现在老说量化市场内卷，但更多指的是求职方面的内卷。比如一些公司要求数学竞赛金牌、信息学竞赛金牌、清华姚班、北大数院、美国大厂工作经验等等，主要是因为这些公司规模大了，可以花的起更高的工资招人，所以可以请的起这些人了。
但这也是内卷的一个原因。毕竟这些公司的招人需求也不会特别大，现在请的起这些金牌了，那么其余的人做量化的机会反而就少了，哪怕自己要求不那么高的工资可能也不行。毕竟人家招的起金牌了。
当然，对于普通的私募，招不起金牌的，只能降低要求，这工资可能也不会特别高。反正我觉得量化这市场，可能更多因为供过于求，我指的初级岗位那些。因为如果真的有一个人，连续几年交易，夏普比2倍，全市场公开业绩排1%的，可能并不需要去找工作。
另一方面，大厂可能自己分工细致，也不需要招这种独立的投资经理；而且，哪怕招独立的，这些人也怕策略被偷；事实上，如果大厂真的花上百万甚至更多挖人，本质上就是想偷策略的。可能跑了一年，策略留下，找个理由把人开了。
还有一个原因就是量化策略研究的不确定性，这跟码农做前端后端开发不大一样。前端的话，界面好不好看，不好看怎么修改，一目了然；后端的话，或许一些广告投放的算法会有影响，但顶多少一些广告，也不会亏钱。但量化可能会亏钱的，亏起来可能还很厉害，越大规模的亏起来越厉害。比如AQR成立20周年的时候号称2000亿美金，后来大幅回撤，估计亏几百亿美金了；还有桥水，累计也亏了几百亿美金了；西蒙斯2007、2008也亏了投资者几百亿美金。这个行业最吸引的地方莫过于投资者哪怕亏了几百亿美金自己还能赚几百亿美金。上面这些公司的老板身家都几百亿美金的。
还有一种是自己交易，不是去打工。这样其实竞争压力没那么大。打工的话，前面说了，金牌一堆，北清一堆，很难跟他们竞争。但交易不同，虽然这些金牌、北清也会交易，但绝大多数都是散户，程序化的很少，python做程序化的更少，C++的更少，机器学习的少，深度学习的更少。所以如果自己真有机器学习、深度学习那本事，pk这些散户其实并不困难。而且如果资金量不大的话，大私募那种大资金的策略跟自己并没有冲突，甚至大资金每次进出都给了自己赚钱的机会。因此，个人认为量化交易竞争并不激烈，比如几千万每年夏普比2倍收益率50%-100%的这种市场，竞争并不激烈，但收入其实已经吊打去量化私募打工了。
很多人搞不清开发和研究的区别。开发（包括量化开发）本质上是可以有稳定预期的产出，招这个码农，多长时间能开发出什么，这是比较有预期的，或者至少是正向预期的。特别是量化开发的产品时自己用。
这跟互联网、软件公司开发产品不一样，那些开发出来卖不出没人用就烂尾了，但私募内部的开发很不一样，一般来说开发出来就有人用，当然也会有例外，比如开发的老大跟投研的老大时独立的时候，这就会有很多矛盾，比如他就是要这样开发，开发出来量化的人没法用，然后就扯皮，开发的老大（可能还有股份）说“其它公司都是这样的你们学习着用吧”，量化的老大（可能外聘的）会说“胡扯，不按我们要求做，我们没法用，效率更低”。从道理来说应该是开发的服务量化的，开发按照量化的要求来做，但很多情况是反过来的。
最有效的开发是：开发的不存在什么老大，量化的直接跟开发的说怎么做，指哪打哪。过去投行有desk quant伺候trader，现在quant就是trader，轮到desk developer伺候quant，就这么简单。当然量化也不是瞎指挥的，他们都有进行系统性的学习，就比如是大部分人都学习了CQF量化金融分析师。
CQF协会为有意在银行、基金管理、投资银行、衍生品与风险管理等领域工作的人士提供高级培训。这些学员们大部分就职高盛、美林、摩根、汇丰、花旗、巴克莱、荷兰银行、美洲银行、国际清算银行、毕马威等，从事行业的有量化工程师、金融分析师、金融行业IT人员、投资类岗位、金融或工科等。
2020年3月23日，高顿教育正式成为全球量化金融领域权威证书-国际量化金融证书CQF（Certification in Quantitative Finance）的中国大陆唯一合作机构。高顿将与CQF协会共同推进国际量化金融教育在大陆的蓬勃发展，为广大金融从业者、财经专业大学生带来代表着时代前沿的量化投资知识与专业认证。
