퀀트(Quant)는 정량적 분석가(Quantitative Analyst)의 줄임말로, 수학적·통계적 모델을 활용하여 금융 시장의 자산 가격을 결정하거나 투자 전략을 수립하는 전문가를 의미한다. 전통적인 투자 방식이 기업의 가치나 시장의 직관적 흐름을 중시하는 주관적 판단에 의존하는 반면, 퀀트는 철저하게 수치화된 데이터를 기반으로 객관적인 결론을 도출하는 데 중점을 둔다. 이들은 주로 투자은행, 헤지펀드, 자산운용사 등에서 활동하며 현대 금융 시스템의 중추적인 역할을 담당한다.

퀀트의 주요 업무는 광범위한 영역에 걸쳐 있다. 파생상품의 적정 가치를 산출하는 프라이싱(Pricing), 포트폴리오의 손실 가능성을 예측하고 통제하는 리스크 관리, 그리고 컴퓨터 알고리즘을 통해 자동으로 매매를 수행하는 알고리즘 트레이딩이 대표적이다. 특히 초단타 매매(HFT)와 같은 고도화된 거래 기법은 퀀트의 기술력이 집약된 분야로, 시장의 미세한 가격 불균형을 포착하여 짧은 시간 내에 수익을 창출하는 것을 목표로 한다.

퀀트가 되기 위해서는 고도의 학문적 배경과 기술적 역량이 요구된다. 물리학, 수학, 통계학, 전산학 등 이공계열의 석·박사 학위 소지자가 주를 이루며, 확률론, 선형대수학, 미분방정식 등의 수학적 지식은 필수적이다. 또한 대규모 데이터를 처리하고 모델을 실제 시스템에 구현하기 위한 프로그래밍 능력도 중요하다. 과거에는 연산 속도가 빠른 C++가 주를 이루었으나, 최근에는 데이터 분석과 머신러닝 라이브러리 활용이 용이한 파이썬(Python)의 비중이 급격히 높아졌다.

퀀트 투자의 역사는 1970년대 블랙-숄즈 모델(Black-Scholes Model)의 등장과 함께 본격화되었다. 이 모델은 옵션 가격 결정의 표준을 제시하며 금융의 수리화를 이끌었고, 이후 1990년대 컴퓨터 연산 능력의 비약적인 발전은 퀀트의 영향력을 시장 전반으로 확대시켰다. 2000년대 중반에 이르러서는 전 세계 거래량의 상당 부분을 알고리즘이 차지하게 되었다. 그러나 2008년 금융위기 당시 일부 퀀트 모델이 시장의 극단적인 상황을 제대로 반영하지 못해 변동성을 증폭시켰다는 비판을 받기도 했다.

현대의 퀀트는 인공지능(AI)과 머신러닝 기술의 도입으로 새로운 전환기를 맞이하고 있다. 기존의 선형적인 통계 모델을 넘어, 비정형 데이터를 분석하거나 딥러닝을 통해 복잡한 시장 패턴을 학습하는 예측 모델링이 활발히 연구되고 있다. 이러한 변화는 시장의 비효율성을 제거하고 유동성을 공급하는 긍정적인 측면이 있으나, 동시에 유사한 알고리즘들이 일시에 작동하여 시장 폭락을 유발하는 '플래시 크래시(Flash Crash)'와 같은 구조적 위험을 관리해야 하는 과제도 함께 던져주고 있다.