Die Frage klingt vielleicht ein bisschen naiv, aber was hilfts.

Ich bin aktuell in meinem Master in Mathematik mit Schwerpunkten Statistik und Finanzmathematik. Nach zwei Praktika im Finance-Bereich (Risk und Portfolio Optimierung) und einigem Austausch mit Kommilitonen frage ich mich aber ein bisschen ob es das wirklich ist. Es lief zwar gut, ich fand die Arbeit dort aber langfristig ziemlich einschläfernd und kann mir kaum vorstellen, dort jahrelang zu arbeiten.

Mein anderes Praktikum in der Beratung war zwar kaum quantitativ ausgerichtet, aber zumindest abwechslungsreich und interessant.

Dass die reale Welt nicht die der abgefahrenen Modelle ist, ist mir schon klar, ein bisschen mehr hatte ich mir aber schon erhofft. Für mich war das nichts halbes und nichts ganzes.

Gibt es härtere Quantjobs überhaupt in Deutschland? Wie ist es in anderen Branchen?
Muss ich eher international denken (denke da zum Beispiel an quantitative Tradingunternehmen)? Gibt es Mathematiker (o.ä.) hier, die vor einer ähnlichen Entscheidung standen?

Es ist natürlich die Frage, wo genau du dein Praktikum gemacht hast und wie eigenständig du beispielsweise im Bereich Risk arbeiten durftest. Auch hängen Portfoliooptimierungen stark von den Produkten ab. Wenn ein Portfolio nur aus Equity und Fixed Income besteht, dann ist die Optimierung sicher leichter, als, wenn viel mit unterschiedlichsten Derivaten hantiert wird. Bei den dann anfallenden Berechnungen von Estimates kommt es letztlich ja nicht nur auf einwandfreie Mathematik an, sondern auch, eine gute Einschätzung der Produkten von denen die Derivate abgeleitet sind.

Genau da kommen wir dann auch schon zum Bereich Data Science, den du dir mal genauer anschauen könntest. Inhaltlich nah damit verbunden ist dann auch das algo-trading und wenn du hier dann auch noch automatisiertes Risk-Controlling einbaust, bist du sicherlich gefordert genug. Wenn du das alles draufhast, dann weißt du wie algo-trader funktionieren und kannst bspw. für die Deutsche Börse arbeiten, die bestimmte Praktiken nicht dulden und diese versuchen automatisiert zu erkennen und demnach Leute brauchen, die das nötige Know-How haben.

Ansonsten kannst du es auch mal im Bereich Derivatives bei HSBC versuchen. Die Quant-Jobs gibt es also durchaus, man muss nur etwas suchen (und wissen wo man suchen muss).

Wenn du weiterhinn mathematisch anspruchsvoll arbeiten willst, bleibt nur mathematische Forschung. Alles andere ist sturz langweilig. Hab selbst einiges ausprobiert und bin genau desshalb wieder an der Uni gelanden. Es war einfach alles ätzend langweilig.

QuantCo in Berlin

WiWi Gast schrieb am 02.09.2020:

Es ist natürlich die Frage, wo genau du dein Praktikum gemacht hast und wie eigenständig du beispielsweise im Bereich Risk arbeiten durftest. Auch hängen Portfoliooptimierungen stark von den Produkten ab. Wenn ein Portfolio nur aus Equity und Fixed Income besteht, dann ist die Optimierung sicher leichter, als, wenn viel mit unterschiedlichsten Derivaten hantiert wird. Bei den dann anfallenden Berechnungen von Estimates kommt es letztlich ja nicht nur auf einwandfreie Mathematik an, sondern auch, eine gute Einschätzung der Produkten von denen die Derivate abgeleitet sind.

Genau da kommen wir dann auch schon zum Bereich Data Science, den du dir mal genauer anschauen könntest. Inhaltlich nah damit verbunden ist dann auch das algo-trading und wenn du hier dann auch noch automatisiertes Risk-Controlling einbaust, bist du sicherlich gefordert genug. Wenn du das alles draufhast, dann weißt du wie algo-trader funktionieren und kannst bspw. für die Deutsche Börse arbeiten, die bestimmte Praktiken nicht dulden und diese versuchen automatisiert zu erkennen und demnach Leute brauchen, die das nötige Know-How haben.

