Teknisk Fysik eller Datateknik?

Jag har ett stort intresse för områdena kvantitativ forskning och "data science". Utöver detta har jag också ett lika stort intresse för finansiella marknader (framförallt handel av aktier och optioner).

Mitt drömyrke har därmed blivit någon typ av ”quant” inom fondförvaltning. Om jag verkligen fick drömma så skulle jag gärna försöka starta en egen kvantfond som via algoritmer, statistik och maskininlärning handlar finansiella produkter men detta är givetvis orealistiskt. Mitt mål är alltså att få ett yrke som är så likt de ovanstående som möjligt.

Min plan var ursprungligen att läsa Teknisk Fysik på KTH med inriktningen tillämpad matematik eller maskininlärning. Ifall allt skulle gå som planerat och att jag inte överskattat min förmåga så tänkte jag dessutom dubbla med en kandidat från HHS från och med tredje året på Teknisk Fysik.

Nu har jag dock börjat tveka på Teknisk Fysik eftersom jag är orolig att den inte omfattar tillräckligt mycket programmering för de jobb jag är ute efter. Finns det tillräckligt mycket programmering på teknisk fysik ifall jag väljer programmering som alla mina valfria kurser?

Bör jag istället välja datateknik?

Det som får mig att överhuvudtaget tvivla på Datateknik på KTH är att jag inte är särskilt intresserad av mjukvaruutveckling samtidigt som att utbildningen har mindre matematik än Teknisk Fysik. Förövrigt är fysikkurserna mina favoriter under gymnasiet medan jag inte har någon erfarenhet av mjukvaruutveckling alls.

Hej, kul att du vet vad du vill köra på!

Jag själv pluggade teknisk fysik på UU. Tycker det fanns en hel del programmering. Programmeringsbiten är inte jättesvår och du behöver inte läsa väldigt omfattande kurser om det utan du kan även programmera på din fritid i olika hemsidor, t.ex. github.

Sen om du vill toucha på finansiella biten så tror jag KTH har en master i finansiell matematik. Se även till att du gör ditt projektarbete och examensarbete inom området där du får programmera osv.

Om man ska bli kvantare kan det vara bra att doktorera också, dvs läsa 3-5 år efter man tagit examen för att bli mer specialiserad.

Det jag upplever från utbildningen är att man får lära sig en hel del olika ämnen men man blir aldrig riktigt specialiserad inom något, vilket de i företagen vet om. Utbildningen är mer ett bevis på att du kan lära dig saker. Det du kommer lära dig mest är när du börjar jobba med det du vill. Det viktigaste är att du visar upp ett intresse för det du vill jobba med, såsom att ha gjort ett visst examensarbete, programmerat på din fritid etc. Så därför tror jag inte det spelar någon större roll om du väljer teknisk fysik eller data teknik.

Prata även med en studievägledare på KTH som kan hjälpa dig, de ska kunna detta och ska förklara skillnaden i programmen för dig.

Annars kör stenhårt på ditt intresse, blir riktigt avundsjuk av att du redan vet vad du vill arbeta med! Hade själv ingen aning innan jag började programmet

TF för nivå, du kommer ändå landa i DT i yrkeslivet men då har du en guldstämpeln med

Jag vill även tillägga att det är en ENORMT bra merit att ha gjort ett utbytesår i ett Universitet där de behandlar AI/ML och finansiell matematik t.ex. bara för att krydda på ditt intresse lite mer samtidigt som det vore sjukt kul att plugga utomlands ett år.

Kan inga Universitet på rak arm som har bra rykte inom dessa områden, men det kan du kolla upp när det börjar närma sig.

Om du ändå skall läsa ingenjörsstudier och vill jobba med finans varför inte läsa finansiell matematik från Industriell ekonomi? Vet inte om den finns på KTH men finns på Chalmers och den är en av de tuffare inriktningarna men extremt bra om du vill jobba inom finans/investment etc. Kan vara värt att kika in på istället för att läsa på HHS.

Onödigt att ta en sådan omväg för att jobba inom ekonomi. För att vara helt ärlig, de som pluggar F/Pi som hamnar inom finans eller management brukar ofta vara de som presterat undermåligt och tagit en utväg för att ta sig genom det sista inom utbildningen, d.v.s mastern. Oftast är det inte "bra" jobb en ingenjör får inom den sektorn, alla high-key har en renodlad ekonomutbildning i bakgrunden. För oss som läst portföljvalsteori, tidsserieanalys och kurser inom modellering och statistik, d.v.s mer insikt, är dina antaganden/bild om finansiell AI/matematik något irrealistiska, så varför ska du då ha dessa som grund när du väljer utbildning?

