Analitycy ilościowi i specjaliści od Big Data już dziś są rozchwytywani na rynku pracy a zapotrzebowanie na ich wiedzę i umiejętności cały czas wzrasta.
Quant, czyli analityk ilościowy, interpretuje duże zasoby danych i, posługując się metodami statystycznymi i matematycznymi, sprawdza poprawność modeli, które te dane wykorzystują.
Ścieżka kariery
W sektorze bankowym przed quantami stoją trzy podstawowe ścieżki kariery: ekspercka, managerska i projektowa. W każdym wypadku mamy do czynienia z prawdziwą elitą bankowości. Zdaniem praktyków, eksperci w dziedzinie analizy ilościowej i zarządzania ryzykiem mają w swoich organizacjach pozycję niemal równorzędną z managerami. Należą do najcenniejszych pracowników banku, ponieważ to przy ich biurkach często rozstrzygają się najważniejsze decyzje biznesowe.
Quanci, którzy mają predyspozycje do zarządzania zespołem, często pełnią również obowiązki kierownicze. Zdarza się także, że najzdolniejsi odchodzą z organizacji i podejmują działalność freelancerską, pracując nad konkretnymi projektami u kilku różnych podmiotów jednocześnie. Z modeli matematycznych korzystają bowiem nie tylko banki, ale wszystkie podmioty, które wykorzystują zaawansowaną analitykę (w tym Big Data) w podejmowaniu decyzji biznesowych. Na quantów czekają firmy konsultingowe, przemysłowe czy te wykorzystujące analizę danych przy budowie systemów CRM (np. telekomy czy retail). Bardzo dobrą znajomość narzędzi statystycznych można wykorzystać w niemal każdym sektorze.
Jak zostać quantem?
Ważna jest zarówno wiedza, jak i wrodzone predyspozycje. Quant to z reguły absolwent kierunków ścisłych – matematyki, ekonometrii, metod statystycznych, fizyki czy informatyki. Już na studiach trzeba się przyłożyć i zbudować solidną podstawę z wiedzy. Nie da się bowiem pracować na poważnie w tym zawodzie, kończąc kursy lub studia podyplomowe i douczając się w biegu. Istotne jest mocne zaplecze matematyczne i zrozumienie, jak funkcjonuje model oraz system informatyczny, który go wdraża.
Potrzebna jest również wiedza o działaniu pakietów statystycznych i środowisk obliczeń naukowych.
Obszar sektora bankowego jest dosyć hermetyczny, dlatego chcąc rozpocząć pracę quanta w bankowości, dobrze jest czytać czasopisma branżowe czy materiały przygotowujące do certyfikatów zawodowych, gdyż te stanowią prawdziwą skarbnicę wiedzy o tym, jak funkcjonuje bank w całości. Warto też nadrobić wiedzę z zakresu technik statystycznych, teorii estymacji i interpretacji wyników. Chodzi tu nie tylko o znajomość prostej regresji liniowej, ale też np. metody największej wiarygodności, testów statystycznych i wiedzę o najważniejszych rozkładach statystycznych i ich właściwościach, ponieważ przydadzą się one potem w codziennej pracy.
Trzy obszary, które powinieneś wziąć pod uwagę, planując karierę jako quant:
Dane. Trzeba umieć je pozyskać i nie chodzi tu o desk research, lecz o napisanie odpowiednich kwerend do baz danych. Jeśli mamy setki tysięcy danych ze zdarzeń kredytowych, ważne jest ich pogrupowanie i weryfikacja jakości. W zawodzie quanta oczekiwana jest znajomość SQL na dobrym poziomie, choć akurat tę umiejętność można dość szybko nadrobić.
Background matematyczny i statystyczny. Znajomość funkcjonowania banku jest ważna, ale nie da się uprawiać zawodu quanta bez ugruntowanej wiedzy matematycznej i statystycznej. Tylko ona pozwoli bez problemu poradzić sobie z konkretnym zagadnieniem statystycznym.
Pakiety statystyczne. Każdy model jest implementowany w systemach komputerowych. W Commerzbanku najpopularniejszy jest SAS i system R. Jeśli ktoś ma doświadczenie z językami wektorowymi, np. Matlabem, nauczy się R dość szybko. W obszarze ryzyka kredytowego znajomość SASa i/lub R oraz SQLa to podstawa. W przypadku ryzyka rynkowego kluczowa jest znajomość R i/lub Matlaba.
Modelowanie ryzyka
W zawodzie quanta ważna jest umiejętność oceny modelu i uwzględnienie przeobrażeń rzeczywistości i otoczenia regulacyjnego. Trzeba brać pod uwagę zmiany oferty produktowej banku i kanałów dystrybucji, co przekłada się na różne rodzaje ryzyk, które badają modele. Rok 2008 przyniósł dramatyczne wydarzenia w światowych finansach. Od tego czasu w bankowości utrzymuje się tendencja uszczelniania procesów zarządzania ryzykiem, co ma uchronić rynki przed powtórką kryzysu.
Z perspektywy większości banków najważniejszy jest obszar modeli ryzyka kredytowego. Na tym polu szacuje się dwie główne miary ryzyka. Pierwsza – tzw. probability of default – ocenia prawdopodobieństwo niespłacenia zobowiązania przez kredytobiorcę. Druga – tzw. loss given default – szacuje wielkość strat w przypadku, w którym kredytobiorca przestanie spłacać zobowiązania, i ile bank może w tej sytuacji odzyskać.
Oddział Commerzbanku w Polsce bada szeroki wachlarz parametrów ryzyka i waliduje modele dla całej grupy kapitałowej Commerzbank AG. Sprawdzana jest poprawność parametrów przyjmowanych dla danego portfela, to, na podstawie jakich danych są wyliczane i jak rozkładają się zmienne będące przedmiotem zainteresowania (np. czy wartości wyznaczone z modelowania odpowiadają średniej stracie w przypadku zdarzenia kredytowego).
O ile polskie banki oferują dość standardowe produkty, o tyle w portfelu np. Commerzbanku znajdziemy dużo więcej grup klientów i produktów, jak np. finansowanie statków, samolotów czy produkcji filmowych, a to czyni pracę quanta jeszcze ciekawszą. Tym bardziej, gdy pomyślimy, że rekalibracja parametrów modeli statystycznych wpływa na wymóg kapitałowy banku i jego ostateczny wynik finansowy. W niektórych portfelach jeden punkt procentowy przekłada się na miliardy euro wymogu kapitałowego.