金融学

足够自己核一个数字的代码 —— SQL 加一点 Python。这是这个专业给你的东西,和除柜台之外每一条路要求的东西之间,最大的缺口。

一个用真实脏数据、有截止日期、有读者的模型 —— 实习,或者用真实公司数据的竞赛。课程模型有标准答案;市场没有。

每学期完整读几份年报,从头到尾。摘要是有的;你在练的是「它漏了什么」的直觉。

模型从来不是产品;假设、以及为假设辩护的那个人才是。变化的是学徒期:过去养着一年级分析师、让他们练出判断力的收集和摘要工作正在被自动化,所以每个一年级席位都期待你已经会思考。这个专业耐久的部分 —— 为风险定价、看清风险落在谁身上、读出报表没说的 —— 完好无损,而且能很好地迁移到前台之外。要计划比上一代更快够到判断类工作,并补上足够自己核一个数字的代码。

取决于哪扇门。中国的券商研究和投行在事实上期待目标院校的研究生学历;银行校招和大多数企业财务、风控岗位不要求。CFA 能表明你认真、也教你行话,但这一页上没有一条路在入门时必须有它,而一级要花一年的晚上 —— 这些时间也可以用来做备忘录和补代码。先定路,再查那扇具体的门到底要什么 —— 很多人花两年考了一张那扇门并不需要的证。

金融通向本站上暴露度差异很大的几个职业 —— 分析师处在中段,网点银行高得多。这些岗位里在自动化的是「搜集与总结」,也就是入门工作。这个学位仍然是迁移性较好的一个;问题在于你从它的哪条路进入。

它更像一个招聘通道,而不是知识升级 —— 而这是一个正当的理由:有些雇主几乎只从少数几个项目里招人。用「招聘名单」来判断它,不是用课程表。如果目标雇主你不读也够得着,那几年和那笔学费就很难说得通。

一个你自己搭的模型,并且能在有人不同意时为其中的假设辩护。结构与假设是本站标为「由人主导」的那一半,公式与对齐是被压缩的那一半。一份干净的表格证明的是错的那件事。