摘要
本文汇编了对有兴趣赚钱捐赠的学生的建议,包括关于高中、大学和工作的提示。我在这里的讨论绝不全面,我鼓励你查阅许多其他关于这些主题的资源。
另请参阅"有巨额配捐限额的雇主"。
目录
其他资源
- 80,000 Hours提供了关于选择职业以实现最大利他影响的全面建议。
- Nick Cooney的"高影响力行动主义的职业建议"。
- Cognito Mentoring为有天赋的年轻人提供关于高中、大学、职业等方面的建议。例如,请参阅"职业选择"。
- Vault指南对各种职业提供了出色的概述,包括"一天生活"的示例描述。你所在大学的"职业服务"部门可能有这些指南,如果没有,购买它们或注册Gold会员是值得的。
- GlassDoor是一个提供薪资统计和公司评论的优秀资源。
- Monster.co.uk职业建议播客。
警告
我的信息以美国为中心,尽管我预计类似的趋势在其他国家也大致适用。此外,我的大部分职业研究是在2006-2008年期间进行的,所以一些细节可能已经发生了变化,但总的来说,我预计目前的职业格局看起来是相似的。
这个主题的重要性
我认为职业选择是生活中最大的利他项目之一。其他一些基本的利他活动包括(1)学习宇宙如何运作,(2)探索你的内心以确定你的价值观,(3)找出如何战略性地推动这些价值观(例如,捐赠到哪里,建立什么机构,推广什么想法等)。
我喜欢Holden Karnofsky关于职业重要性的这段引述:
花多少时间选择职业是值得的?你应该在某些时候重新评估吗?我一直对职业非常痴迷。[...]
我倾向于认为这可能是件好事而不是坏事。我只是认为职业太重要了。它影响你的幸福感和你从生活中获得的东西,你遇到的人,你擅长什么,你对世界产生什么影响,它真的是你大部分清醒时间将要去做的事情。
这是"80,000 Hours"这个名字的由来:每周40小时乘以每年50周乘以40年工作时间。(当然,根据你进入的领域,可能更像是120,000小时。)
最适合你的职业在一定程度上因你的个性和技能而异(在一定限度内),所以需要进行合理的个性化研究。这与其他领域不同,在其他领域你可以信任主流共识而无需进一步调查。没有一种职业适合所有人。
高中
你可能已经从老师和辅导员那里听到了很多关于如何给大学留下深刻印象的建议。你也可以在互联网上搜索一些关于这个主题的文章。一些最重要的要点是选择具有挑战性的课程,取得好成绩,参加课外活动,在暑假找一些令人印象深刻的事情做(例如,实习),并参加一些SAT模拟考试,以便熟悉考试的格式和时间限制。
尽早开始研究职业是永远不会太早的,因为你选择大学专业应该受到职业规划的影响。不幸的是,没有正式的教育会详细地引导你完成这个过程。你生活中最重要的决定之一——选择什么职业——被留给你作为一项业余活动。你可以从标准的、高层次的职业书籍或网站开始,然后更深入地关注特定的候选职业。
学校没有教你的一些其他有用技能包括如何穿西装、如何打领带,以及如果在面试中被带出去吃午餐时的餐桌礼仪。另外,一定要带一套西装/领带(或女性等同物)到大学,以防你有面试或拜访雇主。
大学选择
我建议选择你能进入的最有声望的大学。大学的目的是给人留下深刻印象。在表面之下,大学往往没有那么大的不同,所以你不妨选择一所看起来不错的大学。
在美国,哈佛和普林斯顿可能在声望方面名列前茅;在英国,是剑桥和牛津。即使与州立大学相比,上一所有声望的大学要花费很多额外的钱,也要去有声望的学校。除非你不赚钱捐赠,否则你以后的收入会远远超过这个价格。(注:这个说法有争议。)
我个人选择了一所小型大学斯沃斯莫尔,而不是常春藤联盟大学,因为我想要更小的班级和与教授更密切的互动。由于斯沃斯莫尔规模有限,我可能比在一所大学有更好的体验,但总的来说,我希望我申请了哈佛、普林斯顿和耶鲁,看看我是否能上其中一所。它们的知名度比斯沃斯莫尔更高,上一所听起来令人印象深刻的大学值很多钱。
大学主修/辅修
虽然在大学学习什么没有一刀切的答案,但我认为一个相当稳健的一般建议是主修计算机科学(CS),辅修统计学、数学、物理、工程、金融或商业。如果你愿意,你可以把CS作为辅修,把一门定量学科作为主修,但至少学习几门核心CS课程很重要。
