金融行业什么岗位是技术壁垒相对较高的？
金融行业一直以来被人说是不需要什么技术的。因为我给学生做咨询的时候，也是说过这句话的。
但，实际上真的是这样吗？
金融也不能说完全是不需要技术的，只能说相对而言。
在金融行业，和技术比较硬的岗位一比较就会发现，为什么会说有些岗位是不需要技术了。
像是量化啊，这个技术壁垒就比较高了，所以对于想要进入这个岗位的人就更高了。
除此之外，其他岗位难道就不需要技术吗？
一、为什么总有人说金融行业是不需要技术的？
其实说金融不需要技术大概的意思是：金融是不是需要具备很复杂，且高深的技术。
答案是真的要看具体做什么行业。
其实，说句实话，金融大部分职业，并不需要很硬的技术。
大部分前台，其实最重要的工作都是“营销”、“撮合”、“服务”。
所以，很多业务人员，可能都在告诉你“这行，其实没多少技术含量”。
我当年是干投行的，我其实也这么告诫后辈，虽说财务法律业务方面要学的东西挺多，往往都是几个证在手，但内心也觉得自己其实并没有掌握多少“硬技能”。
但更难的是在“软技能”方面呀，能搞得定业务，搞得定客户，这才是最有价值的所在。
绝大多数的钱，都被这些“所谓没硬技术”的赚走了，具备技术的人只能瓜分剩下的。
就像穷爸爸富爸爸里面说的，穷爸爸让孩子好好学习，将来做一个有一技之长的人；富爸爸让孩子将来一定要雇佣比你牛逼的人为你打工，这样你才能越赚越多钱。
思维差异就在这里。
不可否认，金融行业的绝大多数岗位“对技能要求不高”。
但是，这个行业也同时是“对人要求最高的”。
金融行业中的核心岗位商业银行（各种利润中心）、券商的（投行、行研、资管、自营、直投等等）、公募基金（投研、市场、产品等）、信托公司、保险公司、私募基金（PEVC、二级、另类等）、企业投融资（互联网、上市公司、国企等）、融资租赁等等。
一般都要从业者有足够的主观能动性、需要有创造性、需要不屈不挠、需要足够细心和耐心等等，一系列说起容易，但实质上都很困难的事情。
就像我们在投行，写个ppt，弄个pitchbook，有那么难吗？
说实话，不是那么难。如果给你比较长的时间，足够的指导，是可以的。
但是要高效、准确，精益求精，真的很难。
二、金融什么样的岗位是需要技术的？
1、量化
在金融行业中，需要比较高的技术当属于量化了。
在资本市场，量化投资一直是个比较“神秘”的存在，它有许多的别称，比如程序化交易、算法交易、智能交易、黑箱交易，但整体上来说就是用一套数理化的方法在资本市场进行投资交易，而不是靠人主观决策。
而专门用量化投资方法在资本市场从事交易的基金公司便被称为量化基金。
相比较市面上一些主观交易的基金公司，量化基金的交易模型往往充斥着复杂的数学公式，晦涩难懂的概率、统计逻辑，甚至应用了深度学习、人工智能的方法，因而投资者一听到量化基金就会产生一种“不明觉厉”的敬畏感。
其实从一些知名量化私募里就可以看出，能够去做量化投资的都是有天赋的天才。
量化交易的核心在于数学、统计学和人工智能。
量化交易者需要运用复杂的数学公式和统计逻辑，构建可靠的交易模型。这不仅需要深厚的数理基础，还需要对市场的深刻理解。
以人工智能为例，一些量化交易者已经开始将深度学习等技术应用于交易模型的构建，进一步提高了模型的智能性和适应性。
因此，量化交易者的聪明并非仅仅停留在传统的学科知识上，还包括对新兴技术的敏感性和应用能力。
尽管量化交易依赖于复杂的数学模型和算法，但它仍无法企及人类的创造性。创造性是一种无规律可循的特质，是天马行空的创意，是灵感的闪现。
这一特质在交易中具有独特的价值，有时候的“盘感”能够避免一些问题，而这种直觉是无法被写进程序的。因此，量化交易目前还不是真正的生物智能，仍然依赖于人类的思考和判断。
当前的量化交易主要依赖于计算机的计算能力和执行效率。利用计算机，量化交易者能够穷尽排列组合的所有可能性，进行大规模的数据分析和策略优化。
然而，尽管计算机能够完成大量的重复性工作，但在创造性和人性化方面，仍然无法替代人类。量化交易的局限性在于，它并不能完全摆脱投资人的情绪波动，而这一点是人类独有的特质。
量化交易被形容为零和博弈的行业。在这个竞争激烈的领域里，从业者需要具备高学历、高学习能力和综合素质。天赋在这里显得尤为重要，对数据的敏感性和对市场本质的深刻理解成为成功的关键。
2、交易员
在金融领域中，交易员是一个需要具备多方面技能的职业。每位交易员都必须具备快速分析数据的能力，这是基本而重要的技能。
货币交易涉及多方面的数学知识，但这些知识通常通过图表来表示，其中包括各种指标和技术分析模式。
在交易的过程中，良好的计算和数学能力也至关重要。优秀的数学技能有助于迅速计算潜在的利润和损失，同时帮助确定投资金额，这应该基于账户余额的百分比，并与资金管理技能相匹配。
耐心是一个交易员不可或缺的品质。交易本身就是具有反人性的特征，需要极大的耐心。
在金融市场中，很多人能够给出精准的技术指标，但在实际交易中，能够等待行情到位再进场，能够严格自律、控制手中资金的人却相对较少。这种耐心的品质对于交易来说至关重要。
三、最后
当技术壁垒比较高的时候，对进入这个行业的人才要求就会更高。
要知道量化投资的大佬们都有一个门槛：物理学或数学博士起步，解决问题的能力超强。
因为平凡的人各有各的平凡，天才却基本上都一样。
早慧、数学好和鼓捣新玩意几乎是量化大佬的标准配置。
国内量化投资界目前不缺新人，尤其是核心投研岗位不缺新人。
市场上熟练掌握量化工具但缺乏原创想法的人和有独到想法但不懂量化的人都有不少，但真正兼备技术和原创想法的卓越的量化投资者总是凤毛麟角。
在中国目前的很多领域，赚钱已经变成一个非常困难的事情，但是在量化投资与对冲基金领域，是完全依靠自己的勤奋与努力。
不是说量化要求行业苛刻，而是这个工作本身的难度并不比考985要简单。专业知识和研究能力搞不赢，即便入行，发展空间也会比较有限，或者会干不下去。
在校期间多参加竞赛，多拿奖，这样比较有优势。量化虽然归属于金融行业，但是却更偏爱数学、计算机、物理等专业方向的人才，正统的金融工程专业都被排在后面。
量化投资领域不仅需要深厚的学术背景和数理功底，还需要探索新领域的热情和解决问题的能力。
在竞争激烈的环境中，全能人才成为市场上的稀缺资源，而只有持续学习、不断提升自身素质的人才，才能在这个挑战与机遇并存的领域中脱颖而出。
所以，在选择岗位的时候，一提到技术就应该对自己有个真实的判断。
这一比较就会觉得那些比较简单的技术，画ppt、做报表的技术好像就不值得一提的样子，但是不能否认还是需要技术的。
因为在学校根本就学不到这些被称为简单的技术，很多人都是靠着实习才学会的，这也是为什么实习在金融行业要求那么高的原因所在。