1. Continuar estudiando estadística, maestría en estadística matemática y maestría en estadística aplicada. El costo de cambiar de carrera es el más bajo y el empleo es bastante bueno. Por ejemplo, si desea trabajar en la industria financiera, de hecho, la inversión cuantitativa ahora recluta a muchas personas con experiencia en estadística y los requisitos para una maestría en finanzas no son altos. Puede tomar CFA, CPA o tomar algunos cursos de estadística financiera para comprenderlos. Con una maestría en estadística matemática, también puedes acudir a empresas farmacéuticas o algunas empresas de consultoría cuantitativa.
2. Recurrir a algunas materias interdisciplinarias de estadística y finanzas, como ingeniería financiera, economía cuantitativa y econometría. De hecho, no se utiliza mucha estadística en la ingeniería financiera. Las matemáticas se basan principalmente en la teoría de la probabilidad y los procesos aleatorios. Sin embargo, en vista del estado actual de desarrollo del mercado nacional de derivados, de hecho, este tipo de cursos de ingeniería financiera también implicará una gran cantidad de contenido de análisis cuantitativo, y muchos trabajos en el futuro también estarán relacionados con las estadísticas. Como la selección cuantitativa de acciones y el arbitraje estadístico.
3. Recurrir a disciplinas de las ciencias del comportamiento como el marketing y la psicología. El marketing, especialmente la investigación sobre el comportamiento del consumidor que combina psicología, comportamiento y otras disciplinas, utiliza una gran cantidad de modelos estadísticos y este campo se ha desarrollado rápidamente en los últimos años. Personalmente, creo que esta especialización será muy interesante. Pero no sé cuál es el nivel actual de investigación cuantitativa del departamento de marketing nacional.
4. Computadora/inteligencia artificial/reconocimiento de patrones/aprendizaje automático/minería de datos/inteligencia empresarial, este campo también es muy popular ahora y tiene amplias perspectivas de aplicación, incluida la automatización, la bioinformática, el comercio cuantitativo financiero, etc. . Los llamados algoritmos de inteligencia artificial/aprendizaje automático se utilizan ahora ampliamente. Mucha gente con experiencia en informática lo está haciendo, pero muchos de los modelos y algoritmos prácticos son estadísticos, especialmente la teoría de la estadística multivariada. Entonces la parte teórica no es un problema para quienes estudian estadística. Escribir código, estructuras de datos y algoritmos puede resultar complicado.