当我开始上大学时,我把所有选择都放在了桌面上,包括历史和语言学。然而,一个朋友告诉我,我应该学习一门硬科学,因为这将允许我以后获得任何工作,这个朋友真的说对了。硬科学是职业的万能钥匙——不仅是定量职业,而且是所有职业。2006年,我在一个招聘会上与一家咨询公司的代表交谈,当我告诉她我打算主修数学时,她回答说:"哦,我们喜欢数学专业的学生,因为他们能够分析思考。"一门科学的"硬度"与其专业学生的平均智商强烈相关,所以学习物理或数学向外界表明了你的智力。
计算机科学和统计学在硬科学中很特别,因为它们的内容在后续职业中直接适用,除非你进入化学/机械/核工程等专业领域。(我主修计算机科学并辅修统计学并非偶然。)许多最赚钱的工作都需要一些统计学知识和一些计算机技术知识——金融、管理咨询、精算、创业,当然还有软件工程。投资银行需要大量软件开发人员,这种趋势只会随着交易员越来越多地被机器取代而加剧。即使你只想要一份普通的投资银行工作,我认为定量/编程背景也会提高你在华尔街站稳脚跟的机会,之后你就可以更容易地四处走动了。如果你不是100%确定要从事金融,计算机科学会给你一个在硅谷工作的绝佳后备选择。
大学不是为了学习最有趣的东西;它是为了向未来的雇主展示你的智力和技能。你可以(而且应该)在空闲时间学习哲学和社会科学。但在硬科学领域拥有正式资格可以打开最多的大门。除非你完全确定你永远不会赚钱捐赠,否则我建议主修硬科学。如果你完全确定你不会赚钱捐赠,我不确定大学是否值得花费,除非你所在的地方基本上是免费的或者完全由你的父母支付。
即使你学习CS和统计学,你在大学学到的很少会在职业中使用。大多数工作的大多数技能都可以在工作中学到。大学基本上是一个锻炼场所和测试场,用来证明你的勤奋和敏锐度。
实习和短期实习
你拥有的工作经验越多,对雇主来说你就越有吸引力。所以尽量在大学的每个暑假都获得一份实习。我发现在大一之后这很困难,因为大多数雇主想要即将毕业的大学生。但我设法在华盛顿特区的国会议员办公室获得了一份实习。第二年我申请了很多金融实习,但从未接到回电——同样是因为大多数金融公司想要即将毕业的学生。但通过足够的坚持,我至少获得了一份精算实习。
你大三之后的实习具有特殊意义,因为公司经常用这些作为测试,看看他们是否想在第二年给你提供全职工作。
除了实习,一些大学还协调短期实习,让你只尝试一周的职业。在斯沃斯莫尔,这些是根据兴趣(和资历)而不是资格分配的,所以它们是打破某个领域冷启动问题的有用方法。如果你在金融领域有一个短期实习,你可能更有可能在那里获得实习。当然,由于分配是基于兴趣的,所以通常获得任何特定的非常理想的短期实习的机会都很低。
你也可以通过俱乐部表现对职业的兴趣,比如金融的投资俱乐部或咨询的商业俱乐部。
人际关系网络
申请实习时,如果你发出10封求职信没有得到任何回应,不要气馁。另一方面,除了向你不认识的雇主分发申请外,还要利用你的人际网络联系你申请的公司的现有员工,因为他/她可能会更直接地传递你的简历。如果你的学校有一个校友目录,允许你按职业领域搜索校友,这可能会出奇地容易。校友通常很乐意与在校学生交谈。几位校友在电话上与我交谈了30-60分钟,给我建议。更多的人通过电子邮件提供了见解,并主动传递我的申请。
很难夸大人际关系网络的重要性,特别是当你面临进入一个没有任何现有经验的领域的冷启动问题时。只要你能花时间与他们交流,就不要羞于给许多在你感兴趣领域工作的校友发电子邮件。而且不一定只是校友:通过朋友、Facebook、LinkedIn、专业行业社交网站、有效利他主义中心,甚至人们自己的网站找联系人。当我考虑申请卡内基梅隆大学的机器学习项目时,我浏览了一些研究生的个人资料,并使用他们网站上的联系信息给他们发了电子邮件。其中几个人回复了,其中一个人在电话上和我交谈了1.5小时。只要你不羞于主动联系,打入一个网络真的很容易。
有时候有人声称美国梦是一个幻象,因为要获得高薪工作,你必须认识合适的人,而只有已经有特权的学生才能做到这一点。根据我的经验,这并不真实;我认为很多高薪工作都相当注重能力。如果你足够专注,并且至少具有高于平均水平的智力,你可以通过人际关系网络进入几乎任何社区(可能除了亿万富翁和名人)。在在线论坛、电子邮件和社交网站的时代,建立人际关系网络比以往任何时候都容易。美国梦通常无法实现的一个原因是,弱势学生往往没有得到指导走上成功之路,因此可能学术证书较弱。他们也可能不知道该问什么问题来开始了解高薪职业。需要长时间工作来支付大学学费也可能是一个重大障碍。我在高中学习成绩好的原因之一是我当时没有工作,而我的一些同学晚上在杂货店或加油站上班。我在大学期间确实每周工作了几个小时,但那相当微不足道;一些学生必须全职工作来支付高等教育费用。
