码农悄悄占领了华尔街

3月5日，高盛集团向全体3.6万名员工发布内部信，表示放宽员工着装要求。从此，这一老牌华尔街公司员工不用再每天西装革履示人。另一世界知名财团摩根大通也在一份内部备忘录里将商务休闲装纳入员工着装范畴，男士可以适当穿POLO衫、休闲裤，女士也可以偶尔穿连衣裙、高跟凉鞋。要知道高盛历来被称为white-shoe投资银行，传统上强调正式的商务着装，这就意味着华尔街的着装风格越来越接近硅谷。

事实上近年来，高盛和其他华尔街银行一直在与飞速发展的硅谷科技公司如谷歌、Facebook和亚马逊等争抢人才，人们思想里的华尔街规矩又多又无聊，而在硅谷，你可以穿拖鞋、坐懒人沙发，还能拿到价值数百万的期权。华尔街向硅谷的靠近可以看出编程人才正越来越成为金融机构的核心资产。

码农“占领”华尔街

当特斯拉股价在2018年Q3财报公布后逆市大涨时，不少投资者吃了一惊。大家没有猜到特斯拉可以实现盈利。

不过，在华尔街某个角落的办公室里，一些基金经理却并不感到意外。他们早就预判出特斯拉产量会大增，并且提前做了投资布局，而他们所使用的方法，却与以往华尔街的判断方法完全不同。特斯拉 CEO 马斯克一直强调自己的公司在加班加点生产，但特斯拉的工厂向来十分封闭，外界并无法确认这一信息。

于是，一家叫做 Thasos Group 的金融科技公司想出一个办法，他们在一张电子地图上围着特斯拉在东湾弗雷蒙特的工厂周围画了一个数码地理围栏，然后将GPS数据显示来自这个圈里的手机信号数据都单独圈了出来。对这些数据的分析让他们发现，今年6月到10月，特斯拉工厂的加班情况增长了30%。 Thasos 将这些数据和发现卖给华尔街的对冲基金们，他们据此加仓特斯拉，当特斯拉在财报后股价大涨10%时，这些金主只需要躺着数钱就行了。

人们都说数据对于未来人类社会，就是新的石油，它能驱动一切。而对于华尔街来说则更加直接，数据就是金钱。

金融行业，大家都在从大量的信息中寻找有价值的信息来构建自己的模型，如果可以比别人更快更准地做出判断，那么你就赢了。而互联网科技的发展，让越来越多以前无法收集的信息变成了可以分析的数据，同时，机器学习等人工智能技术，又让分析数据，从这些杂乱无章的信息中找到规律的能力变得无比强大。

不只是人们的手机数据，华尔街的金融机构们早已经开始尝试用AI分析社交网络数据、用自然语义处理的技术分析那些枯燥的财报，甚至从电话会议里各个上市公司高管的语气来判断公司的前景。

越来越多的金融机构在拥抱AI。这些机构的日常运作就变成了这样：

有经验的交易员和基金经理们选择出他们认为最重要的影响力因子，然后通过各种先进的数据收集方式得到这些因子对应的数据。之后，用机器学习模型来训练和提高这些因子的准确性，从而能得到更准确的预判。训练之后，这些模型会由同样是由机器运行的自动化交易系统里，对他们所持仓的股票作出买卖判断。如果这些模型对所投资的公司的某些数据的赌注“赌对了”，也就是比上市公司公开这些数据更早的判断对了这些数据的变化，那么他们就会赚钱。 而很显然，这里面更需要懂的机器学习等AI技术的人员，而传统的分析师等岗位注定受到冲击。

咨询公司 Opimas 的一份报告就指出，由于人工智能的发展，金融业现存的30万基金经理，分析师，后台员工等岗位，到2025年将减少9万个。与此同时，AI 专家们开始受到华尔街热捧，技术大牛们开始从硅谷流向华尔街。 给人满满的“硅谷入侵华尔街”的画面感。

摩根大通最近请来了卡内基梅隆大学机器学习系主任曼努埃拉·维罗索，来领导他们的人工智能研究实验室。华盛顿大学计算机系的知名教授佩德罗·多明戈斯，加入了华尔街对冲基金DE Shaw，负责他们新成立的机器学习部门。 对她们来说，这些科技人才一点金融知识都不需要懂，我看重的是技术，是AI 和数据分析的能力。他只需要对金融有一点感觉，就完美了

同时，花费在AI上的投入也不断增长。据彭博的一份数据，华尔街的金融机构如今在这些AI大牛身上的投入，一年可能就要达到100万美元。

高盛的首席技术官(COO)David Solomon透露，高盛内部有1/4的员工为程序员，Solomon有可能成为下一任高盛CEO。他表示，为了保住业内地位，并且维持创新的环境，(高盛)投资投入很大。高盛员工中，程序员有9000人，其员工总数为3.6万人。

金融行业的变迁，在华尔街第一投行，高盛的员工构成上体现得非常清楚，在15-20年前，高盛有500个交易员做市(making markets)，现在他们只有3个。高盛前CEO劳尔德·贝兰克梵甚至将高盛重新定位为“一家科技公司”。2019年，高盛进军算法驱动的ETF，表明华尔街越来越依赖先进的自动化操作。电脑的读取速度远远超过一大群分析师，可以快速筛选公司报告、新闻报道和监管备案文件，从中找出一家公司未来前景的线索。

