！
论“钱途”，除了自己做老板，量化可以说是无可匹敌，靠打工赚下一个小目标都不是梦！那么，量化巨头Jane Street最喜欢哪些院校的毕业生呢？今天，我们就来看看根据LinkedIn数据统计做出的结果吧！
No. 10
University of Pennsylvania
图片来源：学校官网
交易/研究员工数量：20人
技术/产品员工数量：22人
其他岗位员工数量：9人
现任员工总数量：51人
曾任职员工数量：79人
一提到宾大，大家最先想到的通常是沃顿商学院，以及投资银行、咨询、私募股权这些更传统的金融职业。不过，宾大的优势并不只是商业教育，而是它能让学生把金融直觉、统计分析和计算机技术真正组合起来。
沃顿本科生可以系统学习金融、统计、数据科学和商业分析，工程学院的学生则可以接触计算机科学、人工智能、算法和系统课程。由于宾大不同学院之间的选课相对灵活，学生完全可以主修计算机科学，同时辅修统计或金融；也可以在沃顿学习资产定价、投资管理和衍生品，再到工程学院补足Python、机器学习和数据结构。沃顿统计与数据科学系提供概率论、回归分析、预测建模和大规模数据分析等课程，这些内容与量化研究员的日常工作非常接近。
宾大近年来也进一步加强了量化金融资源，包括面向资产定价、风险管理、算法交易、机器学习和金融数据分析的课程与项目。Jacobs Levy Center for Quantitative Financial Research会推动量化投资领域的学术研究，并举办讲座、研究活动和行业交流。
No. 9
Columbia University
图片来源：学校官网
交易/研究员工数量：22人
技术/产品员工数量：23人
其他岗位员工数量：7人
现任员工总数量：52人
曾任职员工数量：61人
哥大本身就位于纽约，距离华尔街和大量对冲基金、做市商、交易所及金融科技公司都很近，学生在校期间接触量化行业的机会远多于普通大学。很多课程的授课教师、讲座嘉宾和项目合作方本身就来自金融机构，学生不会等到毕业后才第一次听说交易成本、订单簿、市场冲击和模型风险。
哥大最直接的量化项目之一，是工程学院工业工程与运筹学系开设的金融工程硕士。这个项目将随机过程、优化、统计推断、机器学习、数值计算、金融市场和编程放在同一套课程结构里。学生可能学习衍生品定价、风险管理、随机控制、金融数据科学、算法交易、投资组合优化和市场微观结构。
除了金融工程，哥大数学系还有数学金融项目，商学院也提供金融经济学、量化投资和数据分析相关课程。计算机科学学院的机器学习、算法、自然语言处理和分布式系统课程，则为希望进入量化开发或研究工程岗位的学生提供更深的技术训练。学生还可以参加量化金融社团、数据竞赛、投资研究项目和行业讲座，提前接触Python、C++、时间序列分析及回测框架。
No. 8
University of Waterloo
图片来源：学校官网
交易/研究员工数量：10人
技术/产品员工数量：50人
其他岗位员工数量：0人
现任员工总数量：60人
曾任职员工数量：146人
滑铁卢大学是前十名中唯一一所加拿大大学，也是人员结构最有辨识度的学校。来自滑铁卢的60名Jane Street现任员工中，足足有50人从事技术或产品岗位，交易与研究人员只有10人，而且没有被归入其他岗位的员工。
滑铁卢拥有北美最知名的带薪实习体系之一，许多学生在完成本科之前，就已经轮换过数段Co-op工作，可能去过大型科技公司、银行、金融科技企业或初创公司。学校的数学学院规模庞大，提供计算机科学、组合数学与优化、统计、数学金融、精算和计算数学等方向。数学金融专业会涉及概率论、随机过程、统计推断、数值方法、金融风险和资产定价；Computing and Financial Management则把计算机科学、金融和会计结合起来，让学生既能完成技术课程，也能理解金融机构的运行方式。研究生层面的Quantitative Finance项目还会深入讲授随机微积分、计量经济学、机器学习、金融模型和风险管理。