职业选择
可以赚钱的职业列表太长,无法在此一一列举,你会想探索许多适合你兴趣的选择。以下是一些基于我在大学期间亲自做的研究的大局观察。除了(非软件)工程、法律/金融教授和医学外,我认真考虑过进入这些职业中的每一个。
金融
-
优点
- 如果你在对冲基金、投资银行或交易领域工作,预期收入是任何职业中最高的(可能除了创业公司)。
- 通常不需要高级学位。
- 缺点
金融量化开发
-
优点
- 压力比投资银行或交易小。通常工作时间比投资银行短。
- 高级学位是加分项但不一定必需,特别是对于编程来说。量化工作可能需要至少一个量化金融硕士学位。有关量化工作的更多信息,请参阅开始你的华尔街量化职业生涯和Wilmott论坛。我的量化生活对该领域进行了更具传记性的描述。
-
缺点
- 在"后台"工作的收入较低,因为你离赚钱的交易更远。一些量化分析师在"前台"进行交易,但在这种情况下他们压力更大。作为一个粗略的近似,根据Glassdoor和各种在线讨论,我认为每周工作40小时的金融程序员年收入略高于10万美元(可能低于硅谷),而那些每周工作60小时或更多的高压交易角色可能年收入20-40万美元。
-
优点
- 相当赚钱,虽然不如金融。
- 提供良好的职业资本和商业背景。你会比大多数工作学到更多高层次的洞见。
-
缺点
- 工作时间长(每周~60小时?,相比之下投资银行是~80-100小时?)。
- 大多数咨询工作大部分时间都需要出差,这意味着你将大部分时间在酒店度过,远离家。(根据你的偏好,这可能是一个优点。)
- 在担任分析师进行几年咨询后,你通常需要获得一个(非常昂贵的)MBA学位才能进一步发展。(顺便说一句,这可能也适用于投资银行业。)
-
优点
- 低/中等机会赚到数百万,极小机会赚到数十亿。参见"薪水还是创业?行善者如何从风险职业中获得更多"和"Y Combinator创始人赚多少钱?"。2.5%的创业公司被Y Combinator接受,而"Y Combinator创始人中,前0.5%拥有80%的总股权"。
- 根据一位朋友的说法,如果你拥有创业公司股权,你可能(?)可以捐赠它并避免对全部股权支付联邦税,而如果你赚工资,即使你捐赠全部工资,也必须对其中50%支付联邦所得税。
-
缺点
- 创始人通常面临高压力和长工作时间。
- 因为你很可能失败,所以在开始创业之前,你可能需要一些个人积蓄。许多人遵循这样的模式:先在一家大公司工作几年,积累储蓄,了解科技领域的情况,然后可能与同事一起跳槽创业。
- 如果你捐赠的美元的边际价值急剧下降,也许是因为你试图资助只有有限增长空间的小型非营利组织,那么创业的期望价值就不如风险中性计算所显示的那么诱人。
- 投资者通常获得优先股,这比员工通常获得的普通股更有价值
- 投资者可以分散投资,从而大大降低个别创业公司面临的特有风险
- 员工股票逐步归属(通常在四年内),所以如果你在归属完成前换工作,你会失去一些股权;相比之下,投资者立即获得所有股权。
-
优点
- 体面的薪水(10-20万美元),压力比上述选择小得多。
- 可以直接从大学毕业后获得高薪工作。软件行业的起薪比几乎任何其他领域都高,这使其成为一个特别好的选择,如果你计划只赚几年钱或计划转行。
- 美国西海岸的软件工程师通常工作时间和着装要求灵活。偶尔在家工作没有问题。由于这些和其他原因,CNNMoney将"软件架构师"列为美国最佳工作。
- 文化是极客的、友好的,通常是正和的。
- 工作在智力上有趣且具有挑战性。
- 虽然大多数其他职业的需求会随着时间的推移而下降,因为自动化,但对软件开发人员的需求只会增加,因为软件开发人员正在进行自动化。
- 技能高度可转移,包括转移到金融领域(如果你以后想转行)。
-
缺点
- 除非你是顶级软件公司的顶级表现者,我的一般假设是,硅谷的薪酬可能只有华尔街量化编程的~一半?
