金融分析师 — 这职业到底是干啥的
金融分析师是「AI 在传统行业渗透最深 + 薪资最猛」的赛道之一。68 条样本中位 30k，量化研究员 pivot 16 条 / 数据科学 6 条。p75 55k 在传统行业里属于顶档。
金融分析师 — 这职业到底是干啥的
金融分析师 + AI 的关系，像**「看盘师 → 量化交易员」的演化**：
- 1990 年代：看盘师盯交易屏 + 凭直觉判断买卖点
- 2010 年代：量化交易员用 Python 跑因子模型 + 几毫秒内自动下单
- 2024 年后：AI 量化 — 用大模型读研报 / 财报 + ML 因子挖掘 + 高频策略 — 量化研究员变成「金融 + 算法」双背景人
金融是传统行业里 AI 渗透最深的 — 不是「未来会渗透」，是「现在就是这样」。量化对冲基金、券商自营、互金风控、AI 投顾，都在抢「金融 + Python」的人。
金融分析师做什么（具体）
传统 4 项主业：
- 建模 + 估值 + 投资分析
- 财报 / 研报阅读 + 行业研究
- 风控 + 反欺诈 + 信用建模
- 量化策略开发 + 回测 / 调优
AI 增强版的金融分析师，新增 4 个方向：
- 量化研究员 / 量化算法（私募 + 头部券商自营）
- AI 投研工具（用大模型读研报 / 财报，生成研究报告）
- AI 风控 + 反欺诈建模（银行 + 互联网金融）
- AI 投顾产品（券商 + 财富管理 + 智能投顾 SaaS）
三套硬核能力
1. Python + SQL + 统计学（硬底）。这条线不像其他职业「学一下 Python 就够了」。金融 + AI 这条线对 Python 要求接近 AI 工程师 — pandas / numpy / scipy / scikit-learn + SQL 复杂查询 + 统计学（线性回归 / 时序分析 / 假设检验）。这一关 6-12 个月。
2. 金融领域知识（必备）。CFA / FRM 持证、看得懂财报、理解市场微观结构、知道因子构造 / 风控指标。这是金融分析师在 AI 时代最大的差异化 — 纯算法工程师不会这套。
3. ML 建模（量化方向必学）。XGBoost / LightGBM / 神经网络 + 时序模型 + 强化学习（高频策略）。这一关把你和「只会数据分析的人」区分开。
金融分析师转 AI 的真实数据
agent-hunt 抓到 68 条金融 + AI 岗位样本：
| 指标 | 数据 |
|---|---|
| 样本量 | 68 条 |
| 中位月薪 | 30k（p25 19k / p75 55k，样本 52 条） |
| 顶尖样本 | max 98.7k（顶尖量化研究员） |
| 中位经验要求 | 3 年 |
| 学历分布 | 硕士 + 本科为主，CS / Engineering / Finance / STEM 都有 |
| 头部公司 | 头部券商 / 量化私募 / 互金风控 / 海外投行 |
| 顶级行业 | finance（39）、internet（22） |
pivot targets 非常清晰：
| 目标 AI 角色 | 已招金融背景样本数 |
|---|---|
| 算法工程师 / 研究员（domestic） | 16 |
| 数据分析 / 数据科学（domestic） | 6 |
| Engineering Leadership（international） | 3 |
| ML Scientist / Researcher（international） | 2 |
| AI 管理 / 战略（domestic） | 1 |
算法工程师是金融分析师最大 pivot 目标 — 16 条样本反映「金融背景 + ML 训练能力」是国内大模型公司 / 量化私募抢着要的组合。
sample titles：「Venture Growth Investment Analyst」「Financial LLM Training Specialist」「Director, Thought Leadership and Industry Insights」「Senior Vice President of Digital Transformation」 — 既有纯量化岗，也有「金融 + LLM 训练」「金融 + AI 战略」混合岗。
怎么开始
第一步：吃透 Python + SQL + 统计。这一关不过别想转 AI 金融。至少 6-12 个月扎实学习，不是「看个 Coursera 就行」。Kaggle 金融类比赛打到前 20% 是简历亮点。
第二步：做 1-2 个量化策略 / AI 投研项目。比如用 LSTM 预测股价 / 用大模型读研报生成观点 / 用 XGBoost 做反欺诈分类。GitHub 上发出来 + 写技术博客解释。
第三步：target 4 类公司：
| 优先级 | 公司类型 | 推荐岗位 |
|---|---|---|
| ⭐⭐⭐ | 头部量化私募 | 量化研究员 / 量化算法（高门槛但薪资顶档） |
| ⭐⭐⭐ | 头部券商自营 / 资管 | AI 投研 / 量化研究员 / AI 风控 |
| ⭐⭐ | 银行 / 互联网金融 | AI 风控 / 反欺诈建模 / AI 信审 |
| ⭐ | 财富 / 投顾 SaaS（蚂蚁 / 同花顺） | AI 投顾产品 |
第四步：CFA / FRM 持证 + Kaggle 排名是简历差异化。金融 + AI 这条线竞争激烈 — 单纯「会 Python 的金融人」一堆，差异化在「CFA + Python + 真实项目」三件套。
不适合谁
1. 纯销售型金融岗（理财顾问 / 客户经理）、对编程抵触的人。AI 在金融的所有入口都强 Python + 数据，纯客户关系经验在 AI 金融岗不加分。
2. 想 6 个月快速转岗的人。这条线至少需要 12-18 个月真实投入 — Python + ML 基础 + 项目 + 持证。急的话建议看 销售（金融 ToB 销售可以直接转 AI 销售）。
3. 没有数学 / 统计底子的人。这条线绕不开统计学 + 概率 — 看到回归方程 / 假设检验头疼的人，建议看 AI 产品经理 那条线。
量化研究员 vs AI 投研 vs AI 风控（金融 + AI 三大子方向对比）
| 方向 | 量化研究员 | AI 投研 | AI 风控 |
|---|---|---|---|
| 核心动作 | 因子挖掘 + 策略回测 + 实盘 | 大模型读研报 + 生成观点 | 反欺诈 + 信用 + 反洗钱建模 |
| 学历 | 硕博 + 数学 / 物理底子 | 硕博 + 金融底子 | 硕士 + Engineering / Stats |
| 公司 | 头部量化私募 / 券商自营 | 头部券商 / 财富管理公司 | 银行 / 互金 / 风控 SaaS |
| 中位月薪 | 国内顶档 50-100k | 25-50k | 25-45k |
| 上手难度 | 极高（统计 + 数学 + Python 三高） | 中（金融领域 + LLM 应用） | 中（数据 + ML 建模） |
下一步
- 想看金融分析师完整 AI 转型 + 5 个 pivot targets → 金融分析师职业页
- 想看「算法工程师」（金融分析师最大 pivot 目标）→ 算法工程师 Lv2 篇
- Lv3 转岗具体路径 → 金融 → 量化研究员（待写）