VOL. VII · NO. 153 · OTC Derivatives · 21 JUL 2026

Role Quant

OTC 衍生品 · 21 JUL 2026 · 6 min read · 804 words

· · ·

角色地图：Quant（量化分析）

Quant 是”造工具的人”——交易员和 structurer 用的定价模型、风险计算、对冲算法，都是 quant 写的。你和 quant 的关系像”翻译”：他们把数学需求告诉你，你把系统需求做成产品。

flowchart LR
    subgraph Quant 工作流
        A[模型开发] --> B[模型验证]
        B --> C[系统集成]
        C --> D[模型监控]
        D --> E[模型修正]
        E --> A
    end
    subgraph 交付物
        A -->|输出| A1[定价公式/算法]
        B -->|输出| A2[验证报告]
        C -->|输出| A3[API/库]
        D -->|输出| A4[偏差预警]
    end

一、典型一天时间线


08:00 ─ 检查模型运行情况
       │ 昨夜的批量估值跑完了吗？有没有模型报错？
       │ 检查模型校准是否收敛——有些模型参数校准失败
       │ 你需要的系统：模型监控仪表盘

09:00 ─ 定价支持
       │ 交易员/structurer 报过来一个定价结果"看起来不对"
       │ 你排查：数据问题？模型参数问题？代码问题？
       │ "这个雪球的定价比昨天高了 2%——是因为波动率曲面变了"
       │ 你需要的系统：定价日志、参数历史、数据溯源

10:00 ─ 新模型开发
       │ structurer 设计了一种新结构，需要新的定价模型支持
       │ 你写原型代码（Python）：定价公式、Greeks 推导、情景模拟
       │ 你需要的系统：开发环境（Python/MATLAB）、数据接口

11:30 ─ 模型验证
       │ 指标对比：模型价格 vs 市场报价、历史回测
       │ 敏感性分析：参数微小变动→价格变动
       │ 你需要的系统：验证框架、回测引擎

13:00 ─ 与 IT/开发团队对接
       │ 你把量化模型交给 IT 团队做生产化（从 Python 到 Java/C#）
       │ 你提供：伪代码、测试用例、边界条件
       │ 你需要的系统：需求规格文档模板

14:00 ─ 模型校准
       │ 市场数据变化了，模型参数需要重新校准
       │ 校准波动率曲面、相关性矩阵
       │ "今天 vol surface 偏斜很厉害，校准收敛慢"
       │ 你需要的系统：自动校准调度

15:00 ─ 风险分析支持
       │ 风控要的敏感性分析：如果市场跌 10% 整体持仓会怎样
       │ 你跑情景模拟、压力测试
       │ 你需要的系统：情景分析引擎

16:00 ─ 模型风险管理
       │ 检查模型表现偏差——模型价格 vs 实际市场价格
       │ 如果偏差超过阈值，需要评估是否要调整模型
       │ 你需要的系统：偏差报告、模型变更管理

17:00 ─ 研究时间
       │ 读论文：新的定价方法、新的风险模型
       │ 或做量化策略研究
       │ 写技术笔记/分享给团队

二、Quant 的 KPI

KPI	说明	系统含义
模型准确度	模型价格 vs 市场价格的偏差	偏差监控系统
模型上线成功率	从开发到生产化的转化率	IT 协作效率
模型验证通过率	内部/外部验证是否通过	验证流程系统
生产故障次数	模型在生产环境出错的频率	模型监控告警
定价响应速度	从请求到给出定价的时间	计算性能优化

三、Quant 使用的系统

系统	用途
Python/MATLAB 环境	模型原型开发、回测
市场数据接口	标的行情、波动率、利率曲线等
校准引擎	模型参数自动校准
批量估值引擎	日终批量定价计算
验证框架	模型准确性、稳定性验证
情景分析引擎	压力测试、情景模拟

四、Quant 的黑话

黑话	意思	系统含义
”校准不收敛”	模型参数算不出来	模型监控告警
”vol surface 偏斜”	波动率曲面形状异常	波动率分析
”MC 收敛太慢”	蒙特卡洛模拟计算量太大	高性能计算
”closed-form vs MC”	解析解 vs 数值模拟	定价方法选择
”参数稳定性”	模型参数是否随时间变化稳定	模型监控
”过拟合”	模型过度拟合历史数据	模型验证检查点
”这个模型有 vanna 风险”	波动率变化和标的价格变化相关性	Greeks 分析
”局部波动 vs 随机波动”	不同波动率模型类型	模型选择
”插值方法”	用已有数据点推测未知点	数据处理
”basis 风险”	对冲品和标的之间的价格差异	对冲效率分析

五、你怎么和 Quant 打交道

Quant 是 PM 最难对接的角色之一——他们说的是数学，你问的是功能。

当翻译：quant 说”我需要一个 Heston 模型的实现”，你翻译成”定价引擎需要支持随机波动率模型，影响范围是 XX 产品、YY 函数、ZZ 数据接口”
量化交付节奏：quant 的成果不是”功能上线”，是”公式可用”。生产化需要 IT 团队另外做工程化。别承诺”两周后就能交易新结构”，留出集成时间
模型不是万能的：quant 给你的定价可能很准，但没有市场数据支持就只是个公式。任何定价引擎项目要考虑的排序：数据 > 计算 > 模型

系统支持（IT 侧锚点）

Quant 动作	系统 / 代码路径	关联文档
定价引擎	`~/odts1/eds-price-server` `PricingEngine.java`（30+ 产品）+ `gpricingengine/GPricingEngine.java`（Greeks 全计算）	ODTS-35 定价引擎演变
蒙特卡洛 / 解析解	`edslib` `valuation/MonteCarloValuation.java` / `ClosedFormValuation.java`	product-option §6
模型验证 / 回测	验证框架 + 偏差监控	ODTS-79 定价引擎产品族
批量估值	EOD 第 5/6 步 `ValuationStep` / `GreeksStep`	ODTS-18 EOD 批处理

下一角色：role-legal.md 法务的一天