- 软件产品的社会影响在短期内似乎通常是正面的,但因为软件改进也加速了通用人工智能,长期的净影响是不确定的。
- 几乎与软件开发人员相同的要点,除了起薪较低,可能(?)高端薪酬较高。参见"DW Simpson精算薪资调查"。如果你计划从事精算职业,在大学期间就开始参加精算考试;这些在你申请实习时会给人留下深刻印象,因为其他一些申请人还没有参加任何考试。你可以在学习概率课程后参加第一次考试。一定要获得一本学习书;如果你只是临时应付,你不太可能做得好。
- 我没有深入研究这些选择,但优缺点可能与软件开发人员类似。
-
优点
- 如果你从顶级法学院毕业,可能比软件行业薪酬更高。
-
缺点
- 三年法学院的机会成本加上学费成本。出于这个原因,我倾向于不建议学法律。以后改变主意的代价很高。除非你105%确定想成为律师,否则不要去法学院。像不要上法学院(除非)这样的书可能有助于做出决定。One L是一本关于法学院经历的著名书籍。
- 法律通常工作时间长(每周~60小时?),倦怠率不低。
- 我的印象是,随着法律越来越多地被自动化,法律工作可能变得不那么赚钱,尽管我不知道这会以什么速度发生。此外,因为哲学专业和其他非定量大学毕业生可以成为律师,理论上看起来有志成为律师的人应该面临激烈的竞争。
-
优点
- 压力比直接在法律或金融领域工作小。
- 薪酬仍然相当不错(~每年20万美元?),因为这些教授如果愿意的话可以轻松地去法律/金融领域工作。
- 一些JD/PhD项目的成本比简单的JD要低。
-
缺点
- 开始赚钱需要很长时间(~7年?)。只有当你110%确定想坚持下去时,才追求这些选择之一。
-
优点
- 极好的薪酬(20-30万美元),特别是如果你是专科医生。
-
缺点
- 成为一名高收入医生需要极长的时间。在你达到那个点之前,你很有可能会改变对职业的想法。医学院非常紧张。只有当你115%确定想在医学领域坚持几十年时,才追求这个选择。你还需要在大学生涯早期就做出决定,因为有许多医学预科的本科课程要求。
- 压力相当大,工作时间长。
- Payscale.com和其他搜索结果,尽管我不太相信它们。
- 我发现GlassDoor.com相当不错。至少,它对美国软件工程薪资相当准确。我不知道它如何处理银行家和对冲基金经理收入的很大一部分的华尔街奖金。
- 搜索招聘广告,看看提供了什么样的薪水和奖金。Google有一个特殊的搜索功能可能会派上用场:例如,{quant $100..200}返回包含$100到$200之间的数字的{quant}结果页面。
- 获取针对该职业工作的书籍。这些书通常会有薪资调查或至少会随意引用一些关于你可以期望的数字。
- 写信给在这些行业工作的人,询问他们大致的数字。这对最近的大学毕业生来说可能在社交上最合适。通常,仅仅一两个来自你知道与你能力水平大致相同的人的薪资数据点,比来自你不知道究竟谁在平均值中的集合的所有数据点都要好。
管理咨询
创业公司创始人
创始人与员工
如果你有技能,创立一家创业公司的风险中性期望价值似乎相当高——也许是在一家公司工作的风险中性期望价值的几倍。由于委托代理问题,投资者希望创始人保留大量股权。相比之下,在一家创业公司做员工似乎并不能真正增加预期收入,事实上,我的一般印象是,大公司可能甚至会支付更高的薪酬(尽管显然存在很大差异)。即使是早期创业公司员工可能也不会获得超过1-5%的股权,而且那么多股权在预期中并不值很多钱。例如,假设创业公司的种子轮估值为530万美元。假设你获得2%的股权。该股权的价值不超过530万美元 * .02 = 10.6万美元,因为你作为投资者可以以该价格购买那么多股权。此外,作为投资者购买股权比作为薪酬赚取股权更好,因为
最后,你的2%股权可能会在创业公司的生命周期内被稀释很多,可能是~2到~4倍。另请参阅这篇文章中的"用股权换薪水:做好数学计算"。
软件开发人员
精算师
软件以外的工程
律师事务所
法律/金融教授
医学
压力与薪酬
以下是一个完全非严格的图表,说明了我对这些职业的收入潜力和压力水平的粗略直觉。该图不是基于具体数据,而是基于我多年来阅读这些职业的累积一般印象。彼此接近的职业之间的差异并不显著——只是因为我无法将文字重叠在一起。
你可能会改变职业道路
我倾向于选择立即有回报的职业的一个原因是,你很可能会改变对想追求的职业的想法,也许在你的一生中会改变很多次。这个考虑因素有利于做那些立即有价值的事情——包括赚钱和为重要的慈善机构工作。
人类现在就把所有美味的东西吃掉而不是为未来储蓄的本能,在面对高度不确定性时是一种适应性冲动。你的职业是一个高度不确定的问题。所以我认为一个好的启发式方法通常是现在做最有用的事情,以后再担心未来。很少有不可逆转的职业选择。如果你放弃当前的道路,你总是可以重新开始一个不同的职业道路。从这个意义上说,我对"职业资本"的重视程度比80,000 Hours低。我认为以后在生活中进入不同的职业并不那么难。
如何确定一个领域的薪资水平?
