栏目导航

当前位置: 首页 海外

悉尼大学金融学专业就业方向及前景

建议发表于:2023-06-25 09:24

大家所向往的券商投行、研究所,或者是基金公司的基金经理确实是这个行业接近天花板的存在了,但通过超过1000家简历投递和100次面试经验以及5段在头部中部和尾部的券商投行部、研究部、销售部以及私募基金的实习经验来给出大家几个最为现实的2023年就业要求及情况,让大家选择专业时有个准备: 

 首先给大家个总结:

1. 家里没有人脉资源,或者足够的资金以及不能进去 985、211 院校的话,不建议报考,报考后也只能进去基层工作 

2. 不能进 985、211 的本科话,就几乎与券商或者基金公司投行部或者研究部、银行总行等高薪无缘了,除有人脉资源以及超牛的实习精力和工作能力

3. 只能进双非本科,基本可以为进入银行或者券商营业部做准备,选择机会较少,靠销售能力吃饭

4. 建议在校期间把证券从业,基金从业,银行从业等证书考完,CPA 这个量力而行,但能考完的话,竞争力也会特强,CFA 国内现阶段在应届求职中只是锦上添花

5. 实习>考证>校内活动和比赛

学历方面:

1.券商投行部:有人脉或者资源(人脉:指你认识投行部一把手等,资源:指你身边有即将上市的公司所有者关系特别好的亲戚等),在硕士以上学历的同学都有机会进入工作。除此之外,头部券商要求清北复交,排名50名之前的券商要求本硕985、211。卡本科学历,本科是双非,硕士985、211也不行,因为过不了HR部门。尾部券商投行部具体看不同公司要求,但99%都招聘要求硕士学历。留学生硬性要求:头部投行QS10名以前,中部券商QS50名以前,脚部QS100名以前。 

2.券商研究所-研究员:这个哈,我去的脚部券商的研究员都是985,211硕士或者博士起步,所以这也可以看出,研究所的要求是券商学历要求最高的地方了。这个部门,有人脉资源的话,依然需要你的学历达到标准,标准参考上一条。研究所学历要求高的点在于,可以这样默认-所有券商研究所的研究员学历要求本硕985、211,可能你也听说有人双非也进研究所实习了,但实习是实习,留下来几乎不可能,因为985,211的本硕实在太多了,研究所的研究员一个部门可能一年也就招1-2个人。本硕清北复交的金融学,足以填满一半以上的岗位。确实会有一些双非财经院校进入研究所工作的,但太少太少了,除非考其他地方弥补,比如实习,这个会在下一部分讲。留学生硬性要求:1)必须本硕2)头部投行QS10名以前,中部券商QS50名以前,脚部QS100名以前。

3.券商研究所-机构销售:这个要求会适当降低,中部脚步对于卡985、211学历会相对少一些,但去过脚部券商的机构销售,身边的实习生也几乎都是本硕985、211,所以竞争还是很激烈的。虽然要求低一些,但你有幸参加券商机构销售的面试的话,相信跟你一起面试的一定有碾压级学历的存在,那时候谈吐,回答问题的水平和实习能帮到你,但当这几个方面都没有优势的话,就只有谢谢参与奖了~

4.私募一级、二级:本人目前在某中型私募股权投资基金公司做研究员的工作。对于私募,1)很少秋招,因为人员流动一般由社招或者跳槽,需要更有经验的人2)因为一些私募是私人企业,所以老板能决定你是否留下,对于学历筛选依然是很卷很卷,身边面试实习的大家几乎也都是本硕很好的学校,但更看重实操能力。根据私募规模的不同,可以分为小(资产1亿-20亿内)、中(资产20-80亿)、大型私募(资产百千亿),不同的私募也有自己不同的要求,但最终的决定权还是在老板和合伙人的手里,所以工作能力在面试以及实习留用中也要求极高。

5.公募集基金-研究员:学历要求>=券商研究员

实习方面: 券商: 实习经历: 行业内大家都把3段实习作为门槛,虽然当时1-2段实习的我虽然也接到了一些offer,但3段以上的实习也是非常必要的。在本科和硕士之间,我建议大家想在这个行业好好发展的话,从大一或者大二就开始实习是最好,虽然很多券商不收大一大二的,但我之前实习的某中部券商也是有收大一大二的,不收大一大二学生的原因,券商老师这样跟我说的:“小孩子专业知识都还没学懂,过来也难帮上什么忙,实习的时候没有时间给予基础知识的学习时间和培训,这个需要在学校就学扎实”。

所以大家要是想进入券商的话,还是好好利用假期以及业余时间去找券商或者基金公司去实习。除了投行必须要在线下实习之外,研究所也会放出远程实习的机会的,所以抓住这些机会,争取在毕业前攒到3段以上的实习是真的很有必要。但大家也会犯难,第一段实习怎么找,这个确实很难,要是身边有资源,可以靠资源先去券商实习一下,不管是营业部还是银行,总是在金融体系内实习一下,对于下一段实习帮助很大;没有资源的话,二三线城市当地银行营业部也可以去试试,看是否有机会。或者利用你在学校的比赛、创业项目、论文等相关优势,去“实习僧”这个小程序或者APP上去投一投简历,能找到工作的几率也很大的。我的2份券商的实习也是实习僧找到的。

实习区别: 暑期和日常实习区别:

