先聊一下量化相关的一些岗位。
我一直觉得国内很多量化交易相关的岗位职责划分挺乱的，至少我所在的城市的机构是这样的。乱到这些机构每个搞量化的，似乎都是一些所谓的全栈量化工程师。人人都是全栈的话，这个高效率社会还如何快速协同运转呢。所以，我试着将我理解的一个合理有序，一个健康有效的量化交易金融机构，往往会采用哪些分类架构，一一陈述给大家。

国内的量化交易岗位，一般集中在私募基金（对冲基金）、公募基金（有点类似国外的共同基金）、券商，还有一些少量岗位在金融软件公司。
第一类岗位，偏分析研究，以策略工程师为代表。这类岗位偏向量化模型的本体初因研究，就是那些研究什么因子，机器学习赚钱的这些事儿，本质上来说，也就是在研究，究竟什么样的策略能赚钱。在我看来，他们更多的类似研究先有蛋，还是先有鸡的问题。研究过程往往是透过一系列统计罗列出的数据，可视化程序，报表，或者某某金工所公开或私密的研报之类的来形成的。
另一类岗位，偏架构实现。这里就以交易系统开发工程师，数据工程师为代表了，这类岗位，一般以实现量化策略所需功能为己任，比如数据工程师，他的职责就是为策略工程师开发的各种量化交易模型，以传统的交易所价量数据，财报数据为例，他们需要准备好所需要的数据来源，做好数据获取、清洗、存储等，总的来说就是保障数据质量，与访问速度、便捷性等等。某些特别机构要求数据独立可控的话，还会要求写好数据api接口等等。
而交易系统开发工程师，他们的目标己任，就是将所有的理论研究，透过他们有热情而又富有层次的代码而实现。这里的工程师，至少你得懂金融基础知识吧，知道交易所报价规则吧，知道怎么剔除科创板吧，另外对金融时间序列数据的处理能力你得有吧，还有至少得会主流的一些优化交易算法吧。等等等等。
当然越大的机构，这些岗位的职业就分得越精细。
好像有点跑题，不过为什么先讲这些量化交易岗位类型分类。
对于怀揣着金融量化工程梦想的你来说，只有了解好对应打算进入的机构，打算选择岗位未来发展之后，才能更准确的选择好实习的岗位，学习到对未来有用的知识。
上面这些类岗位，一般对学历的要求不高，本科以上学历即可，主要是工作经验，一般的机构都会要求一年以上工作经验，这就又回到找工作，工作单位要求工作经验，但我没有工作经验，如何进你们单位的老问题上了。