我会结合使用这些方法:
你可以尝试基于薪资预测、进入该职业所需的教育时间延迟以及你可能在该领域停留多长时间来进行现值计算。但请记住,这些将取决于许多假设,所以不应该太认真对待。我认为你很可能会在开始工作后5-10年内转换职业。
自动化趋势使技术看起来很有前景
假设金融市场是有效的,一只股票的当前价格是其未来价格的无偏估计,减去平均回报。相比之下,职业X的当前收入并不是职业X未来收入的无偏估计。一个职业的专业人员供应在几十年的跨度内缓慢变化,而需求的变化在长期内是可以某种程度上预测的。特别是,在几十年的时间尺度上,容易自动化的工作似乎会支付更少。这在大众媒体中经常被讨论为"机器人抢走我们的工作"。
我预计非程序员金融交易员将在几十年内大部分被取代。一些人预测律师和医生可能会遭遇类似的命运。如果你现在即将进入一个职业,假设你不想在同一个职业中停留很长时间,这些事实可能不是非常相关。但如果你还在高中,或者正在考虑投资一个漫长而昂贵的医学预科和医学院的过程,这些考虑可能更相关。我怀疑自动化不会很快发生在目前有声望的工作上,但我也不会指望在接下来的50年里一直作为律师或医生赚高薪。
当然,众所周知,技术工作也可以被取代——如果不是被计算机,那就是被中国和印度的低工资工人。这是真的,但历史上,顶级技术人才的工资一直保持在高位,甚至在近年来有所增长。考虑到对软件专业知识的需求只会增加,除非合格人才的供应大幅增加,否则高技能技术工作很可能仍然是一个不错的选择。
总的来说:不要读博士
如果你的目标是赚钱,很少有情况下博士学位是有意义的。
我热爱学术界和研究,所以在大学期间我寻找博士学位会有高回报的职业可能性。我准备申请机器学习博士项目,打算在获得博士学位后为一家创业公司工作。一次又一次,人们告诉我跳过博士学位直接工作。我有一个朋友认为从长远来看博士学位会有回报,但这种少数观点被至少~5位专家的相反意见所掩盖,再加上基本上所有关于这个主题的博客文章。2008年夏天,我决定证据的权重是压倒性的,转而申请毕业后直接在软件公司工作。
这无疑是正确的决定。在微软工作3年内,我被晋升(以正常的晋升速度)到博士毕业生通常开始的同一级别。所以通过在公司工作,我基本上获得了一个快速的博士等效。此外,我避免了如果我获得博士学位会产生的5-6年的收入损失。我开始工作几年后,一位获得博士学位的朋友开始申请与我非常相似的工作。他说:"Brian不读博士的想法是对的。"
类似的趋势适用于大多数职业。大多数创业公司创始人没有博士学位,所以即使你的目标是创业,你可能也应该直接这样做。除了精英量化工作或某些类型的股票分析外,博士学位在华尔街并不重要,在大多数其他商业工作中也没有帮助。
如果你的目标不是赚钱,博士学位可能有意义——例如,如果你正在研究应用伦理学。在开始博士项目之前,向很多人寻求建议,并阅读关于期望的内容。获得你来这里的目的是一本有用的书,里面有许多研究生的证言。
请记住,博士学位需要很长时间,你很有可能在这期间改变对你应该做什么的想法。然后你要么不得不继续一个次优的学位,要么在没有博士学位的情况下离开。许多人建议,如果你确实要获得博士学位,应该等到你工作几年后。我认为这对任何高级学位来说都是极好的建议。博士学位就像婚姻。通常最好等到至少二十多岁后期才结婚。当你年轻时,你可能会爱上一个主题并认为你想与之结婚,只是几个月或几年后就分手了。
我不认为工作几年后进入博士项目应该很难,因为你可以从做研究助理和发表论文开始,然后再申请项目。
如果你确实退出了博士项目,如果你完成了所需的课程和考试,你通常至少可以获得硕士学位。虽然以这种方式获得硕士学位名义上是"免费的",相比每年支付4万美元的终端硕士学位,但学费被博士生的教学助理工作所取代(比如说,每周20小时),这可能(或可能不)比你毕业后获得的工作每小时支付更少。无论如何,博士项目的录取比硕士项目更有选择性,纯粹为了提前退出而报名参加博士项目似乎是不诚实的。
面试准备
