金融求职之行业选择

admin 2025-09-07 阅读:3 评论:0
在职业成长方面,存在两个维度的选择,一个是职业规划(岗位)的选择,一个是研究领域(行业)的选择。 职业规划的选择已经是个老生常谈的问题,大家也在不断的实习中慢慢明确自己的职业路径,我也写过关于金融岗位的文章。 但对于行业选择,鲜少有人谈...

在职业成长方面,存在两个维度的选择,一个是职业规划(岗位)的选择,一个是研究领域(行业)的选择。

职业规划的选择已经是个老生常谈的问题,大家也在不断的实习中慢慢明确自己的职业路径,我也写过关于金融岗位的文章。

但对于行业选择,鲜少有人谈起。

这确实是两个维度。一些人坚持在一个领域研究,从不同岗位(一二级)研究相同的行业;一些人则坚持在一级or二级,研究着不同的行业。

随着内卷加剧,机构不但偏好于职业规划明确的人,更要求候选人能够扎根于某个行业。因此,本篇文章简单聊聊一级市场行业选择。

主要从三个角度切入,首先聊聊行业选择广和专的问题,其次讨论一下行业选择和岗位选择的优先级,最后聊聊不同行业的特点(按照一级粗浅分类)

一、行业选择重要么?

我们首先要明确,行业选择究竟是否重要。

根据我对求职的观察,我觉得对于一级市场,行业选择是重要的,而对于二级市场,相对来说没有那么重要。

一级市场更需要产业知识,而产业知识是需要行业沉淀。这也是为什么理工科背景会胜过金融背景的主要原因(现在很多VC都要理工科博士)。一级市场讲究对未来长期的预判,而做好预判不但需要对宏观方向的把握,更需要对企业产品本身的了解。

二级权益市场也需要一定的产业知识,但股票的金融属性更强。因此二级权益市场更讲究对资金流向、财务报表等角度的分析,对行业知识要求没那么深。当然,不同行业有不同行业的收付模式,会形成特定的行业报表特征,但这更多是基于金融的而非基于产业的。

基于以上认识,我们会发现一级买方求职简历很多都是扎根于同一个方向,而二级卖方的求职简历可能是不同行业的(包括周期、汽车、消费等)

因此,我认为我们要意识到行业选择的重要性,更加讲究沉淀。现在社会更加讲究专精化分工,因此至少在一级市场,扎根于同一行业会胜过走马观花。

二、行业选择和岗位选择的关系

行业选择是重要的,但又没那么重要,因此不需要过早纠结于自己选择的行业(事实上也挺看缘分的,跟市场周期有关系)

我个人认为最好的模式其实是围绕同一行业,从一级二级不同视角去看看,进而形成一二级联动的know-how。

但这确实有点理想化。事实上,大家更加讲究岗位选择。可以想象大家都会说自己在什么岗位(如研究所、PE/VC)实习,而不会先说自己看什么行业。

就求职面试而言,HR会先关注你的岗位变换,而不会想当然意识到你关注的行业统一性。

因此,职业规划中岗位选择的优先级应当高于行业选择。最好想清楚自己想干什么之后再兼顾一下行业选择。

行业选择存在一个问题,就是行业存在周期性。可能实习期间某行业大热,招的实习生很多,但在求职期间行业遇冷,HC减少。此时扎根于某一行业可能会把路走窄了,变换赛道容易受到Challenge。

从这个视角来看,建议在扎根于一个赛道的基础上,辅以另一个赛道的实习经验。可以的话看看交叉赛道,如消费科技、AI医药等。

同时需要加深自己对未来趋势的判断,选择一个自己喜欢且有前途的行业是非常重要的。

三、一级市场行业选择及特征

相对于一级市场,二级市场行业分类是比较规范和共识的。且本人经历主要在一级市场,因此本部分从一级市场切入。

一级市场行业粗浅分为:消费、医药、硬科技、企业服务、新能源、元宇宙等(不全,但基本覆盖,其他概念包括消费科技、新材料、出海等)。

消费细分领域包括餐饮、服饰、奢侈品、母婴、游戏、社区社交等。相对来说消费是入门壁垒最小的行业,成为了吸纳纯金融背景的主要赛道。并且消费是美元基金的主要覆盖领域之一,因此在消费赛道,学历院校相对来说非常重要。

但在长维度来看,消费需要对人口结构和宏观经济有较深的认识,才能把握未来趋势。目前消费行业经历了2021年爆火后,行业总体遇冷。随着内循环需求的加深,消费在未来依然是不错的选择。

医药包括医学器械、药学、服务、保健、美容、养老等,个人认为其中药学和器械是壁垒最高的领域,许多医药VC甚至只要医药博士,但也不乏金融背景的人想要进入医药行业研究。

除了器械和药学领域,其他领域相对来说比较友好,更加接近消费的逻辑。个人认为医药是一个常青赛道,市场空间最有广阔。

硬科技包括半导体、激光雷达等与硬件相关的领域,同样存在较高的技术壁垒,偏好理工科博士。随着中美贸易导致的国产替代,硬科技是近几年来最火爆的赛道之一。但硬件的投资金额大、周期长,而且硬科技的关键在于技术壁垒,但又以国资资金为主导。因此硬科技投资周期更长且来自LP的压力大,更需要耐得住寂寞,学会等待。