Vill du arbeta med ekonomi, plugga ekonomi. Vad ska du med 180hp i kvantfysik, komplex analys, ellära etc. när du med övertygande sannolikhet kommer att sitta med excel? Bättre att dessa 180hp ligger i hur man analyserar beteenden och psykologin bakom hur marknaden funkar, kärnan liksom.

U
Jag är 100 % oenig. På mitt första jobb (strukturering av komplexa derivat) var vi 10 personer. Nio hade läst teknisk fysik och en hade läst industriell ekonomi. Inom de kvantitativa delarna är det sällan man ser ekonomer, där det nuförtiden knappt räcker med en civilingenjörsexamen för att få jobb inom kvantitativ analys.

Ekonomer är duktiga på makrodelen och finansiell ekonomi, men har långt från de nödvändiga matematiska kunskaperna för att analysera marknadsdata och kvantifiera finansiella instrument på en mer djupgående nivå.

Varför inte läsa teknisk matematik, med inriktning mot programmering och finansiell matematik? Då blir utbildningen mer tydlig och man slipper förlora delar av sin själ på att läsa om elektroner och vågor etc.

Uteslut inte en kandidat i matte med master i matstat.
I kandidaten kommer du ha större valfrihet i kursval än en ingenjörsutbildning. Därmed kan du välja exakt de kurser som är relevanta. Kurserna på matteprogram är oftast djupare och mer teoretiska än de motsvarande på ingenjörsutbildningar. För framtida doktorandanställning eller kvant-tjänst är det nog en fördel. Exempelvis kan du på en kandidat i matte klämma in matte upp till och med integrations(mått)teori, optimering, PDE:er, minst 3-4 kurser i numerisk analys, några kurser i sannolikhetsteori och inferens och antagligen ändå ha en del poäng över att lägga på grundläggande NEK eller exempelvis datavetenskap. T ex i Lund kan matematikerna på kandidatnivå läsa kurser som ingår i masterprogram för ingenjörer. Med en master i matematisk statistik eller finansmatte har du en tydlig profil och väldigt starka kunskaper. Den enda nackdelen är att för vissa arbetsgivare så är ingenjörsprogrammen mer kända, men finansbranschen bör numera också efterfråga matematiker.

Precis!

Istället för att dubbla med handels så bör du komplettera mer fler programmerings-kurser och övriga datateknik-kurser som du känner att du saknar i TF.

"Knappt räcker med en civilingenjörsexamen för att få jobb inom kvantitativ analys"

Du är helt ute och cyklar.

"Nio hade läst teknisk fysik..."

Ser på statistik just nu på mastersval/inriktning från både KTH och LTH som kan styrka att det är otroligt låg sannolikhet att samtliga av de du hänsyftar på varit i samma ålder, vilket gör det du säger otroligt missvisande - även sett till antalet företag som är verksamma inom det här området, gör det ytterligare osannolikt.

"Sällan man ser ekonomer"

Kan garantera dig att det är fler ekonomer än ingenjörer som sysslar med analys i diverse former.

"Analysera finansiella instrument på en mer djupgående nivå"

Och vad refererar du till här egentligen? Kan du ge ett matematiskt exempel, du behöver inte förenkla, F:are mellan?

"Ekonomer är duktiga på makrodelen och finansiell ekonomi"

Det är ungefär lika utförligt som att säga att himlen är blå.

"Läs Teknisk matematik för att slippa vågor..."

Helt felaktigt påstående.

Att alla "High-key" skulle ha en ren ekonomibakgrund stämmer inte alls. Jag har arbetat inom investment banking ett bra tag(bla. i London och Frankfurt), för att ens bli kallad till intervju (på de stora investmentbankerna) om man bara har en ekonomiexamen från Sverige krävs i princip att man läst vid HHS(eller utländska toppuniversitet.) De mest framgångsrika svenskarna utomlands har oftast dubbelexamen, den kanske mest framgångsrike svensken utomlands Martin Wiwen Nilsson pluggade på LTH innan han blev partner på GS.

Jag har sett sökande som läst NEK och portföljvalsteori, tidsserieanalys och kurser inom modellering/statistik från bland annat Lunds Universitet, och de saknade en djupare förståelse/de matematiska kunskaper som krävs för mera avancerade analyser/modellbyggen.

Att man förstår marknadens psykologi och människor förutsätter man.