对于许多工作来说,面试构成了决定雇用你和提供你什么薪水的很大一部分。对于技术面试,没有所谓的学习太多。如果可能的话,建议至少花几周时间准备。
对于量化工作,街头听闻是一个标准参考。除其他内容外,它还包含一些有趣的谜题问题。
对于软件,两本标准书籍是
我建议尽可能彻底地阅读这两本书。你还会在网上找到大量建议,包括人们描述他们在特定公司面试经历的博客。由于软件面试侧重于算法和大O问题,如果你能在接近面试时间上你所在大学最高级的算法课程,那就最理想了,因为这样材料会在你脑海中保持新鲜。(我在大学期间放弃了一个经济学辅修,以便重新安排我的日程来做这件事。我不后悔这个决定。)
咨询公司经常使用案例面试,特别是涉及费米问题。我没有深入研究这些,但你可能应该买一两本关于它们的书。
一些人建议与朋友"现场"练习面试,特别是白板编码。我自己从未这样做过,也没发现它非常必要,但你的经历可能会有所不同。
在安排面试时,一些人建议把较容易或不太理想的公司放在前面,这样你就可以在它们身上练习。
谈判offer
最好一次性申请所有工作,这样你就可以在大约同一时间进行所有面试。你的目标是一次性获得尽可能多的offer,这样你就可以利用它们相互竞争来提高你的薪水。如果你最想在一家offer不是最丰厚的公司工作,这一点尤其正确。你可以告诉你想要的公司的招聘人员其他更高的offer,可能会得到想要的公司offer的提升。你可以查阅关于在这些沟通中使用什么样的语言的建议。
你的offer很重要,不仅因为你开始工作那年的报酬,还因为你现在的报酬会影响你一直到未来的报酬。一般来说,你的薪酬不会随时间下降(除非你改变行业),所以额外的5000美元offer可能意味着在接下来的20年里额外的10万美元(忽略货币的时间价值)。a
评估offer时要考虑的另一个因素是公司的配捐项目有多大。由于大多数员工不会用完配捐限额,配捐对利他主义者来说是一个特殊的奖励。一家公司有高配捐限额并不意味着其常规薪酬offer会更低。
在其他条件相同的情况下,税率较低或住房成本较低的州可能不错。我听说有时一家公司在各州的薪酬是相同的,这对那些在较便宜州的人来说是一个奖励。我认为在其他情况下,生活成本较高的地方工作薪酬更高。所得税低而销售税高的州对那些节俭的人有利。话虽如此,工作薪酬优先于生活成本,所以不要仅仅因为生活成本而不去曼哈顿或旧金山。
在工作期间
弄清楚你的公司如何评估绩效。可能甚至有关于这类事情的培训课程。要获得晋升需要什么?谁对决定有影响?人力资源部门可能有一些一般的、模糊的关于这些事情的指导方针,但在你特定的部门内,管理者想要什么的画面可能要具体得多。
你的公司可能有半年度或年度审查流程,在这个过程中你描述你的成就并获得同事反馈。我过去常常保留一份我的成就清单,以及可以请求推荐的同事名单,这样我就不会忘记关键点。
管理层对员工的态度往往围绕高层次的标签和故事。"他是做X的那个人。""她在Y和Z项目上做得很好。"能够"拥有"一个项目,并有一个简洁明了的方式来推销你的成就可能会有帮助。当然,你还需要在幕后做那些杂乱、详细的工作,并能在被问到时回答有关问题。b
也利用你在工作中的时间与其他员工建立关系网,特别是如果他们可能对你的利他主义事业有类似的兴趣。你的工作场所是许多富人的家,尽管他们中打算捐赠大量金钱的比例可能相当低。
与其他公司面试
留在一家公司的人往往比那些四处流动的人赚得少。这是因为那些流动的人需要更高的offer才能被吸引离开他们当前的工作,而那些倾向于留下来的人不需要给予太多晋升和加薪。
如果你实际上不想离开,你仍然可以(悄悄地)与其他公司面试,看看你是否能得到更高的offer,然后把这个offer带回你目前的雇主那里。你可以说,"我真的想留在这里,但除非我能在目前的职位上赚更多钱,否则我可能会被迫离开去寻找更好的机会。"这样做可能会让你的老板感到不安,所以我认为不建议太频繁地这样讨价还价加薪。此外,如果你一直拒绝你面试的其他公司的offer,他们可能会不再喜欢你。不要仅仅为了拒绝他们而去面试一个极好的潜在雇主,因为这可能会烧毁桥梁,当你真的想接受他们的offer时。
