Quant（量化分析师）是运用数学建模和计算机编程技术解决金融问题的专业岗位，其核心工作包括衍生品定价、风险管理和市场预测三大领域。作为金融与理工的交叉领域，Quant与传统会计的最大区别在于采用数理模型而非会计准则作为分析工具，其典型代表如高盛"Kensho"系统和文艺复兴科技大奖章基金均依赖量化策略实现超额收益。

从专业定位来看，Quant本质上属于金融工程师范畴。根据国际量化金融协会（IAQF）2024年行业报告显示，全球76%的Quant拥有STEM领域硕士以上学位，其中物理学博士占比达31%，远超传统金融专业背景人员。这种人才结构源于量化分析需要处理布朗运动、随机微分方程等高等数学工具，例如Black-Scholes期权定价模型就建立在伊藤引理这一物理学概念基础上。在职业分工方面，Quant主要分为买方与卖方两大阵营：买方Quant聚焦统计套利和Alpha因子挖掘，典型如桥水基金的全天候策略采用宏观变量量化模型；卖方Quant则侧重衍生品定价和风险控制，摩根大通的风险价值（VaR）系统每日处理超10万次蒙特卡洛模拟。值得注意的是，近年来会计领域也出现"审计量化"新趋势，普华永道开发的Halo审计平台便运用机器学习分析财务异常，表明Quant技术正在重构传统会计工作范式。从薪酬维度观察，Selby Jennings 2025年薪酬指南显示，北美应届Quant年薪中位数达18.5万美元，5年以上经验者普遍超过50万美元，这种溢价水映出市场对复合型技术人才的迫切需求。随着CFA协会将Python编程纳入考试大纲，ACCA增设数据分析认证科目，会计与量化分析的学科边界正在加速融合。