在高盛2018年的招聘岗位中，50%以上为工程技术人员。在几百名计算机工程师的技术支持下，自动化交易程序已经接管了高盛大多数日常工作量。

在高盛内部，最能代表其科技实力的是Strats团队。为了与科技公司争夺人才，高盛为Strats团队提供高薪。其成员均毕业于世界顶级名校，绝大部分拥有的不是金融、而是数学与计算机科学相关的学位，且精专于各种编程语言。

据CNBC报道，高盛内部总结归纳出“一名数据工程师可以取代四名交易员”的规律，目前，高盛三分之一的员工是计算机工程师，约有9000人。去年年底，高盛表示，它在2018年一共聘请了850名毕业生进入其技术部门，而两年前技术部门只招了450人！并将美国应届工程师的年薪直接涨到了10万美金！！这还不包括其它额外的丰厚奖金。

与高盛一样，摩根大通也相当重视技术人才的招揽，增加软件工程和人工智能研发等技术岗位的招聘。目前，摩根大通拥有约5万名技术相关员工。

随着更多投行的转型，未来精通编程算法、数据分析、机器学习和人工智能的科技人才将成为投行主心骨，而交易员、销售人员和分析师或将逐渐被代替。这些曾经意气风发的投资经理们，也许需要从现在开始学习编程，才能保住饭碗了。

编程已成华尔街必修课

据英国《金融时报》报道，摩根大通集团大约1/3的分析师和员工被强制参与编程课程学习计划，而且摩根大通还表示未来强制培训对象会进一步扩大，其他部门的初级员工都要参与其中！摩根大通首席执行官Mary Callahan erdo曾说过：“不仅技术人员要会编程，所有希望在21世纪运营一家有竞争力的公司的人都要掌握这项技能。”因此，今年新加入摩根大通资产管理部门的所有300名分析师被强制性要求学习编程课程。现在摩根大通的资管部门员工可以和科技部门一样使用编程语言，这样有助于开发更好的理财产品服务客户。明年摩根大通将扩大强制学习范围，包括数字算法和机器学习。

随着算法交易的崛起，越来越多传统投资银行开始转型成为科技公司。除了摩根大通，其他投行也加入了编程学习队伍。金融行业实际上完全满足大规模商业算法应用的两个重要条件。其一、数据的质量和数量必须达到一定的要求，尤其强调的是整个数据流程和每日的数据更新，这决定了算法的基础是否牢固；其二，在所在领域有没有对问题的相对清晰的定义。明年，资产管理部门将扩大课程学习范围，包括数据科学概念，机器学习和云计算。Citigroup为其实习分析师推出了Python速成课程。

美股打新业务

1. Java

排名最靠前的非Java莫属，这一类人才在华尔街已经吃香多年。北美某猎头公司金融IT招聘负责人表示，Java程序员在所有领域都必不可少，从低延时执行，到订单管理系统，再到内部风险与评估平台无一不是。Java通常适用于数据模拟和建模。此外，在搭建用户友好、加载快速的安全网站方面，Java和JavaScript（前端设计）都是关键语言。

Java工程师的紧缺除了需求旺盛外，，另一方面原因是华尔街对Java开发人员的技能和资质要求很高，据Jay Gaines&Company的统计，Java工程师招聘职位的应聘者数量平均只有7名，远低于其他语言的工程师，而Java工程师的薪水福利也比其他开发人平均高10%左右。

2. C++/C#

在华尔街，能与Java旗鼓相当的编程语言是C++和C#。

对于高并发高频交易来说，C++依然是首选，也是开发大规模数据的后台测试和处理系统的效率最高的工具，因为C++是开发处理大量数据的高性能回测和执行系统的最有效工具。此外，C++还经常被用于开发银行遗留系统上的各种应用。由于迁移到新技术平台的成本非常高，那些能够开发与遗留系统环境兼容的开发人员依然是抢手的香饽饽。

与Java类似，C#也能在各种不同的项目中发挥作用，尤其是数据模拟和建模，但目前主要还是用来开发数量分析和低延迟的应用。同时C#也是平均应聘者数量第二少的职位，这使得合格的应聘者在薪酬待遇方面掌握着很大的主动权，平均薪酬待遇比平均水平要高出9-10%左右。在薪水待遇方面，SQL能排到第三。

3. Python

Python是数字华尔街上一颗冉冉升起的新星，Python非常适合开发分析工具和数量分析模型，这些分析工具和模型对于投资银行和对冲基金的交易策略来说至关重要。

Python的优势之一是易于入门，开发速度也比传统语言更快，Selby Jennings公司负责北美金融科技招聘的主管Jared Butler认为，Python在投资银行界的流行度将超过Java和C++，原因有三点：

首先，Python的代码效率比C++高，10行Python代码就能完成C++20行代码的工作，而且错误几率更低。随着监管加强和最佳实践的普及，Python的性能和可用性得到越来越多的认可，风头已经盖过C++。

其次，随着越来越多的技术专家出现在在银行业务侧，Python也将更加流行。因为Python能让开发者与分析人员和研究人员在项目中更好地合作。

第三，Python是优秀的脚本语言，应用面越来越广，尤其随着大数据的重要性与日俱增，Python与Scala一起，都将扮演更加关键的角色。

不过，与Java、C++和C#以及SQL相比，Python开发人员在薪酬待遇上竞争力不大，这也是因为Python入门太过容易。很多人力资源经理甚至都不再技能要求中提及Python，因为对于经验丰富的开发人员来说，学习Python是一件相当容易的事情。