虽然永远留在一家公司可能不是收入最优的,但也不要太频繁地换工作,因为这可能会让你在未来的潜在雇主眼中显得不忠诚。
致谢
这里写的很多内容是我从老师、教授、同学、校友、同事、朋友,最重要的是——书籍、博客和论坛中学到的。附录中的JavaScript计算部分受到了Peter Hurford的"素食外展成本效益计算器"的部分启发。Ben West给了我关于创业公司期望值估算的见解。
另请参阅
附录:比较软件行业与量化对冲基金
介绍
本附录比较了软件行业(谷歌、微软等)的程序员收入与对冲基金的量化程序员收入。因为它关注长期回报,所以假设假设的员工有10-15年的经验。
税收计算大致基于2014年或2015年的税率,并假设你是单身申报。税收计算只是近似值,因为要使它们更精确会很复杂。
在下表中,我试图假设假设的员工在不同选项中具有恒定的能力水平,但我可能没有做到完美,所以请随意修改数字。根据这篇文章,"最顶级的对冲基金比最顶级的软件公司更难进入,仅仅是因为劳动力规模的原因。"这就是为什么我在下表中没有使用人们在网上给出的对冲基金薪酬的最高估计;我假设要突破~50万美元的平均年收入相当困难,比成为谷歌或微软的高级或首席工程师更难。
输入假设
结果
软件行业(华盛顿州) 软件行业(旧金山) 对冲基金量化开发人员 索罗斯基金管理公司程序员 每小时可捐赠金额(扣除税收和生活费用后)($) 总可捐赠收入 联邦所得税 州所得税 地方所得税 请注意,如果额外捐赠的美元有递减的边际价值,这些选项之间的差异可能略小于它们看起来的那样。
硅谷与华尔街的其他考虑因素
对冲基金的其他优势:
- 同事会更富有。
- 不清楚加速技术发展是好是坏,所以即使传统观点认为硅谷比华尔街创造更多社会价值,实际评估也不确定。
- 量化金融中数学的使用比大多数技术领域更高级,甚至包括机器学习技术。(我忘记了我从哪里读到这一点,但它与我的经验相符。)
科技行业的其他优势:
- 传统观点认为科技以正和的方式通过创造财富来造福社会,而对冲基金只是以零和的方式转移财富。
- 没有深入分析情况的朋友和亲戚可能会更喜欢你在硅谷而不是华尔街工作。
- 工作时间更短,压力更小,意味着倦怠的机会更小,预期寿命更长。
- 贪婪氛围较少,失去利他主义理想的机会更小。
- 由于监管或竞争,量化交易在未来可能变得不那么有利可图(来源),而科技似乎不太可能在长期内放缓。
- 科技更轻松:灵活的工作时间,不穿西装,有时在家工作。(话虽如此,一些量化对冲基金也可以有轻松的着装/工作环境。)
- 可能有更多创建创业公司和与亿万富翁建立关系网的潜力(特别是在硅谷而不是西雅图)。
- 一些科技公司如微软有个人办公室,这意味着噪音干扰更少。个人办公室也使得使用跑步机办公桌成为可能。可能很少有对冲基金允许使用跑步机办公桌。
表格中默认值的来源
软件行业(华盛顿州)
薪酬
根据Glassdoor,微软总部地区10年以上经验的高级软件开发工程师(SDE)年薪为17.5万美元(包括工资和奖金)。首席SDE的同一数字是24万美元。
捐赠配捐
微软的配捐是每年1.5万美元。亚马逊没有配捐项目。
生活成本
表格中的默认数字基于我在西雅图地区生活的经验。它们也与我浏览西雅图Craigslist公寓看到的情况一致。
软件行业(旧金山)
薪酬
根据Glassdoor,谷歌总部地区10年以上经验的高级软件工程师年薪为25.4万美元(包括工资和奖金)。
"我认识几个(好吧,从技术上讲他们是开发人员/准管理人员)20多岁后期/30多岁初期的开发人员,年薪在30万美元左右,但薪酬不太可能显著增长超过那个特定的节点。除非你参与更多'产品管理'类型的角色,否则很难增加显著更多的价值。" (来源)
捐赠配捐
谷歌的配捐是每年1.2万美元。
生活成本
