¿Cuáles son los pros y los contras de una carrera en finanzas cuantitativas en comparación con una carrera en ciencia de datos para personas con antecedentes en física / matemáticas?

Estoy en cantidad con un fondo de física, pero les digo a mis amigos que hagan la misma pregunta para buscar en otro lado. A pesar de que me ha ido bastante bien y tengo un buen sueldo, realmente, en retrospectiva, me fui e hice algo diferente. Mis razonamientos

  • Tienes muy poca seguridad laboral. En los bancos, los quants a menudo trabajan con el tipo de negocio que puede descartarse por completo (estructuración, derivados, escritorios de prop alpha, etc., busque RBS y Barclays para los principales reductores recientes). Los fondos de cobertura medianos a menudo tienen un par de clientes tan grandes que si se retiran tendrán que despedir a un montón de personas y algunos de ellos explotarán. Las empresas HFT parecen ser robustas en este momento, pero todo lo que necesita es un poco de regulación del mercado para aparecer y muy bien podrían ver un éxodo. Un grupo de personas que conozco en el negocio, algunas más inteligentes y otras más estúpidas que yo, han sido despedidas. Algunos de los despidos han sido muy arbitrarios (y otros menos). Incluso si hace que su empresa sea muy costosa, en finanzas odia absolutamente las palabras “Oye, ¿puedo hablar contigo” pronunciadas por tu jefe, porque nunca sabes si simplemente han decidido despedir a todos en tu piso o algo así? .
  • En relación con el punto anterior, en finanzas no aprendes nada que puedas transportar a otro campo. En la mayoría de los roles financieros, realmente eres un traje que empuja pedazos de papel. Como científico de datos, tiene un espectro mucho más amplio de puestos de trabajo / lugares empresariales a los que puede transferirse si se aburre de lo que hace actualmente porque también tiene un conocimiento tecnológico necesario en otros lugares.
  • En muchos casos en finanzas tienes que trabajar con imbéciles absolutos. Por lo general, son trajes vacíos que no son personas particularmente brillantes o interesantes. Básicamente no tengo “amigos del trabajo” a pesar de que soy una persona extremadamente social fuera del trabajo. Lea la transmisión de Twitter “chismes de elevadores de Goldman Sachs” si desea conocer el arquetipo que las personas en este negocio intentan cumplir.

Y recuerde, cuando entré en este negocio estaba mucho menos concurrido de lo que está ahora.

Las ventajas de trabajar como cuantitativo son las siguientes:

1. Más dinero

2. Más opciones de carrera más tarde

3. Comentarios y resultados más rápidos. En matemáticas y ciencias, a veces solo conoces los resultados después de mucho tiempo. Sin embargo, en el comercio cuantitativo, los resultados se conocen con bastante rapidez. Su comercio funcionó o no funcionó.

Los contras son:

1. Más estresante. A menudo se trata de mucho dinero y perder mucho dinero en poco tiempo puede ser muy estresante.

2. Menos estabilidad laboral. Los fondos pueden explotar y el mal desempeño hará que lo despidan con bastante rapidez.

3. La idea de que su tiempo y esfuerzo podrían haber sido utilizados para avanzar en las ciencias y las matemáticas.

No creo que pro / con sea una buena forma de pensar sobre esto. Vas a gastar mucho esfuerzo para conseguir un trabajo en cualquier campo, y si consigues un trabajo deberías agradecer a tus estrellas de la suerte.

Una cosa acerca de estos dos campos es que no hay razón para no cambiar. Además, nadie sabe cómo será el mundo en 20 años, así que creo que no es una buena idea decidir cómo se desarrollarán estos dos campos,

la ciencia de datos es más prometedora hoy que las finanzas cuantificadas

pero si eres realmente bueno en ambos, ambos pueden hacerte una vida de recuperación

More Interesting

¿A qué proyectos de código abierto relacionados con la ciencia de datos podría contribuir como programador novato?

Acabo de obtener un trabajo de desarrollador QlikView, ¿puedo considerar que estoy en una carrera de ciencia de datos?

¿Cómo mejorar mis habilidades de depuración en el aprendizaje automático? A menudo me resulta difícil entender por qué un modelo se comporta de cierta manera. ¿Cómo depuran rápidamente los grandes científicos de datos?

¿Cuáles son los efectos negativos de los grandes datos?

¿Entrar en Big Data es una buena opción ahora?

¿Cuáles son las últimas tendencias en ciencia de datos?

¿Qué carrera debería intentar, ciencia de datos o aprendizaje automático?

¿Cuál es la diferencia entre el almacenamiento de datos, la minería de datos y el análisis de datos?

¿Qué sigue después de Big Data?

¿Cuál es el siguiente paso después de descargar un conjunto de datos sobre regresión?

¿Cómo se puede utilizar la asignación al azar para evaluar la independencia de las variables?

¿Qué tipos de datos utilizan los informáticos para encontrar mejores valores de números irracionales como pi?

¿Existe una relación entre la compresión de datos y la optimización del código?

¿Cuáles son las principales herramientas de ciencia de datos utilizadas por las organizaciones líderes?

¿Sería posible seleccionar un gran asteroide de hielo (fuera del cinturón de asteroides) y propulsarlo hacia Marte, creando así una atmósfera acuosa?