外界常把量化机构想象成「一群天才数学家炒股」，实际上它更像一家小型科技公司 + 资管公司的混合体：研究、生产、销售、质检各有专业分工。理解分工有两个用途——求职时知道自己要练什么；投资时理解一家量化私募的 alpha 到底是谁生产的。
六个核心角色
| 角色 | 一句话职责 | 核心技能栈 | 关键产出物 | 与流水线的接口 |
|---|---|---|---|---|
| QR（量化研究员） | 挖掘并验证可复现的预测信号 | 统计、机器学习、市场知识、Pandas/Python | 因子假设、检验报告、模型代码 | 研究 → 回测 |
| PM（投资经理/组合经理） | 在约束下把信号变成组合 | 组合优化、风险管理、产品与容量认知 | 目标组合、风险预算、业绩归因 | 回测 → 风控 → 执行 |
| QE（量化工程师） | 让研究与交易可靠地跑起来 | 系统设计、数据工程、低延迟、DevOps | 回测平台、数据管道、交易系统 | 贯穿全部环节 |
| Trader（交易员） | 用最低成本完成建仓调仓 | 微观结构、执行算法、市场制度 | 执行算法参数、TCA 报告 | 执行环节 |
| 风控（Risk Officer） | 定义并守住亏损的边界 | VaR/压力测试、合规、组合监控 | 限额表、熔断规则、风险日报 | 风控环节，独立汇报线 |
| 数据工程师 | 保证数据的正确、及时、可追溯 | 数据库、调度、数据质量监控 | PIT 数据库、因子数据集市 | 数据层（研究的地基） |
三个容易被误解的分工细节
QR 不是「想点子的人」。 顶级机构的 QR 日常更像实验室科学家：大部分时间在证伪——子样本检验、参数敏感性、换数据频率复测（见避免 p-hacking ）。想法每小时都有，能活过检验流程的不足 5%，而检验流程本身就是 QE 建的。QR 的产出物不是「一个赚钱的因子」而是「一份经得起追问的检验报告」——报告在，因子死了可以复活评估；报告不在，赚了也说不清为什么。
风控的汇报线是独立的。 成熟机构里风控不向 PM 汇报，而是直接向 CEO/董事会——这是 LTCM 之后全行业的结构性教训：不能既是运动员又是裁判。限额（单票、行业、杠杆、回撤）由风控制定，PM 在限额内自由，触碰限额时系统自动降仓而不是打电话商量（见事中风控 ）。2021 年 A 股量化超额回撤后各家自查，暴露的普遍问题正是「风控对 PM 的暴露没有独立视图」。
PM 的核心技能不是选股而是「放弃」。 信号再多，组合能承载的风险预算有限：PM 的工作是在换手约束、容量约束、跟踪误差约束下决定用哪些信号、各配多少权重（见多策略资金分配 ）。同样一批因子，优秀 PM 与平庸 PM 的实盘夏普可以差 50% 以上——差距全部在约束设定与权重纪律。
协作接口：一次因子上线要经过谁
以「新增一个基本面质量因子」为例，看真实流转：
- 数据工程师：把因子需要的财报字段纳入 PIT 数据库（公告日对齐、修正存档）——缺这步，QR 的回测自带前视（见PIT 数据库 ）；
- QR：完成检验报告（IC/分组/衰减/容量/稳健性），提交评审会——会上被问的问题通常是「换 2021 年以后样本还成立吗」与「和库里哪个因子是一回事」；
- QE：因子代码接入生产因子库——版本化、单元测试、与回测同源（见因子存储 ）；
- PM：决定其在组合中的权重与约束——会拿它与现有因子做增量贡献测试；
- Trader：更新执行参数——质量因子换手低，成本影响小，可直接并入下一次调仓；
- 风控：复核组合在新增因子后的暴露变化（风格 z 值、行业偏离），更新限额表的版本号。
一个环节缺席，这个因子就是带病上线。 这条链也解释了为什么个人量化者「既是 QR 又是 PM 又是 QE」时容易翻车：没有第二个人帮你守任何一道闸门。
团队配比与分工的规模效应
| 机构规模 | 典型配置 | 分工特征 |
|---|---|---|
| < 5 亿 | 5–10 人 | QR 兼 PM，QE 兼数据，风控兼职或由大股东直接盯 |
| 5–50 亿 | 15–40 人 | QR/PM/QE 三线分离，风控专职 1–2 人 |
| 50 亿+ | 60 人以上 | 细分到因子组（量价/基本面/另类各一组 QR）、独立交易平台组、机构级风控 |
一个粗略的行业感受值：QR : QE ≈ 1 : 0.5–1——工程人手不足的团队，研究吞吐必然被数据质量和系统事故拖垮。这也是判断一家私募「研发成色」的暗线：招聘页上 QR 与 QE 的比例，比 「C++/Python」的字样更能说明问题。
个人量化：一人分饰六角
个人量化者没有分工红利，但有「流程换人」的替代方案：把每个角色的职责写成检查表与自动化，用纪律替代人力——
- QR → 研究模板与 checklist（第 20 章 ）；
- QE → 调度 + 告警的最小运维（日志监控 ）；
- Trader → 简单执行算法（A 股执行实务 ）；
- 风控 → 写进代码的硬限额与熔断（事前风控 ）；
- 数据工程师 → 每日质量检查脚本 + PIT 对齐（数据清洗 ）。
当某项自动化成本超过收益（比如单人不需要灰度发布系统），明确地「不做什么」也是角色认知的一部分。
关联阅读：量化投资全景图 看角色如何嵌入流水线；学习路径 路线四对应职业化分工；量化私募生态 从买方视角评估一家机构的角色完整度。