金融科技（FinTech）的风口下，想进入核心岗位找到自己的机会，在这个风口中起飞，却不懂数据和编程？你正在失去机会……
1. 金融行业中数据和python技能的重要性
金融行业天然要跟数据打交道，它基本是全世界各个行业中最依赖于数据的，而且也最容易实现数据的变现，越来越多传统投资银行正在开始逐步转型成为科技公司。
大数据在金融行业中已经不是一个多么新鲜的技术了，如今的FinTech中，基本就是大数据技术与人工智能技术，应用极其广泛，比如：
①风险定价：定价永远是金融市场中最核心的部分之一，绝大部分金融活动都涉及到风险和收益的平衡。大数据技术，可以让金融产品的颗粒度精确到每个人。
②信息优势：无论对于一级市场还是二级市场投资，拥有更早更多更准确的信息，会让投资人获得先发优势而最终转化为投资回报。大数据技术，正可以从庞大的数据中获得别人看不见的信息
③量化投资：可以从大量数据中，利用科学的方法认识市场波动，通过实证方法验证投资假设，有效控制风险暴露，提高投资效率。
凡此种种，不胜枚举。
需要频繁处理大量数据的岗位，就必然需要借助得心应手的工具，这样可以让工作效率大大提高。虽然数据科学领域中有大量语言和工具可供选择，但多家引领行业的Top Tier公司们却不约而同的用上了Python：
在JPMorgan、BoA等，不管是做CoreStrategist或中台后台，都是需要工作人员具备Python技能做数据处理。据英国《金融时报》报道，摩根大通分析师和员工中，有三分之一已经接受过Python编程培训。
高盛集团对全球2500名高盛夏季实习生进行调查， 当问到“你认为哪个语言在未来会更重要”时，在被调查的全球2500名80、90后优秀年轻人中，72%选了Python。
可以看到，Python所代表的数据科学分析能力和编程能力正成为年轻人乃至整个世界最看好的热门或者说必备技能。
我们也从各大招聘网站，摘录了一些金融行业核心热门职位的技能要求：
这类结合了金融、数理统计、编程能力的核心职位，受行业周期波动影响小，未来发展前景明朗，是一个让人想想就有点小激动的工作领域。
2. 目前大家普遍的差距，是挑战更是机会
然而，与市场需求极度不匹配的是，金融相关专业的人才虽然不少，但同时掌握数据分析技能的复合型人才却极度紧缺。
《中国人才招聘趋势报告》称数据分析人才最稀缺，供给指数最低。猎聘、智联招聘等多个网站对于数据分析岗位的人才需求每年以37.1%的速度激增，但基础性大数据分析人才缺口高达1400万，严重跟不上市场需求。
3. 数据分析=编程，晦涩难学？
大数据，量化，Fintech，Python，这些关键词在过去几年中热度不断提升，网络上各种资源也是层出不穷。但之前有不少同学跟我们反馈：
☆网上的很多课程对于非理工科背景，没有很好编程基础的小白来说，并不是很友好，大量晦涩难懂的专业术语、复杂高深的知识点罗列，实际的入门门槛并不低。
☆金融行业的Python学习，不同于以IT系统开发、运维等为目的的Python学习，我们并不需要达到程序员的水平，更需要关注的是金融数据的处理分析方法，而不是大而全的Python知识以及针对程序员的题海战术。
☆仅仅是编程知识点学习，学完之后，依然不知道在金融行业中应该怎么应用，我们真正更加需要的是，掌握如何通过Python来处理金融数据，来实现技术分析，来进行量化投资策略回测等实际操作，要进行这些，金融业务的逻辑也是我们必须要了解的，而大多课程中并不涉及。
☆在传统的、非项目制的编程语言学习之后，简历中也只能单薄地写上“熟悉python”这一句，没有实战项目经历支撑，说服力和竞争力都并不足够。
4、学习金融行业数据分析技能的正确姿势
目标金融行业核心岗位，真正有效的学习方式，还是核心技能+实战。
以未明学院往期一位金融专业学员为例，其完成的《业绩预告效应及影响因子研究》项目经历，就完整地体现出其在数据获取、数据处理、数据分析、金融基础、工具使用等各方面的能力。
数据获取能力：数据是现在几乎所有金融类项目的支撑，所以多渠道的数据获取能力非常关键。该项目可以反映出该同学良好的数据获取能力。
金融基础：通过金融量化项目，可以表现自己坚实的金融基础，对金融市场，Markowitz，CAPM，有效市场等等基础知识有所应用，让招生官或HR了解自己与专业的匹配度。
数学基础：描述统计和推论统计分析是金融/金工等专业的重要基础，利用量化项目可以很直观地展示出自己在这些领域的能力。
数据处理能力：金融实践离不开数据处理能力，对异常值、重复值、缺失值等的熟练处理，都可以通过项目经历来表现。
数据分析能力：面对大量数据，能从数据中发现规律和趋势，是招生官和HR都极为看重的能力，而通过项目实战，这一能力亦可展示出来。
工具使用：能熟练使用分析工具是定量研究的核心能力之一，项目过程中所使用的统计软件及可视化工具等，也能作为重点在简历中提及。
最后，该同学也凭借这段经历，成功拿到了兴业证券的全职offer。
以金融为基础，数学和编程为手段，进行实际量化项目操作呈现相关报告，这样的经历将会成为整个简历的亮点。我们往届学员的经历，都在不断重复证明着这一点。
01
中山大学 信息管理与信息系统
研究生offer：哥伦比亚大学金融工程
量化项目经历：员工持股计划（ESOP）事件驱动策略研究
◆梳理ESOP的主要流程及相关信息披露规定；
◆通过金融终端收集历年（-）ESOP事件相关数据，按年份、申万行业、所属板块、公司属性等多个角度，对数据进行分类统计和可视化展示；
◆对ESOP事件的股价效应进行统计分析，从不同类别角度，详细分析由此产生的投资机会，并撰写研究报告。
02
华东师范大学 金融学
实习offer：申万宏源证券固收总部
量化项目经历：多因子研究系列之成长类因子测试
◆通过Wind终端提取因子测试所需的个股基本面、行情序列数据，以及市场指数数据；
◆运用Python等软件工具，将ST股票、上市不满1年的股票、以及无法交易的股票数据进行剔除；对基本面和行情数据进行去极值、标准化、滞后匹配等数据处理；
◆从收益率分析、IC分析及换手率，分别测试成长类因子在A 股整体、不同市场阶段以及不同风格/行业/成分股选股的有效性；
◆参与报告撰写。
03
四川大学 经济学
全职offer：工行总部数据中心
量化项目经历：基于回归模型的行业轮动策略研究
◆选取28个申万一级行业中除国防军工和综合之外的行业，构建六大板块，使用choice金融终端进行数据采集，并进行数据清洗；
◆对周频对数收益率序列进行去极值、中心化、标准化等预处理操作，提升回归效果；
◆使用主成分回归法，利用六大板块当期收益率序列对各板块下期收益率序列做回归，构建定价方程，并对每个截面生成下一期各行业收益率预测值，指导最终配置。