Ansonsten kannst du es auch mal im Bereich Derivatives bei HSBC versuchen. Die Quant-Jobs gibt es also durchaus, man muss nur etwas suchen (und wissen wo man suchen muss).

Das klingt auf den ersten Blick vielleicht alles spannend, aber wenn man da mal im Thema drinn ist, sind das auch immer nur die selben Handgriffe.

WiWi Gast schrieb am 02.09.2020:

QuantCo in Berlin

Das sind doch keine echten Quants :D QuantCo verkauft DS Implementierung und Consulting als Dienstleistung, ist nicht anders als McKinsey QuantumBlack (eigentlich hat QuantumBlack da deutlich die Nase vorn - die haben auch eigene standardisierte Produkte wie kedro) oder d-fine. Der TE meint Jobs in HFTs oder HFs, die gibt es hierzulande nicht, zumindest nicht, wie er sich das vorstellt.

WiWi Gast schrieb am 02.09.2020:

QuantCo in Berlin

Geht so. Machen viel TamTam im ihre secret sauce aka Lineare Regression. Aber guter pay.

SSW Trading bei Hamburg

WiWi Gast schrieb am 02.09.2020:

Es ist natürlich die Frage, wo genau du dein Praktikum gemacht hast und wie eigenständig du beispielsweise im Bereich Risk arbeiten durftest. Auch hängen Portfoliooptimierungen stark von den Produkten ab. Wenn ein Portfolio nur aus Equity und Fixed Income besteht, dann ist die Optimierung sicher leichter, als, wenn viel mit unterschiedlichsten Derivaten hantiert wird. Bei den dann anfallenden Berechnungen von Estimates kommt es letztlich ja nicht nur auf einwandfreie Mathematik an, sondern auch, eine gute Einschätzung der Produkten von denen die Derivate abgeleitet sind.

Genau da kommen wir dann auch schon zum Bereich Data Science, den du dir mal genauer anschauen könntest. Inhaltlich nah damit verbunden ist dann auch das algo-trading und wenn du hier dann auch noch automatisiertes Risk-Controlling einbaust, bist du sicherlich gefordert genug. Wenn du das alles draufhast, dann weißt du wie algo-trader funktionieren und kannst bspw. für die Deutsche Börse arbeiten, die bestimmte Praktiken nicht dulden und diese versuchen automatisiert zu erkennen und demnach Leute brauchen, die das nötige Know-How haben.

Ansonsten kannst du es auch mal im Bereich Derivatives bei HSBC versuchen. Die Quant-Jobs gibt es also durchaus, man muss nur etwas suchen (und wissen wo man suchen muss).

Derivatives werde ich mir mal anschauen! Und ja, du hast Recht, man muss halt wirklich wissen wo man sucht...

Mit Data Science hat man mich in mein erstes Praktikum gelockt, effektiv waren das aber einfach nur Datenbanken, Visualisierungstools und hier und da mal ne Regression. Für 4 Monate ganz gut, mehr nicht.

Mir ist klar, dass Anwendbarkeit und Aufbereitung von Ergebnissen in jedem nicht-akademischen Beruf eine wichtige Rolle spielt, aber primär geht es mir halt schon um die dahinter liegende Modellierung.

WiWi Gast schrieb am 02.09.2020:

Es ist natürlich die Frage, wo genau du dein Praktikum gemacht hast und wie eigenständig du beispielsweise im Bereich Risk arbeiten durftest. Auch hängen Portfoliooptimierungen stark von den Produkten ab. Wenn ein Portfolio nur aus Equity und Fixed Income besteht, dann ist die Optimierung sicher leichter, als, wenn viel mit unterschiedlichsten Derivaten hantiert wird. Bei den dann anfallenden Berechnungen von Estimates kommt es letztlich ja nicht nur auf einwandfreie Mathematik an, sondern auch, eine gute Einschätzung der Produkten von denen die Derivate abgeleitet sind.