企业服务主要围绕软件saas服务,包括云服务、工业软件、办公服务等。企业服务中的云生态仍然是未来发展的关键,存在一定技术壁垒。但其它领域的企业服务本质在于流程固定化,用软件提升企业效率,因此企业服务要求对行业认知、工业流程等方面有更深的认识而非单纯的技术门槛。

我个人比较看好未来企业数字化方向,但目前来说中国企业服务生态较弱,市场空间小,并且存在腾讯、阿里等巨头,很难成长出新的巨头。由于并购退出生态不成熟,企业服务的退出可能也是难点之一。

新能源是双碳政策提出后的热点赛道,包括储能、光伏、电池回收等。新能源往往和新材料联系在一起,主要为了解决绿色环保的问题,存在一定技术壁垒(化学能力)。这两块是目前的行业热点,存在一定的行业过热。但可以预期的是,这确实是至少未来十年比较常青的赛道,因此也是一个不错的切入点。

元宇宙包括区块链、数字人、AR/VR等,常常与Web3联系,但二者的偏重不同。Web3实际上是区块链,核心是去中心化,元宇宙更加强调一个新的生态模式。个人感觉元宇宙融合了消费、硬科技和软件等诸多概念,但目前市场反响一般。元宇宙可能更适合具有想象力、创造力的同学进入,但中国生态是否能创造出元宇宙巨头有待商榷。

其他赛道过于细分,不再赘述。

#总结

本篇文章从行业选择的视角切入,提出我们需要关注行业选择,但其重要性依然略低于岗位选择。同时,本篇文章从一级市场行业视角切入,对主流行业进入梳理并粗略介绍其特征。

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权,未经许可,不得转载。

分享:

扫一扫在手机阅读、分享本文

热门文章
  • BIAS指标解析:如何利用乖离率预测股价反转

    BIAS指标解析:如何利用乖离率预测股价反转
    乖离率(BIAS)是技术分析中一个重要的指标,用于衡量股价与其移动平均线之间的偏离程度。通过计算股价与均线的差值占均线的百分比,投资者可以判断当前股价是否处于超买或超卖状态。BIAS的计算公式为: BIAS = (当前股价 – 移动平均线) / 移动平均线 × 100% 当BIAS值大于10%时,通常认为股价处于超买状态,市场可能面临回调风险;而当BIAS值小于-10%时,则认为股价处于超卖状态,市场可能迎来反弹机会。 乖离率的基本原理 乖离率的核心思想是股价会围...
  • MACD指标解析:如何通过DIFF和DEA线捕捉市场趋势

    MACD指标解析:如何通过DIFF和DEA线捕捉市场趋势
    MACD(平滑异同移动平均线)是技术分析中常用的趋势跟踪指标,由DIFF线、DEA线和柱状线组成。它通过计算两条指数移动平均线(EMA)的差值,帮助投资者识别市场趋势的强弱和转折点。本文将深入解析MACD的构成、计算方法及其在捕捉趋势转折与背离信号中的应用。 MACD的构成与计算方法 MACD由三个主要部分组成:DIFF线、DEA线和柱状线。DIFF线是短期EMA(通常为12日)与长期EMA(通常为26日)的差值,反映了短期和长期趋势的差异。DEA线则是DIFF线的9...
  • CCI指标揭秘:如何利用CCI>100和CCI<-100捕捉买卖信号

    CCI指标揭秘:如何利用CCI>100和CCI<-100捕捉买卖信号
    顺势指标(Commodity Channel Index,简称CCI)是一种广泛应用于股票、期货和外汇市场的技术分析工具。它由唐纳德·兰伯特(Donald Lambert)于1980年提出,主要用于衡量价格相对于其统计平均值的偏离程度。CCI的核心思想是通过计算当前价格与历史平均价格的差异,来判断市场是否处于超买或超卖状态。 CCI的计算公式较为复杂,但其核心逻辑是通过比较当前价格与一定周期内的平均价格,来衡量价格的波动性。具体来说,CCI的计算公式为:CCI = (当...
  • 威廉指标突破80?别急,还需这些指标验证!

    威廉指标突破80?别急,还需这些指标验证!
    威廉指标(Williams %R,简称WMSR)是一种常用的技术分析工具,主要用于判断市场的超买和超卖状态。它由拉里·威廉姆斯(Larry Williams)在20世纪70年代提出,通过测量当前价格相对于一定周期内最高价和最低价的位置,来反映市场的短期动能。本文将深入探讨威廉指标的基本原理、如何利用它判断短期超买状态(80以上),以及为什么需要结合其他指标进行验证。 威廉指标的基本原理 威廉指标的计算公式为: WMSR = (最高价 – 收盘价) / (最高价 –...
  • 能量潮(OBV)揭秘:如何通过成交量预测股价趋势

    能量潮(OBV)揭秘:如何通过成交量预测股价趋势
    能量潮(On-Balance Volume,简称OBV)是一种技术分析工具,由乔·格兰维尔(Joe Granville)在1963年提出。OBV通过累计成交量的变化来预测股票价格趋势,是一种非常有效的量价分析工具。OBV的核心思想是成交量是价格变动的先行指标,成交量的变化可以预示价格的未来走势。 OBV的计算方法相对简单。当某一天的收盘价高于前一天的收盘价时,当天的成交量被加到前一天的OBV值上;当某一天的收盘价低于前一天的收盘价时,当天的成交量从前一天的OBV值中减去...