阅 读 小 导 航

一、量化岗位的介绍

1.1按照工作内容分

1.2按照工作单位分

二、量化秋招经验

2.1 简历

2.2 笔试

2.3 面试

2.4 实习

2.5 整体规划

正文共计3945字，预计阅读时间8分钟

一、量化岗位的介绍

1.1 按照工作内容分

按照工作内容，quant 岗可以分为p quant跟q quant，简单的理解是p quant是做投资的，q quant 是做衍生品定价与风险管理的。由于国内衍生品市场规模还很小，就业岗位不多，下面仅介绍做投资的p quant。

P quant 按照策略使用的数据频率又可以大致分为两个流派：低频写因子、高频做 AI。这两种流派在招聘时要求的技能是不同的，因此需要分开介绍两种流派。

◎ 低频写因子：主要使用的是日频及低于日频的数据。数据频率低、数据量小，不足以支撑过于复杂的模型，因此基本都仅用线性模型。由于模型上的提升空间很小，特征工程就变得极其重要，所谓写因子本质就是在对市场做特征工程。

◎ 高频做 AI：主要使用的是日内及 tick级别的数据。数据频率高、数据量大，可以支撑各种深度学习的模型，因此市面上的头部私募也都极其重视 AI 人才的招聘。

需要注意的是，上述对低频与高频的分类是模糊的，低频数据中也有使用 AI 算法的，高频数据中也有使用多因子模型的。一般在 JD 中会说明岗位所属的类别，如果 JD 中的描述比较模糊，可以在面试时问面试官。

1.2 按照工作单位分

当前市场上招聘量化岗位的机构大致有三类：量化私募、公募（包括券商资管、保险资管等）、券商研究所。不同的工作单位对能力要求的侧重点不同，下面分别介绍三类机构。

◎ 量化私募：量化私募的特点鲜明。薪资高、压力大、完全的市场化运作。在薪资方面量化私募是碾压其它两类的，并且舍得分红，一般3年左右可以达到百万年薪。工作时间跟外企很像，基本不强制要求加班。量化私募的压力极大，一切凭借策略表现说话。比较适合创新能力极强、抗压能力极强、对财富自由充满渴望的小伙伴加入。

◎ 公募、券商资管、保险资管：这一类机构大多数是国企，因此具有一些国企的特征。具体表现为薪资一般、福利较好、工作稳定性好、成长周期长。在成为基金经理或投资经理之前，研究员的薪资是乏善可陈的，而法律又规定了至少有5年从业经验之后才能成为基金经理，因此这类机构在职业生涯前期的薪资可能不太具有竞争力。好的方面是，国有的资管机构较少开除员工，工作稳定性较好，压力也较小，员工福利体系完备。加班情况看领导跟部门，大多数员工不太加班。比较适合厌恶风险、更关注长期职业发展的小伙伴加入。

◎ 券商研究所：也就是所谓的卖方。这类机构的盈利模式是为第二类机构提供研究服务，自己是没有管理的资金的，因此有一些销售类岗位的特点。即底薪低、激励高、工作时间较长、社交导向。一般券商研究所的金工研究员的底薪较低，主要依靠买方的派点提成，优秀的卖方研究员可以拿到远高于买方研究员的总包。由于其服务类的工作性质，工作时间没有严格的界限，可能需要做到随时回应客户的问题。由于没有客观的产品表现，奖金的主要依据是客户的派点，所以卖方研究员不仅要有出色的研究能力，还需要有出色的社交能力。比较适合擅长社交、擅于将复杂问题讲明白的小伙伴加入。

我认为上述三类机构并没有优劣之分，只有合适跟不合适的区别。大家可以根据自己的性格跟人生规划来选择投递。

二、量化OFFER经验

不同的招聘机构与不同量化流派需要的技能不同，所以列了一个表如下：

_	私募 高频	私募 低频	公 募	券商 研究所
简历	头部私募实习、博士、大厂算法Kaggle	头部私募实习博士	清北、海外名校、头部私募公募券商实习	名校、头部私募公募券商实习
笔试	Leetcode hard、C++、随机过程、深度学习	Leetcode hard、Python、 智商题、 概率论、 机器学习	行测、Leetcode medium、Python	行测、Leetcode medium、概率论、 金融工程、机器学习
面试	专业面+公司老总面		专业面+部门领导面+HR面	群面+专业面+HR面
实习	一般笔试面试通过后 直接发offer		实习通过后 给offer	实习通过后给offer
瓶颈	笔试与专业面难度极大		非清北很难通过简历，实习留存率30％左右	招很多人实习，留存率很低

上表只是代表了典型的考察范围，具体每一家都不一样，建议在准备求职时都准备一下。

2.1 简历

● 简历请使用最经典的一页纸金融简历模板

● 简历上的经历按照 STAR 原则描述，即背景(Situation)、目标(Target)、行动(Action)、结果(Result)

