trading品種、Sharpe值等多維度搜索，提供經學術驗證的各類量化策略，助力高效決策。
💻Quantconnect
綜合性量化平臺，提供免費的開發環境與資料，支援多資產類別，具備強大回測與即時trade整合功能，便於策略開發測試。
YouTube：Quant Questions IO
一個分享量化面試題目的油管頻道，裡面有各大公司量化相關面試題目分享及詳細解答。
插播一條提醒，咱都知道隔壁IBD招人招的早，不少同學在前兩個月就收到了2026 Summer offer；但目前，Quant賽道也捲起來了！
不少大廠都開放了2026summer的申請連結，WST已經整理好了全球2025&2026量化崗位申請list，同學們可以對照著表格進行篩選及投遞，需要完整版的聯絡小助手回覆【量化】即可~
想知道買方和賣方Quant&看重的到底是什麼能力？面試流程？問題積累？思維訓練？臨場表現？Quant的recruiting該如何準備？Desk quant, quant researcher, strategist等行業內部職位都是做什麼的？有什麼優缺點？想知道業內有什麼有趣的故事？
WST導師在直播系列課中以面試官的視角解讀Quant招聘市場形勢、分析AI對於Quant的影響等乾貨內容，想要聽回放的同學可以掃描文末小助手二維碼，回覆【量化回放】領取~
不經過正規化和魔鬼式的訓練，何談年薪百萬？
備戰2026求職季
報名VIP專案，掃描下方二維碼
聯絡WST團隊諮詢專案~~
宣告：所有學員斬獲的高薪崗位實習/全職offer，均是透過WST的求職專案達到自身實力過硬，符合公司錄用標準的前提下透過官方校招渠道，自行申請所獲得。
▼點選這裡，更多求職資訊盡在WST