根据CNNMoney的数据,与西雅图相比,在旧金山,杂货费用高11%,住房费用高83%。另请参阅旧金山Craigslist上的公寓。
对冲基金量化开发人员
薪酬
- 2011年,一位招聘人员告诉我,量化开发人员的收入可能是硅谷的两倍左右。2015年,另一位招聘人员告诉我,做量化编程几年内可以赚到30-50万美元/年。
- "刚毕业时,你在硅谷可能比华尔街赚得多,因为华尔街的基本工资起点较低。但在华尔街工作3-4年后,你可以赚到50万美元(包括奖金)。5-7年后,那就是100万美元。毫无疑问,在华尔街,你肯定会赚很多钱。" (来源)
- "大多数时候我与'精英'统计/计算机科学/机器学习专家交谈,他们有来自Teza、Citadel、Two Sigma和/或Rentech以及谷歌、Facebook和2-3家顶级创业公司的offer。对冲基金的量化工作总薪酬为40-60万美元,最高可达100万美元,而其他的,嗯,明显少得多。" (来源)
- "算上福利、奖金等,你在对冲基金和谷歌/Facebook的收入可能差不多。你在对冲基金可能赚得稍多一些(例如25万美元对20万美元)。最好的量化分析师可以进入40-100万美元/年的范围,这在谷歌或FB很难做到(尽管如果你真的是精英,也是可能的)。" (来源) 但该回答的一条评论说:"我认为对冲基金薪酬的数字,至少在一个规模不小的基金,低估了轨迹曲线。刚开始时可能是这样,但几年后差距会很快增大。"
- "在美国,这样的职位起薪大约在10-12万美元左右,五年内会达到15-25万美元。" (来源)
- "高频交易(HFT)公司[...]第一年支付最高15万美元,两年后接近29万美元。" (来源) 同一篇文章列出了几家公司的平均薪酬。我会把中位数估计在~40-50万美元左右,有些估计更低,有些则高得多。
- "对冲基金的薪酬更好,但*平均而言*,它只比技术行业的同等工作好30-50%。" (来源)
- 对冲基金"在寻找世界上机器学习领域最好的十个人之一。他们不会随便给任何计算机科学博士每年超过50万美元。只有少数几家公司都在试图吸引少数几个不同的人。" (来源)
- "有经验的量化分析师通常可以看到~25万美元的薪水和50万美元的奖金。薪酬也部分取决于公司的利润。量化分析师的入门职位可以为你赢得12.5万到15万美元的起薪。" (来源)
工作时间
- "量化开发人员的一天"的作者报告说,在他典型的一天中至少工作12小时。5个工作日就是60小时,再加上周末的一些时间。
- "我在伦敦的一家投资银行编程。我有几个最近开始在对冲基金工作的朋友。工作听起来很有趣,但压力可能很大。我每周工作'合理'的50小时左右 - 他们都工作更长时间(有时长得多)。" (来源)
- "在我的公司,我们预期工作45小时,5天,但实际上平均接近50-55小时。一些疯狂的周甚至达到70小时。" (来源)
- "如果你想保住工作,至少每周50小时。如果你沉浸在一个项目中,可能接近60小时,但通常是出于选择,而不是强制或期望。" (来源)
- "合同规定40小时,实际上50小时。额外的时间大多是由于生产问题。" (来源)
生活成本
根据CNNMoney的数据,与西雅图相比,在曼哈顿,杂货费用高21%,住房费用高165%。曼哈顿Craigslist上的公寓价格似乎与表格中的默认值差不多。这个页面显示非门卫公寓的平均工作室价格约为2500美元,这略低于上表中的数字,但这被CNNMoney基于与西雅图的比较建议的~3700美元所抵消。我取了中间值,选择了3000美元。
索罗斯基金管理公司的程序员
薪酬
根据Glassdoor的数据,以下是一些职位的基本工资:
- 系统工程师: 13.9万美元
- 网络工程师: 9.6万-10.3万美元
- 量化分析师: 17万-18.4万美元
- 量化开发人员: 12.7万-13.9万美元
没有指定奖金,但它们可能会使总额平均至少达到~15万美元。
捐赠配捐
脚注