此外，滑铁卢拥有浓厚的数学竞赛和编程竞赛文化，学生习惯在时间限制下拆解陌生问题。量化的面试经常围绕概率、逻辑和开放式推理展开，不要求候选人提前背诵大量金融知识。对这类面试来说，滑铁卢培养出的解题能力非常占优势。
No. 7
Princeton University
图片来源：学校官网
交易/研究员工数量：38人
技术/产品员工数量：24人
其他岗位员工数量：3人
现任员工总数量：65人
曾任职员工数量：69人
普林斯顿大学只有相对有限的本科生和研究生规模，却能在Jane Street拥有65名现任员工。按照学校体量计算，普林斯顿的含金量比目前排名要更高，它最吸引量化公司的地方，是学校拥有一条非常完整、也非常对口的训练路径——Operations Research and Financial Engineering，
ORFE学生会学习线性优化、非线性优化、凸优化、概率论、随机微积分、统计推断、时间序列和数据科学。普林斯顿还有Bendheim Center for Finance，为学生提供数学金融、资产定价、金融计量、货币经济学和风险管理方面的课程与研究资源。Center for Statistics and Machine Learning则连接统计、计算机科学、工程和经济学，学生可以参加机器学习讲座、跨学科研究项目及相关证书课程。
No. 6
Stanford University
图片来源：学校官网
交易/研究员工数量：30人
技术/产品员工数量：32人
其他岗位员工数量：6人
现任员工总数量：68人
曾任职员工数量：142人
斯坦福大学既拥有强大的数学、统计和经济学研究，也拥有世界顶尖的计算机科学、人工智能与系统工程资源。学生完全可以一边学习概率、优化和资产定价，一边研究机器学习、算法或分布式系统。
斯坦福Management Science and Engineering中的量化金融方向，会训练学生使用概率模型、优化方法、统计分析和计算工具解决金融决策问题，相关课程可能涵盖投资科学、衍生品、随机模型、风险分析和金融市场。计算机科学系则提供机器学习、人工智能、算法设计、数据库和计算机系统课程，使学生不仅能够建立模型，还能把模型放进可以实际运行的技术环境中。
斯坦福的优势还来自它周围浓厚的技术与创业文化。学生经常接触新型数据库、人工智能工具、云计算和前沿软件框架，也更习惯把研究成果做成能被人使用的产品。
No. 5
Carnegie Mellon University
图片来源：学校官网
交易/研究员工数量：15人
技术/产品员工数量：56人
其他岗位员工数量：3人
现任员工总数量：74人
曾任职员工数量：97人
卡内基梅隆的特色更加集中在计算机科学、机器学习、软件工程以及计算金融的深度融合上。学校的Master of Science in Computational Finance是美国最成熟的计算金融项目之一，由Tepper商学院、数学科学系、统计与数据科学系和计算机科学相关资源共同支持。学生需要学习金融理论、随机微积分、概率统计、时间序列、金融数据科学和编程，还会完成较大型的团队项目。
CMU在机器学习领域的资源尤其突出，学生可以接触监督学习、无监督学习、强化学习、深度学习和概率图模型，也能学习算法、数据库和分布式系统。学校还通过职业服务、行业项目和校友网络帮助学生进入对冲基金、银行和金融科技公司。
No. 4
Harvard University
图片来源：学校官网
交易/研究员工数量：46人
技术/产品员工数量：19人
其他岗位员工数量：17人
现任员工总数量：82人
曾任职员工数量：188人
与MIT、普林斯顿或CMU不同，哈佛并没有一条量化金融专业流水线，但它拥有极其强大的数学、统计、应用数学、物理、经济学和计算机科学资源。
