金融行业一级市场和二级市场普及

金融行业可以简单地把它想象为一级市场和二级市场。

一级市场主要是做IPO（首次公开募股），重组、并购，也包括PE（私募股权投资）或者像VC（风险投资）。一级市场的工作内容是公司层面的，就是公司与公司之间股权会有的一些变动。可以理解为一级市场的工作相当于广义的投行，公司之间发生活动时，涉及到的股权重组的计算和安排，同时也会涉及到会计和法律方面的变动或者审核过程。

投行相当于是一级市场最基本的工作，刚进投行部（IBD）第一年和第二年，大家主要做的工作还是如上所述，像公司上市时涉及到的大量的研究工作，对公司本身和所处行业的尽调。通过尽职调查去判断这个公司适不适合上市，从它的财务报表和之前多年的经营活动等财务数据进行分析。所以投行涉及到很多和会计师事务所、律师事务所的业务往来，有很多文字工作（paper work），如合同的撰写、修改和审查。

另一方面，投行会涉及到一些金融模型（financial modeling）。从公司金融角度出发，建立新的模型，会对公司历史研报里的金融数据进行一些抓取，通过搭建模型，对公司之后的利润进行分析。比如，两个公司要重组，就要去预测重组后的经济效益，然后再决定这两个公司具体要不要采取重组。这一部分的工作主要在Excel中完成，它不像数学或金融工程等涉及到复杂的数学模型，所用的模型比较基础，要求的性能属于公司金融方面，比如市盈率、市净率等体现公司经营状况的数据。

投行是一个对客的工作，通常需要代表委托人或公司去进行上市或并购。委托人本身对金融可能不是很了解，所以会很看重展示的方案。因此，投行涉及到大量做PPT的工作，需要我们做到客户满意为止。投行首先要求掌握比较系统的金融知识，尤其是对公司金融、基本面研究的知识。这和做二级市场、量化不是同一套逻辑，而是从公司角度出发，所以投行要求的专业背景最好是涉及到纯金融或者会计。

二级市场是一个范围比较广、覆盖业务面宽泛、从业者众多的行业。二级市场涵盖业务流程广，有前台、中台、后台之分，行业研究、金融市场、量化三个方向比较均匀地分布在前台、中台、后台各个部分。

对于行业研究方面，二级市场的研究和一级市场基本面的研究不太相同。

一级市场研究更类似于从公司内部如公司组建、股东持股、财务数据等入手；而二级市场研究更偏宏观、数学化，会从一个比较宏观的经济周期入手或者是看一个行业最近的发展有没有受到一些全球性事件的影响。

二级市场主要利用的研究方法类似于回测、归一分析等比较基础的量化模型，主要目的还是分析历史股价，因为二级市场研究最后的目的还是为了看哪支股票或者是哪个行业最后的趋势比较好。

一旦研究员预测到哪个行业或者是哪一个股份之后的上涨趋势会比较好，公司会通过二级市场的销售把这些观点推给潜在的客户。客户一般都是大型的机构投资者，有足够的资金。客户在接收到观点后就有了一定的投资意向，这样就产生了交易需求。交易需求就会传导到交易台，交易台的交易员会做不同种类的交易。

按市场划分的话，可以分为中国的A股市场、香港的港股市场、包括欧洲市场和美股市场。同时交易员也会做不同种类的交易，比如说单条交易，或者是比较复杂的金融衍生品交易如期货、期权，或者是跨市场交易比如说跨境收益互换。所以一部分的交易员是比较简单的指令交易员，就是按照客户的具体要求交易；另一部分交易员需要自己去帮客户构建一定的交易和最终策略，就相当于给客户提供具体的交易方案，按照特定的交易方案去做交易。

二级市场还有一块和数学联系更紧密，类似于量化和金融工程，可以理解为金融数学或应用数学在金融方面应用，基本上应用于风险监控模型、量化模型，用来找交易信号或挖掘市场因子，涉及工作内容较为单纯，大多数工作内容是对交易数据或历史数据的测算，把各种模型甚至比较高级的机器学习、AI模型应用上去，得到最终结论。

金融市场是以交易为导向的，交易产生的原因就是客户有交易需求。一般来讲客户会是一些大型的金融投资者，但是不同的投资者对市场的判断和投资水平参差不齐。有的机构可能本身已经比较完善，内部已经有很好的模型，知道交易哪支股票、交易多少的量。这种客户的需求就会传达到按指令下单的交易员。有些客户有资金，但不清楚该如何交易，按什么交易策略，所以他们会委托交易台，交易员要按照客户的交易需求，匹配到各种交易模型，结合自己的分析和理解帮助客户制定交易方案。比如买一篮子股票，要注意每支股票的权重是多少；买一个指数，要看指数的配比，或者是组合一个比较复杂的衍生品策略。这一部分就是我们广义理解上的金融工程，本质就是拿各种金融工具，完成达到客户需求的金融方案，中间会涉及大量测算、数学模型的拟合、对历史数据的分析、对金融工程模型或交易算法的套用。最后通过数学和编程的手段，给出满足客户需求的交易方案。

金融工程里面有一部分纯量化的工作, 纯量化离市场没有那么近，做的事情更纯粹，更多是对数据本身分析，不会过度关注当天的市场行情变化，量化所看维度更长久，数据处理更复杂，涉及到数据清洗、降噪、做均值回归等，对数据的拟合也更复杂。量化需要探索新的模型，会涉及到和AI相关的知识，比如机器学习、深度学习包括数据库语言等比较高级的数据处理方式。

如上就是对于金融行业一级市场和二级市场的基本普及了。