● 描述经历时多用客观陈述（数字、评级），少用主观陈述（评估、评价）

● 实习尽量去大平台，如果暂时找不到大平台的实习可以尝试打个比赛获得好的名次

● 名企实习只是简历的敲门砖，更重要的是实习内容。量化岗非常看重 creative idea，简历要体现出自己是一个发明家而非是一个执行者

2.2 笔试

● 编程：高频需要 C++，低频只需要 Python。Linux 跟 SQL 也适当准备一下

● Leetcode：头部私募喜欢考 Hard，不过基本集中在动态规划上；公募跟券商基本Medium就能cover。所以《剑指 Offer》+ Medium打底，再把动态规划的 Hard 刷熟就可以

● 智商题、概率论：私募基本必考，券商偶尔考。A Practical Guide to Quantitative Finance Interviews，Quant Job Interview Questions & Answers 两本书刷完基本够用，也推荐一下我的知乎刷题笔记，里面有中文答案：https://www.zhihu.com/column/c_1276323992614739968

● 机器学习：基本必考，网上有很多机器学习 100 问之类的资料

● 深度学习：高频岗位的主要考察内容，因为我没有投过高频岗位所以也没办法给太多的建议。

● 金融：主要集中在MPT上，推荐一下我的博客，上面有理论推导过程：https://blog.csdn.net/weixin_44607126/article/details/108278584

2.3 面试

● 专业面就是在面试中问笔试里面会问的问题，不过面试的回答时间更短，并且只能一道一道来，难度更大

● 然后就是会问简历里的细节。在准备简历的同时要想清楚面试官可能会问的问题，准备好这些问题的答案

● 除此之外专业面还会问一些奇奇怪怪的问题，考察面试者的创造力，包括但不限于：

▪ 奇形怪状的数独

▪ 筷子的 50 种用途

▪ 看图编故事

▪ 提出能够预测股价的最疯狂的 3 种方法

▪ 画出全市场股票相关系数的密度分布图

2.4 实习

● 秋招的时间宝贵，而实习时间可能会一个月起步。所以一定要慎重选择实习，不是自己目标公司的实习甚至可以不考虑

● 理想的状态是参加3份实习：暑期一份、秋招两份，这样即使只有30%的留存率拿到 offer 的期望也是1

● 但是实际中拿到offer的概率在人群中不是均匀分布的，往往是旱的旱死涝的涝死。所以在实习过程中一定要时刻评估自己留用的概率，发现没有希望留用时就及时止损，把时间留下来刷题

● 实习往往是要完成一个项目。公募的结果一般是一个presentation，券商一般是一篇研报

● 实习项目的目的不是为了得到一个好的成果，而是为了在领导与同事面前展示个人能力。无论是通过实习的日常还是最终的展示，一切以展示自己为中心，展示成果只是展示自己的一种途径

2.5 整体规划

● 本科时其实比较简单，以读一个好的研究生为目的就可以了。但如果你未来的求职目标是金融行业，还是要推荐一下高礼的Fintech双学位。现在金融 + 大数据 + 计算机已经是大势所趋，如果你会一些编程技能与建模技能，即使不从事量化的工作也可以显著提升你的职场竞争力。高礼的Fintech双学位则涵盖了金融、统计、计算机课程，进可以在研究生时进一步深造成为quant，退可以用量化手段辅助主观决策。建议学有余力的小伙伴都申请一个

现在整个金融行业的求职都非常内卷，所以建议提前一年开始准备。比如两年制的硕士一入学就可以开始准备秋招了

首先要明确自己的求职方向。先确定大的行业，再确定具体的岗位，最后确定目标公司。像报志愿一样划分一下冲、稳、保的层级；然后要去了解秋招时的招聘要求，这篇文章基本已经把量化的相关要求讲的比较清楚了：

● 第一个学期是相对大块的时间，主要用来学知识、补短板、刷实习、打比赛。本质是要让自己的简历能够通过海选，自己的能力能够通过实习

● 第二个学期暑期实习就开始招聘了。这一阶段要打磨简历、大量地刷题、准备笔试面试。这一阶段最重要的不是一份暑期实习的结果，而是过程中的反馈，即根据笔试面试的反馈来决定自己下一步的刷题方向，修改自己的面试回答，调整简历，将自己调整至可以面对秋招的最佳状态。

● 第三个学期是秋招的高峰期。基本每天就是投简历、笔试面试，中间可能会收到实习offer，心仪的公司可以去，其它公司个人觉得没有必要浪费时间。这一阶段最重要的是保持良好的心态，理性地看待招聘结果，金融行业拒信比offer多是极其正常的现象

● 第三个学期结束时基本已经尘埃落定了。如果不满意已有的offer可以再去试试春招。选择offer时最好问问同行业的前辈、学校的老师，如果能够问到offer所在团队成员的真实想法是最好的。

最后预祝每个同学能有所收获，拿到最心仪的Offer~~加油加油！

量化岗OFFER经验

高礼毕业生「张浩博」

姓 名： 张浩博

学 院： 统计学院

专 业： 应用统计本科 应用统计硕士

双学位：高礼金融科技

社会实践

求是思源第四期学员

AIESEC Dare to Dream 2016 Fund Raiser

获奖情况

International Quant Championship

2019 全球冠军

Offer情况

3 家头部量化私募研究员

1 家头部公募研究员

毕业去向 华夏基金高级研究员