Genau da kommen wir dann auch schon zum Bereich Data Science, den du dir mal genauer anschauen könntest. Inhaltlich nah damit verbunden ist dann auch das algo-trading und wenn du hier dann auch noch automatisiertes Risk-Controlling einbaust, bist du sicherlich gefordert genug. Wenn du das alles draufhast, dann weißt du wie algo-trader funktionieren und kannst bspw. für die Deutsche Börse arbeiten, die bestimmte Praktiken nicht dulden und diese versuchen automatisiert zu erkennen und demnach Leute brauchen, die das nötige Know-How haben.

Ansonsten kannst du es auch mal im Bereich Derivatives bei HSBC versuchen. Die Quant-Jobs gibt es also durchaus, man muss nur etwas suchen (und wissen wo man suchen muss).

Das klingt auf den ersten Blick vielleicht alles spannend, aber wenn man da mal im Thema drinn ist, sind das auch immer nur die selben Handgriffe.

Also ich sehe jetzt nicht wo genau das Thema Data Science eine repetitive Tätigkeit ist. Das Feld ist riesig und mit dem Finance-Background und forecasting/inferece-modelling endlos.

Schau dir mal Solactive - complex Product Development in ffm an.

WiWi Gast schrieb am 02.09.2020:

Die Frage klingt vielleicht ein bisschen naiv, aber was hilfts.

Ich bin aktuell in meinem Master in Mathematik mit Schwerpunkten Statistik und Finanzmathematik. Nach zwei Praktika im Finance-Bereich (Risk und Portfolio Optimierung) und einigem Austausch mit Kommilitonen frage ich mich aber ein bisschen ob es das wirklich ist. Es lief zwar gut, ich fand die Arbeit dort aber langfristig ziemlich einschläfernd und kann mir kaum vorstellen, dort jahrelang zu arbeiten.

Mein anderes Praktikum in der Beratung war zwar kaum quantitativ ausgerichtet, aber zumindest abwechslungsreich und interessant.

Dass die reale Welt nicht die der abgefahrenen Modelle ist, ist mir schon klar, ein bisschen mehr hatte ich mir aber schon erhofft. Für mich war das nichts halbes und nichts ganzes.

Gibt es härtere Quantjobs überhaupt in Deutschland? Wie ist es in anderen Branchen?
Muss ich eher international denken (denke da zum Beispiel an quantitative Tradingunternehmen)? Gibt es Mathematiker (o.ä.) hier, die vor einer ähnlichen Entscheidung standen?

Man muss da einfach stark zwischen Data Analytics und Data Science differenzieren. Ich muss einem angehenden Mathematiker sicher nicht erklären, dass das Thema mehr bietet als nur Lineare Regressionen aber selbst hier ist es oft erschreckend, wie viele Fehler gemacht werden, weil das Modell nicht zu den Daten passt, die Daten nicht gut genug sind, das Modell zwar mega ist aber die Outcomes einem nichts bringen etc.. Oft sind die simplen Dinge eben selbst bei eigentlich einfacher Mathematik doch auch schon kompliziert, weil man eben (leider) nicht in einer perfekten Welt lebt. Darüber hinaus birgt dann aber das Thema Linear Regressions noch mehr Inhalt, als man in der Uni über Basic Kurse so lernt. Und dann wären da ja noch Classification Problems, GAMs, usw. usw. Das Thema ist eigentlich schon eine riesen Spielwiese aber man muss eben wissen was man tut und eben bei den richtigen Playern landen (Facebook, AWS etc. / im Finance-Bereich ist es in Deutschland tricky aber bei den Algo-Asset-Managern findet sich was (Scalable etc.). Hoffe das hilft. Nur so aus Interesse... wo studierst du Mathe?

