퀀트가 되려면 수학부터 완벽하게 공부해야 할까, Python 프로젝트부터 만들어야 할까? 정답을 찾기 전에 더 중요한 질문이 있다. 퀀트 리서처와 개발자, 트레이더와 포트폴리오 담당자는 실제로 서로 다른 문제에 책임진다. 같은 직무 이름에 끌려 모든 기술을 한꺼번에 배우려 하면 진로는 오히려 흐려진다. 이 책은 수익률 그래프가 아니라 업무의 산출물부터 퀀트라는 직업을 해부한다.

주식·ETF·선물·옵션의 시장 언어, 가격과 거래량의 의미, 확률·회귀·시계열을 이용한 판단, Python과 SQL의 데이터 처리까지 필요한 기초를 역할에 연결한다. 연구자는 어떤 가설을 검증하고, 개발자는 데이터를 어떻게 재현 가능하게 만들며, 운용 담당자는 거래 가능한 가격과 위험 한도를 어떻게 고려하는지 구분한다. 수학과 코딩을 공부하는 목적이 직무마다 달라진다는 사실이 선명해진다.

눈에 띄는 부분은 화려한 백테스트를 의심하는 태도다. 생존자 편향, 미래 정보 사용, 과적합, 거래비용의 누락을 살피면서 과거 성과가 왜 실제 실행 가능성을 증명하지 못하는지 설명한다. 팩터 분석과 포트폴리오 최적화도 순위나 공식을 외우는 데서 멈추지 않고 데이터의 정의, 비교집단, 집중위험, 리밸런싱 제약을 확인하는 절차로 접근한다. 알고리즘을 실거래 시스템으로 옮길 때 발생하는 장애와 책임까지 함께 들여다본다.

직업의 이름을 넘어 배워야 할 기술의 깊이를 조절하는 일도 중요하다. 수학 전공자는 데이터와 금융상품을, 개발자는 연구의 검증과 시장 구조를 보완할 수 있다. 반대로 뛰어난 이력서 문장보다 입력 자료와 가정, 오류를 명시한 한 개의 작은 프로젝트가 자신의 업무 방식을 더 분명하게 보여 줄 수 있다.

전공별 진입 경로와 채용 프로젝트 설계, 기술면접에서 생각 과정을 증명하는 방법, 주니어가 입사 후 받는 피드백도 다룬다. 금융 비전공 개발자, 통계·수학 전공자, 새로운 직무로 이동하려는 직장인에게 필요한 것은 모든 지식을 갖춘 사람의 신화가 아니다. 지금 가진 능력으로 어떤 문제를 맡아볼지 결정하게 해 주는 현실적인 커리어 지도다.