Prev Systematic Options Trader@ Citadel Securities

并不一定。买方和卖方对机器学习人才的需求都在快速增长，很多机构已经搭建了集中化的AI团队，同时既能写生产级代码又懂交易逻辑的hybrid型人才，正在比纯quant或纯engineer更快拿到offer。建议别把ML当“加分项”孤立学，而是整合进现有研究流程，用能落地生产环境的项目证明能力。另一方面，如果不是打算在一条路走到黑，往往把自己的长板补得更长更重要。真正稀缺的通常不是“又会一点ML的quant”，而是在某个具体领域深到没人能轻易替代的人。判断标准很简单：如果ML能直接放大你已有的优势（比如用它去改进一个你本来就很懂的execution或pricing模型），值得投入；如果只是为了补一个自己完全不熟、工作里也用不上的新方向，投入产出比往往不高，还不如把已经领先的部分继续拉开差距。

Buy-side quant研究岗位本身体量很小，候选人来源里有相当一部分其实是已经在sell-side工作、试图转向buy-side的人。所以如果应届就能拿到buy-side offer当然优先；如果暂时拿不到，sell-side做2-3年攒案例再横跳，是完全正常且被广泛采用的路径，不是“绕远路”。但desk要挑对：偏e-trading、structuring、quant risk这类跟市场microstructure贴得近的desk，是相对顺畅的跳板；纯衍生品pricing或者偏sales的岗位，转型时反而要多花力气证明自己的independent thinking。这条路也是越往后走越难走——工作5年以上再横跳buy-side，会被拿去跟同资历的buy-side track record候选人直接比较，comp和level都可能被reset，所以真想走这条路，最好在头2-3年就把跳板搭好，别拖到中后期才开始考虑。

先看清楚这个模式的真实代价：Millennium的中位数tenure只有2.3年，Point72是1.8年，Balyasny和Citadel在2-3年区间，这不是异常流失率，而是“capital跟着赢家走、策略不赚钱pod就被砍”的设计本身。签之前多问一句：book size怎么定、被cut之后是否还有机会留在其他pod，别只盯着头两年的guarantee。更重要的一步是：签之前一定要找机会跟未来的直属manager/PM单独聊一次。在platform HF这种结构里，你的日常体验、成长速度、乃至被cut的概率，几乎完全由这一个人决定——本质上你不是加入一家公司，而是加入这个PM的“小公司”。可以问：这个pod过去几年的capital allocation趋势是在放大还是收缩、PM带过的junior有没有成功晋升甚至独立pod化的先例、这个人的管理风格是放权还是micromanage。这些信息比offer letter上任何一条条款都更能预判你接下来2年会过成什么样。

不一定。因为QR和QR的工作内容差距巨大。有的QR可能是在给Fundamental PM做一些data cleaning & mining的活，有的QR则是在做高频预测毫秒级别的市场。行业门槛正在从“学历”转向“你写过什么、验证过什么”。不过细分领域有差异：偏纯alpha research的传统对冲基金里PhD仍然常见，但execution、market making、portfolio construction这类岗位往往更看重扎实的coding能力。如果决定不读PhD，得用别的方式补research judgement这块——高质量的personal project、能讲清楚假设和验证过程的写作、或者在现有工作里主动拿一段独立的research idea跑完整个流程，都比学历本身更能证明“你能不能独立做判断”。反过来，如果目标岗位更看重execution speed而不是idea generation，PhD背景有时反而会被质疑fit，面试官会更想确认你愿不愿意做偏工程的脏活。