WiWi Gast schrieb am 02.09.2020:

WiWi Gast schrieb am 02.09.2020:

Es ist natürlich die Frage, wo genau du dein Praktikum gemacht hast und wie eigenständig du beispielsweise im Bereich Risk arbeiten durftest. Auch hängen Portfoliooptimierungen stark von den Produkten ab. Wenn ein Portfolio nur aus Equity und Fixed Income besteht, dann ist die Optimierung sicher leichter, als, wenn viel mit unterschiedlichsten Derivaten hantiert wird. Bei den dann anfallenden Berechnungen von Estimates kommt es letztlich ja nicht nur auf einwandfreie Mathematik an, sondern auch, eine gute Einschätzung der Produkten von denen die Derivate abgeleitet sind.

Genau da kommen wir dann auch schon zum Bereich Data Science, den du dir mal genauer anschauen könntest. Inhaltlich nah damit verbunden ist dann auch das algo-trading und wenn du hier dann auch noch automatisiertes Risk-Controlling einbaust, bist du sicherlich gefordert genug. Wenn du das alles draufhast, dann weißt du wie algo-trader funktionieren und kannst bspw. für die Deutsche Börse arbeiten, die bestimmte Praktiken nicht dulden und diese versuchen automatisiert zu erkennen und demnach Leute brauchen, die das nötige Know-How haben.

Ansonsten kannst du es auch mal im Bereich Derivatives bei HSBC versuchen. Die Quant-Jobs gibt es also durchaus, man muss nur etwas suchen (und wissen wo man suchen muss).

Derivatives werde ich mir mal anschauen! Und ja, du hast Recht, man muss halt wirklich wissen wo man sucht...

Mit Data Science hat man mich in mein erstes Praktikum gelockt, effektiv waren das aber einfach nur Datenbanken, Visualisierungstools und hier und da mal ne Regression. Für 4 Monate ganz gut, mehr nicht.

Mir ist klar, dass Anwendbarkeit und Aufbereitung von Ergebnissen in jedem nicht-akademischen Beruf eine wichtige Rolle spielt, aber primär geht es mir halt schon um die dahinter liegende Modellierung.

Ist denke ich eine Sache angehensweise. Denke die Portfoliooptimierung die du betrieben hast (ohne es abwerten zu wollen) lag darin einen solver zu verwenden. Wer hat den implementiert? Wer hat entschieden wie Optimiert wird? Welche Annahmen werden für die Modellierung genutzt? Solche Fragen stellt sich der Anwender nicht. Der ist Happy wenn ihm eine (im Entferntesten Sinne) Zahl ausgespuckt wird.

Vllt siehst du dich als Entwickler bei einem Finanzsoftwareunternehmen

Wie sieht es mit Quantumbrains aus? Kennt da jemand jemanden?

WiWi Gast schrieb am 03.09.2020:

Man muss da einfach stark zwischen Data Analytics und Data Science differenzieren. Ich muss einem angehenden Mathematiker sicher nicht erklären, dass das Thema mehr bietet als nur Lineare Regressionen aber selbst hier ist es oft erschreckend, wie viele Fehler gemacht werden, weil das Modell nicht zu den Daten passt, die Daten nicht gut genug sind, das Modell zwar mega ist aber die Outcomes einem nichts bringen etc.. Oft sind die simplen Dinge eben selbst bei eigentlich einfacher Mathematik doch auch schon kompliziert, weil man eben (leider) nicht in einer perfekten Welt lebt. Darüber hinaus birgt dann aber das Thema Linear Regressions noch mehr Inhalt, als man in der Uni über Basic Kurse so lernt. Und dann wären da ja noch Classification Problems, GAMs, usw. usw. Das Thema ist eigentlich schon eine riesen Spielwiese aber man muss eben wissen was man tut und eben bei den richtigen Playern landen (Facebook, AWS etc. / im Finance-Bereich ist es in Deutschland tricky aber bei den Algo-Asset-Managern findet sich was (Scalable etc.). Hoffe das hilft. Nur so aus Interesse... wo studierst du Mathe?