1.日常实习所干的活一般接触不到公司核心内容,但招聘要求低一些,并且可以不通过HR部门(避免学历被刷),通过同学介绍或者招继任的方式进入券商实习。但这种实习的含金量也不如暑期实习,但作为刷建立的第一、二份实习也是非常好的,可以通过日常实习来进入更好的券商或者暑期实习的机会。

2.暑期实习一般都是秋招或者春招进入券商实习生的叫法,也可以通过日常实习转暑期的方式进去,进入暑期实习其实也就是有了在券商留下的机会,但这个机会一般都是个大饼,因为这个还得看公司当年有没有招正式员工的计划,没计划的话,暑期实习一个也留不下。但暑期实习一般都答辩环节,也是为了公司的储备人才做最后筛选,那么在答辩之前的实习,有机会接触到研究所或者一些岗位的核心内容,也是为了实习生能更好的去准备自己的答辩。所以建议最好在毕业前开始暑期实习。

实习优势:

1. 弥补学历上的差距

2. 让你能收到面试邀请,并且面试脱颖而出

3. 让你知道自己是不是喜欢这个行业 4. 提早了解该行业的真实信息

应届生薪资: 这个根据我目前“上海”应届毕业生面试经历来给大家个参考

1. 券商投行部、研究所 : 1w/月起步 

2. 基金公司研究员、业务员:8K-1w2/月

3. 期货研究院:6K-8K5/月

4. 四大 9K/月左右。

此文由网络用户发布,请对其中的建议酌情分辨。若存在错误或者侵犯您的合法权益,您可通过邮箱与我们取得联系,我们将及时进行处理。

相关建议

建议多选修一些其他专业的课程,如果可以读double major,课程实际意义很强,毕业以后可以进入民航圈
# 新南威尔士大学 # 航空运营管理
生物制药这个行业相关的学科(包括生物工程、生命科学、药学等),有一条不太明显的线,叫做 211 这么划分可能非常不公平,因为有一些双非的院校也有很好的专业基础,例如深圳大学,但是他们有一个重要的共同点:有钱 没有办法,生物这个行业是很烧钱的,例如一台冷冻电镜,几千万,可能就是普通学校大半年的教学经费 我在本科生做实验的时候,用的耗材、仪器设备都是用钱砸出来的,哪怕是老设备甚至二手,都不便宜 学校没有钱,意味着课本上很多的知识没有办法实践,很多名字只是在课本上的概念,你没有机会去接触它 当一个几乎
# 科英布拉大学 # 制药科学
本科专业是信管,总的来说管理类专业什么都学确实是一大弊病。不要等着学校教你特别硬核的求职技能,因为高校和业界确实存在脱节滞后。学习管理类专业应该充分发挥主观能动性,在本科期间多试错和探索,逐步明确自己的喜好。如果不知道自己喜欢什么在不排斥该专业的情况下,就尽量保持一个还可以的成绩和简历,以便未来转专业。
# 新加坡国立大学 # 信息系统
这是一个冷门的学科,就业面较窄,社会需求不大,未来出路多是从事于教学工作。
# 马来西亚理工大学 # 戏剧影视文学
其实各位留学不一定选择发达国家,其实,印度的计算机技术非常厉害,当时,在发论文的时候,导师对我检查的提别严格,但是也很用心,现在我是谷歌七级工程师,真的很感谢在印度留学的这段经历。
# 印度理工学院 # 计算机科学与技术
本科期间选择的热能动力工程,细分是飞机的燃气轮机方向。哈工程有很多子方向,船用轮机,飞机的燃气轮机,汽车的发动机等小类,但是之前报专业的时候我并不清楚有这些细分,当初也是想学工科,并没想到专业大方向下还有这么多小方向。而且被划分到哪个子方向,学生是事先不知道的,虽然可以转专业,但是对于目标并不明确,也没有什么规划的我来说,并没有选择去转专业。其实结合自己的兴趣来说,计算机专业应该是自己有热情,有想法攻读的专业。 如果错过大二的转专业(学校里应该也是要求成绩前列的人才可以转),那么就没有机会啦。 这
# 东英吉利亚大学 # 工程学
经济学博士在读,今年是学经济学的第8年。经管金财类本科毕业就业除了会计审计也许算专门职,其他类别岗位都是综合职,其中一少部分是办公室打杂的,比如某万达广场市场部,工作是招商或者协调商户,绝大部分岗位都是销售工作。我的本科同学大多数在卖贷款理财保险,还有一部分在卖房,甚至还有卖电动自行车的,收入水平说没有还有点,说有也算不上有。有些工作不赚钱还欠单位钱,在这些销售岗位上真真儿的都是常事。 坦白的讲经济学在本科学历水平是没有对口就业的,需要相关专业知识的岗位事实上绝不会招本科生,如果没有考研打算千万别学。和
# 京都大学 # 经济学
我个人觉得data science 和 machine learning 还是有些比较大的区别的。 做纯machine learning的会更关注算法创新,原理,证明,可解释性等等, 研究方向主要是做优化算法开发(比如Adam K-FAC),模型结构创新(比如nurelODE)等等。 ML 领域里的NLP,CV,RL这些偏应用的方向,就比较接近做软件开发+算法创新,主要的研究方向是以某一个任务在特定数据集的应用为目标,(比如CV中的object detection 在日常场景如COCO中的应用
# 多伦多大学 # 计算机科学