AI会取代量化分析师吗？正在构建可能取代自己的AI的宽客们
量化分析师面临62%的AI暴露度但仅35/100的自动化风险，回测已70%自动化。BLS预测+8%增长，中位薪资134,180美元。
问AI是否会取代量化分析师，这个问题本身就带着一种特别的讽刺。在很多情况下，宽客正是构建让其他人都在担心的AI系统的那群人。他们几十年来一直在编写自动化金融决策的算法。现在的问题是，下一代AI是否会自动化这些算法构建者本身。
我们的数据描绘了一幅细致入微的图景。量化分析师面临62%的整体AI暴露度和35/100的自动化风险。[事实] 暴露度数字很高，但对于一个深深嵌入AI擅长领域的数学领地的职业来说，风险评分出人意料地温和。美国劳工统计局预测到2034年将有+8%的增长，目前约有42,600名从业者，中位薪资为134,180美元。[事实] 对于一些人预测将是AI首批"牺牲品"的角色，劳动力市场数据讲述了截然不同的故事。
AI最擅长的任务
分析大规模金融数据集寻找模式已达到72%的自动化率——宽客任务中最高的。[估算] 这是AI原始计算优势最明显的地方。扫描数百万条逐笔成交记录、识别相关资产之间的统计异常、检测市场微观结构的regime变化——这些都是机器学习模型在速度上超越人类分析师的任务，而且在准确性上也日益如此。
回测和验证交易算法的自动化率为70%。[估算] AI可以跨历史数据运行数千个回测场景，测试参数敏感性，检测过拟合，并在策略表现恶化时发出警报。
宽客仍主宰的领域
开发数学定价和风险模型的自动化率仅为48%。[估算] 这是量化金融的智识核心，也是AI辅助与AI替代之间差距最明显的地方。
为一种奇异衍生品构建新的定价模型不是模式匹配练习。它需要理解金融工具的法律结构、合约中嵌入的对手方风险、交易的市场微观结构、监管资本影响，以及公司特定的风险偏好。AI可以建议模型架构甚至生成初始代码，但根本性的建模决策——包括哪些风险因子、对尾部分布做什么假设、如何处理regime变化——需要深厚的领域专业知识和创造性的数学思维。
举一个具体的例子。当市场在2023-2024年经历波动性事件时，大型机构的宽客必须迅速评估他们风险模型的假设是否仍然成立。他们模型依赖的相关性正在崩溃。波动率曲面的行为与历史数据所暗示的不同。AI工具可以标记出问题，但人类宽客必须诊断原因并做出判断。
理论暴露度（80%）与实际观察暴露度（44%）之间存在36个百分点的差距。[事实] 这个差距存在是因为金融公司对涉及真金白银和监管审查的决策过度自动化持谨慎态度。
2030年的宽客
他们是模型架构师，不是模型程序员。 宽客的主要价值在于用C++实现随机微分方程的时代即将结束。AI编码助手可以从数学规范生成模型实现。价值现在在于指定正确的模型。
他们对AI的理解足够深入，知道其局限性。 最优秀的宽客理解为什么神经网络可能在金融数据中产生虚假相关性，为什么强化学习交易代理可能在低流动性市场中发展出退化策略。这种元知识是现代量化金融中最有价值的技能。
他们向非宽客沟通风险。 将"我们VaR模型的尾部风险假设在相关压力场景下可能不成立"翻译成董事会成员能据以行动的语言——这是不可替代的能力。
42,600名从业者赚取中位薪资134,180美元，所在领域增长+8%，[事实] 量化分析仍然是金融领域薪酬最高、最安全的职业之一。悖论在于，宽客既是最容易受到AI影响的，也是最有能力与AI协作的。
本分析使用基于Anthropic劳动力市场影响研究（2026）和BLS职业展望手册数据的AI辅助研究。
相关职业
在AI Changing Work上探索1,000多个职业分析。
来源
- Anthropic经济影响报告（2026）
- 美国劳工统计局，职业展望手册
更新记录
- 2026-03-30：首次发布，包含2024年实际数据和2025-2028年预测