哈佛统计学课程强调概率、统计推断、回归、实验设计和复杂数据分析。应用数学学生则会接触优化、随机模型、微分方程和计算方法。计算机科学专业提供算法、机器学习、人工智能与系统课程，经济学学生能够学习计量经济学、博弈论和市场机制。
哈佛还开设过应用量化金融、金融机器学习和经济金融定量方法等课程，学生可以使用Python或R处理真实数据，研究投资组合、风险管理和量化策略，学校丰富的本科研究及博士研究资源也十分重要。
No. 3
University of Oxford
图片来源：学校官网
交易/研究员工数量：43人
技术/产品员工数量：32人
其他岗位员工数量：13人
现任员工总数量：88人
曾任职员工数量：128人
牛津的Tutorial教学制度也为学生提供了一种特殊训练，牛津学生最典型的特点，并不是记忆了多少复杂公式，而是习惯追问公式成立的条件。
牛津的Mathematical and Computational Finance硕士会系统讲授随机微积分、金融建模、数值方法、金融计算、统计学习和机器学习。学生需要理解布朗运动、随机微分方程、蒙特卡洛模拟和偏微分方程等工具，并学习它们在衍生品定价、风险管理和金融数据分析中的应用。
牛津数学金融研究组的研究方向还包括市场微观结构、高频金融、信用风险、系统性风险和计算方法，这些内容与量化做市商面临的问题高度相关。此外，牛津拥有数学、计算机科学、物理和工程等多条进入量化行业的路径，学生可以通过金融社团、编程项目、研究论文和行业活动补足实践经验。
No. 2
University of Cambridge
图片来源：学校官网
交易/研究员工数量：30人
技术/产品员工数量：49人
其他岗位员工数量：10人
现任员工总数量：89人
曾任职员工数量：152人
剑桥在理论计算机科学、算法、编程语言和数学逻辑方面拥有深厚积累，剑桥数学系著名的Mathematical Tripos课程以范围广、节奏快和难度高著称。学生会学习分析、代数、概率、统计、微分方程、数值分析、流体力学和理论物理。到了高年级或Part III阶段，他们可以进一步接触应用概率、马尔可夫链、随机过程、信息论、优化和金融数学。
剑桥的计算机科学学生则会学习算法、计算复杂性、机器学习、系统、编程语言和软件工程。学校的Judge商学院、经济学院和数学系也提供金融、计量经济学和数学金融课程，使希望进入量化研究的学生能够接触资产定价、风险分析和金融数据。学生还可以通过金融社团、编程竞赛、数学协会和行业讲座了解量化公司的招聘方式。
No. 1
Massachusetts Institute of Technology
图片来源：学校官网
交易/研究员工数量：61人
技术/产品员工数量：38人
其他岗位员工数量：5人
现任员工总数量：104人
曾任职员工数量：295人
MIT位居第一，原因并不难理解。量化公司寻找的是数学能力、概率直觉、编程水平和开放式解题能力兼具的人，而MIT的教学文化几乎就是围绕这些能力建立的。
MIT没有把金融、数学、计算机和工程严格隔离。数学专业学生可以学习概率论、随机过程、统计、组合数学和优化；计算机科学学生会接触算法、机器学习、人工智能、系统和编程语言；经济学与商学院学生则能够研究博弈论、市场设计、资产定价和金融工程。MIT Sloan的金融硕士项目还提供金融数学、金融工程、数据分析和计算金融课程。学生可以学习随机微积分、衍生品定价、投资组合理论、金融计量和机器学习，再使用Python等工具处理数据。
MIT的本科研究机会项目让学生较早参与教师研究，数学、人工智能、经济学和金融领域都有大量可以接触的项目。学校还有各类编程竞赛、数学竞赛、扑克与博弈活动以及金融科技社团，这些活动会训练学生在信息不完整的情况下快速决策。
写在最后
想要“钱途无量”，该往哪个方向拜，想必大家都清楚了吧！
