量化金融领域涵盖多个核心工作岗位，主要职责涉及数据分析和模型构建，以下是具体分类及工作内容：

一、核心岗位分类

量化研究员（Quantitative Researcher）

职责：开发预测市场趋势的统计模型，寻找超额回报的投资机会。需运用数学、统计学及机器学习技术分析数据，构建金融模型。

技能要求：深厚的数学、统计学基础，熟练使用Python、R等编程语言，熟悉机器学习技术。

量化交易员（Quantitative Trader）

职责：基于量化模型执行交易策略，实时监控市场并调整交易表现。需快速决策，利用算法在市场中捕捉交易机会。

技能要求：敏锐的市场洞察力、抗压能力及编程能力（如C++、Python）。

量化开发员（Quantitative Developer）

职责：将金融模型转化为高效计算机程序，构建交易系统。需确保模型在实际运行中的稳定性与准确性。

技能要求：精通C++、Python等编程语言，熟悉金融理论及低延迟系统开发。

风险管理师（Risk Management Quant）

职责：评估投资组合风险，制定风险管理策略。通过数据分析识别潜在风险，为投资者提供风险控制建议。

技能要求：熟悉风险度量模型（如VaR）、编程工具及金融市场知识。

金融工程师（Financial Engineer）

职责：设计新型金融产品（如衍生品），结合数学与金融理论解决实际问题。需具备产品定价与市场分析能力。

技能要求：掌握微积分、线性代数等数学工具，熟悉金融衍生品定价模型。

二、其他相关岗位

策略研究员：研究市场趋势，开发量化交易策略。

数据分析师：处理金融数据，提取有效信息以支持决策。

算法交易员：设计并实施算法交易策略，利用计算机程序执行高频交易。

三、技能共性要求

技术能力：编程（Python、C++等）、数据处理、模型开发与优化。

数学与金融知识：概率统计、计量经济学、投资组合理论等。

软技能：沟通能力、团队合作及持续学习能力。

四、职业发展前景

量化金融岗位需求持续增长，尤其在买方机构（如对冲基金、资产管理公司）和卖方机构（如投行）中均有广泛应用。随着技术进步，对具备跨学科能力（如编程+金融）的人才需求更高。

以上信息综合自行业分析及岗位描述，具体职责可能因公司而异。