金融数学是干什么的？
以量化为例，量化在金融行业中主要负责三个内容的实施——数据处理与分析、编程和模型构建与验证。这三个内容相互联系又有一定区分。 数据处理与分析是量化的基本，没有良好的数据处理能力就不可能进行后续的步骤。数据处理的能力主要体现在对于大数据量的处理上和对异质数据的兼容性上。现代金融领域涉及到的大数据多是高频、巨量、结构复杂的数据，传统的数据库查询已经远不能满足需求，这就需要对大数据进行处理和分析的人员具备分布式存储和数据加密的知识和能力。同时，对于非结构化数据的分析也是目前的一大重点，这些都需要工作人员掌握相应的技巧。
建模则是将分析和整理后的数据加以运用，通过建立不同的模型来进行预测和判断。这一过程需要工作者拥有一定的编程基础，利用代码完成模型的运行和使用。目前比较主流的编程语言有R、SAS、MATLAB等，不同语言有着各自的特点和适用方向，并不存在孰好孰坏的问题，主要是取决于工作的内容和项目的要求。
最后的模型验证是在建模完成后对模型的进行测试和优化，通过不断的调整参数来得到最准确的结果并且对模型进行阐释。这也是一个反复迭代的过程，需要在理论和实际中不断进行调整。 除了以上三大方面外，量化从业人员还需要具备一些软技能，比如沟通能力、抗压能力、自我驱动能力和学习能力等等。