北大數(shù)院哪個(gè)專業(yè)適合做量化？一起來看！

最近跟一些人聊到北大數(shù)院的專業(yè)設(shè)置，發(fā)現(xiàn)這幾年似乎跟我那個(gè)時(shí)候有點(diǎn)變化。我上官網(wǎng)查了一下，大概有這么幾個(gè)專業(yè)：

目測(cè)統(tǒng)計(jì)類的有3個(gè)：統(tǒng)計(jì)學(xué)、應(yīng)用統(tǒng)計(jì)學(xué)（生物統(tǒng)計(jì)）、數(shù)據(jù)科學(xué)與大數(shù)據(jù)。
值得注意的是沒有專門的“應(yīng)用數(shù)學(xué)”。
進(jìn)入到數(shù)學(xué)與應(yīng)用數(shù)學(xué)里面，包括兩個(gè)方向：基礎(chǔ)數(shù)學(xué)和金融數(shù)學(xué)。
里面也沒有應(yīng)用數(shù)學(xué)的方向，只有金融數(shù)學(xué)。之前有人跟我說到北大應(yīng)用數(shù)學(xué)第一名，可能是前幾年有，也可能是瞎說的。因?yàn)闆]有這個(gè)方向。
另外就是信息與計(jì)算科學(xué)，這是一個(gè)專業(yè)，里面兩個(gè)方向：計(jì)算數(shù)學(xué)和信息科學(xué)。
每個(gè)專業(yè)都有自己的側(cè)重點(diǎn)。統(tǒng)計(jì)的那3個(gè)可以簡(jiǎn)單理解為：理論統(tǒng)計(jì)、生物統(tǒng)計(jì)和大數(shù)據(jù)（類似在互聯(lián)網(wǎng)做統(tǒng)計(jì)）。
如果畢業(yè)了想做量化交易，最對(duì)口的當(dāng)然是金融數(shù)學(xué)，學(xué)的東西直接相關(guān)。

學(xué)姐可以把當(dāng)時(shí)上岸的備考規(guī)劃給你。少走1個(gè)月的彎路，同時(shí)我把備考的資料分享給大家，都是課程的內(nèi)部資料，大家需要的可以戳下面卡片領(lǐng)取↓↓↓ 美國(guó)也有一些大學(xué)開設(shè)金融數(shù)學(xué)項(xiàng)目，一般是碩士。很多老師在業(yè)界都有工作經(jīng)驗(yàn)，甚至還是在職的，因此他們白天上班，晚上過來講課賺點(diǎn)外快，因此這類項(xiàng)目很多晚上才上課。白天可以去實(shí)習(xí)、找工作。
如果想畢業(yè)去美國(guó)讀金融數(shù)學(xué)、金融工程的碩士，那么本科讀金融數(shù)學(xué)應(yīng)該是最對(duì)口的。但美國(guó)金融數(shù)學(xué)、金融工程極少博士，而很長(zhǎng)時(shí)間人們認(rèn)為美國(guó)量化就業(yè)博士比碩士吃香，所以想去美國(guó)找量化交易的工作，可能讀博士比碩士好，這時(shí)候本科讀金融數(shù)學(xué)未必最好。
很多北美做量化的中國(guó)人讀的是統(tǒng)計(jì)、運(yùn)籌、管理科學(xué)與工程、數(shù)學(xué)、計(jì)算數(shù)學(xué)、應(yīng)用數(shù)學(xué)的博士，那么他們本科也大概率讀對(duì)應(yīng)的專業(yè)，反而不會(huì)讀金融數(shù)學(xué)。北大沒有應(yīng)用數(shù)學(xué)本科，那么一般是計(jì)算數(shù)學(xué)、基礎(chǔ)數(shù)學(xué)的人申請(qǐng)美國(guó)應(yīng)用數(shù)學(xué)的博士。
信息科學(xué)其實(shí)本質(zhì)上跟計(jì)算機(jī)科學(xué)與技術(shù)很像，只是國(guó)內(nèi)就業(yè)的時(shí)候，很多HR卡專業(yè)卡死“計(jì)算機(jī)”這3個(gè)字，導(dǎo)致信息科學(xué)的人很難申請(qǐng)這類工作。申請(qǐng)美國(guó)碩士的時(shí)候，如果申請(qǐng)Computer Science，那么人家也可能卡死本科也要Computer Science，這樣又被排除掉。所以這個(gè)專業(yè)比較尷尬。當(dāng)熱，如果申請(qǐng)博士，對(duì)方一般看研究經(jīng)驗(yàn)，反而不會(huì)卡專業(yè)的名稱。北大數(shù)院每年好幾個(gè)去麻省理工EECS，估計(jì)都是信息科學(xué)的居多。
北大計(jì)算數(shù)學(xué)專業(yè)很多申請(qǐng)到斯坦福ICME的，很多實(shí)習(xí)、畢業(yè)也會(huì)做量化。其實(shí)我覺得數(shù)值計(jì)算跟機(jī)器學(xué)習(xí)還比較接近，因?yàn)闄C(jī)器學(xué)習(xí)最終還是要求解優(yōu)化問題數(shù)值解，這就需要數(shù)值計(jì)算，包括數(shù)值線性代數(shù)、數(shù)值優(yōu)化等，如果是期權(quán)定價(jià)可能還要數(shù)值偏微分方程，這些跟計(jì)算數(shù)學(xué)的關(guān)系比較大。
其實(shí)我也不大明白為何弄那么多統(tǒng)計(jì)類專業(yè)，美國(guó)Data Scientist就業(yè)也不是很樂觀，據(jù)說在谷歌發(fā)展也不是很好，畢竟那是碼農(nóng)的天下，在谷歌的Quantitative Analyst和Data Scientist似乎都不是太核心的員工。當(dāng)然，在量化交易公司這些是核心的。說實(shí)話，我覺得在互聯(lián)網(wǎng)公司，與其做Data anlyst/scientist/engineer，不如做product manager，其實(shí)也需要數(shù)據(jù)分析的能力，比如分析競(jìng)品哪個(gè)好，做A/B Test等，發(fā)展路徑比純技術(shù)的數(shù)據(jù)分析要好。