Es ist natürlich die Frage, wo genau du dein Praktikum gemacht hast und wie eigenständig du beispielsweise im Bereich Risk arbeiten durftest. Auch hängen Portfoliooptimierungen stark von den Produkten ab. Wenn ein Portfolio nur aus Equity und Fixed Income besteht, dann ist die Optimierung sicher leichter, als, wenn viel mit unterschiedlichsten Derivaten hantiert wird. Bei den dann anfallenden Berechnungen von Estimates kommt es letztlich ja nicht nur auf einwandfreie Mathematik an, sondern auch, eine gute Einschätzung der Produkten von denen die Derivate abgeleitet sind.

Genau da kommen wir dann auch schon zum Bereich Data Science, den du dir mal genauer anschauen könntest. Inhaltlich nah damit verbunden ist dann auch das algo-trading und wenn du hier dann auch noch automatisiertes Risk-Controlling einbaust, bist du sicherlich gefordert genug. Wenn du das alles draufhast, dann weißt du wie algo-trader funktionieren und kannst bspw. für die Deutsche Börse arbeiten, die bestimmte Praktiken nicht dulden und diese versuchen automatisiert zu erkennen und demnach Leute brauchen, die das nötige Know-How haben.

Ansonsten kannst du es auch mal im Bereich Derivatives bei HSBC versuchen. Die Quant-Jobs gibt es also durchaus, man muss nur etwas suchen (und wissen wo man suchen muss).

Derivatives werde ich mir mal anschauen! Und ja, du hast Recht, man muss halt wirklich wissen wo man sucht...

Mit Data Science hat man mich in mein erstes Praktikum gelockt, effektiv waren das aber einfach nur Datenbanken, Visualisierungstools und hier und da mal ne Regression. Für 4 Monate ganz gut, mehr nicht.

Mir ist klar, dass Anwendbarkeit und Aufbereitung von Ergebnissen in jedem nicht-akademischen Beruf eine wichtige Rolle spielt, aber primär geht es mir halt schon um die dahinter liegende Modellierung.

TE hier.
Ich studiere in München, wo ich auch die beiden angesprochenen Praktika gemacht habe. Ins Ausland möchte ich aus privaten Gründen eigentlich nicht unbedingt. Für mich gibt es aktuell zwei Möglichkeiten:

1. Herausfinden, wo es die angesprochenen "härteren" Quant-Jobs in D gibt, meinen Fokus noch mehr aufs Fachliche legen, vielleicht noch promovieren und eine solche Stelle anstreben
2. Akzeptieren, dass es sowas im Prinzip nicht gibt (oder nur sehr selten) und mich eher breit aufstellen - Strategieberatung hat mir gezeigt dass man auch ohne stochastische PDEs einen abwechslungsreichen Job haben kann (überspitzt gesagt)

Was ich - wenn möglich - vermeiden will, ist eine Stelle wo ich zwar als Mathematiker angestellt bin, aber effektiv nur Daten verarbeite und vielleicht alle paar Monate mal ein GLM in R mache.

WiWi Gast schrieb am 03.09.2020:

Man muss da einfach stark zwischen Data Analytics und Data Science differenzieren. Ich muss einem angehenden Mathematiker sicher nicht erklären, dass das Thema mehr bietet als nur Lineare Regressionen aber selbst hier ist es oft erschreckend, wie viele Fehler gemacht werden, weil das Modell nicht zu den Daten passt, die Daten nicht gut genug sind, das Modell zwar mega ist aber die Outcomes einem nichts bringen etc.. Oft sind die simplen Dinge eben selbst bei eigentlich einfacher Mathematik doch auch schon kompliziert, weil man eben (leider) nicht in einer perfekten Welt lebt. Darüber hinaus birgt dann aber das Thema Linear Regressions noch mehr Inhalt, als man in der Uni über Basic Kurse so lernt. Und dann wären da ja noch Classification Problems, GAMs, usw. usw. Das Thema ist eigentlich schon eine riesen Spielwiese aber man muss eben wissen was man tut und eben bei den richtigen Playern landen (Facebook, AWS etc. / im Finance-Bereich ist es in Deutschland tricky aber bei den Algo-Asset-Managern findet sich was (Scalable etc.). Hoffe das hilft. Nur so aus Interesse... wo studierst du Mathe?

Es ist natürlich die Frage, wo genau du dein Praktikum gemacht hast und wie eigenständig du beispielsweise im Bereich Risk arbeiten durftest. Auch hängen Portfoliooptimierungen stark von den Produkten ab. Wenn ein Portfolio nur aus Equity und Fixed Income besteht, dann ist die Optimierung sicher leichter, als, wenn viel mit unterschiedlichsten Derivaten hantiert wird. Bei den dann anfallenden Berechnungen von Estimates kommt es letztlich ja nicht nur auf einwandfreie Mathematik an, sondern auch, eine gute Einschätzung der Produkten von denen die Derivate abgeleitet sind.

Genau da kommen wir dann auch schon zum Bereich Data Science, den du dir mal genauer anschauen könntest. Inhaltlich nah damit verbunden ist dann auch das algo-trading und wenn du hier dann auch noch automatisiertes Risk-Controlling einbaust, bist du sicherlich gefordert genug. Wenn du das alles draufhast, dann weißt du wie algo-trader funktionieren und kannst bspw. für die Deutsche Börse arbeiten, die bestimmte Praktiken nicht dulden und diese versuchen automatisiert zu erkennen und demnach Leute brauchen, die das nötige Know-How haben.

Ansonsten kannst du es auch mal im Bereich Derivatives bei HSBC versuchen. Die Quant-Jobs gibt es also durchaus, man muss nur etwas suchen (und wissen wo man suchen muss).

Derivatives werde ich mir mal anschauen! Und ja, du hast Recht, man muss halt wirklich wissen wo man sucht...

Mit Data Science hat man mich in mein erstes Praktikum gelockt, effektiv waren das aber einfach nur Datenbanken, Visualisierungstools und hier und da mal ne Regression. Für 4 Monate ganz gut, mehr nicht.

Mir ist klar, dass Anwendbarkeit und Aufbereitung von Ergebnissen in jedem nicht-akademischen Beruf eine wichtige Rolle spielt, aber primär geht es mir halt schon um die dahinter liegende Modellierung.

TE hier.
Ich studiere in München, wo ich auch die beiden angesprochenen Praktika gemacht habe. Ins Ausland möchte ich aus privaten Gründen eigentlich nicht unbedingt. Für mich gibt es aktuell zwei Möglichkeiten:

1. Herausfinden, wo es die angesprochenen "härteren" Quant-Jobs in D gibt, meinen Fokus noch mehr aufs Fachliche legen, vielleicht noch promovieren und eine solche Stelle anstreben
2. Akzeptieren, dass es sowas im Prinzip nicht gibt (oder nur sehr selten) und mich eher breit aufstellen - Strategieberatung hat mir gezeigt dass man auch ohne stochastische PDEs einen abwechslungsreichen Job haben kann (überspitzt gesagt)

Was ich - wenn möglich - vermeiden will, ist eine Stelle wo ich zwar als Mathematiker angestellt bin, aber effektiv nur Daten verarbeite und vielleicht alle paar Monate mal ein GLM in R mache.

Also die Stellen gibt es nicht wirklich. Zumindest nicht in dem Maße wie in UK oder NL. Klar, man kann auch bei den Versicherungen relativ viel risk modelling machen, und manche AMs in Deutschland haben auch "Quant-Teams" (z.B. Invesco), aber das ist lange nicht dasselbe wie HF/HFT.

Viele Quants müssen irgendwann erst einmal lernen, dass zu 99,99999% das Geld mit "Plus/Minus" Rechnung verdient wird und nicht mit stochastischen Prozessen....

Solltest du Interesse an Strategieberatung, Optimierungsproblemen und Data Science haben wäre das Team von Herrn Kaul (Senior Partner) bei Berger eventuell interessant für dich. Hier arbeiten eigentlich nur promovierte Mathematiker an quantitativen Themen an der Schnittstelle OR und Data Science.