量化策略血泪面经史

量化面试总结。

去年上半年简短的面试经历,今天在草稿箱里看到,虽然很羞耻,但是觉得也是一段经历,把相关信息编辑了一下

3.30 阿里算法电话面试

  1. 电话,时间13分钟:
    总结
    1.对自己课题项目无法完整的归纳总结,回答的并不是很好,没有给出对方很有用的信息。
    2. 没有论文项目没有比赛大厂算法简历很难过,面试官建议转前端或者测试 。

3.31 顽y量化笔试

  1. 腾讯会议,摄像头,无屏幕共享:
  2. 微信群 笔试试卷形式 分为问答题和编程题;
  3. 时间60分钟

问答题

  1. LR推导;
  2. 简述L0,L1,L2的区别。当L1不可导的时候该怎么办;
  3. GDBT的原理,以及常用的调参参数
  4. BatchNormalization的作用,LayerNormalization
  5. Attention机制和作用

编程题

  1. Given an integer array nums, find a contiguous non-empty subarray within the array that has the largest product, and return the product.
    It is guaranteed that the answer will fit in a 32-bit integer.
    A subarray is a contiguous subsequence of the array.
    Example 1:
    Input: nums = [2,3,-2,4]
    Output: 6
    Explanation: [2,3] has the largest product 6.

  2. Given n non-negative integers representing an elevation map where the width of each bar is 1, compute how much water it can trap after raining.
    Example 1:
    Input: height = [0,1,0,2,1,0,1,3,2,1,2,1]
    Output: 6
    Explanation: The above elevation map (black section) is represented by array [0,1,0,2,1,0,1,3,2,1,2,1]. In this case, 6 units of rain water (blue section) are being trapped.
    Example 2:
    Input: height = [4,2,0,3,2,5]
    Output: 9

4.1 鑫xs诚面试

  1. 腾讯会议,没开摄像头,无屏幕共享:
  2. 2个面试官,一个应聘者;
  3. 时间10分钟

面试内容

  1. 自我介绍,
    简单介绍学校专业主要方向,最后引导《沪深项目》
  2. 详细介绍一下沪深项目;
  3. 沪深项目最后的预测效果是怎么样的
    我回答重点说了数据的不足
  4. 问是否还有其他的项目内容
    我说了智能安防系统和课题,因为和金融没有什么关系,面试官没有再问下去,下次可以把这个部分加强多讲一些内容。
  5. 对金融知识的了解,掌握情况 。
    我回学习一些量化策略,简单说了几个常见的策略名字(没有追问),在聚宽,优矿上做过几个策略。
  6. 最后问我有哪些问题要问他
    我问的是我现在是没有金融背景的在金融知识上有短板,我后续应该如何加强金融技能;
    面试官给的建议是,加强金融基础知识,不要用第三方平台学习,现在一般公司不使用第三方平台。建议自己搞一套数据,看到一些新的行业报告,尝试着给他进行复线,这种比较锻炼相关能力。现在这种情况泛泛而谈不是很适合。

4.9 微f投资管理面试

  1. 微信视频面试,无屏幕共享:
  2. 时间30分钟

面试内容

  1. 自我介绍,
    简单介绍学校专业主要方向,最后引导《沪深股市项目》(建议在自我介绍中添加沪深)
  2. 为什么使用支持向量机,支持向量机使用了什么核函数;
  3. 了解哪些量化策略 (我回答双均线和布林带,反馈这俩都是常见的策略别的方面也可以使用不仅仅是量化,统计套利和多因子模型更复杂,要去了解。)
  4. cnn, lstm如何对市场做特征预测和分类标签
    我不太清楚啊,确实不会,简历夸张了
    有github么,有但是没有量化相关的
  5. python实现优化器,是否了解
    不了解,反馈,均值方差模型常见优化器,给你一篮子股票,返回各项权重
  6. 对金融知识的了解,掌握情况 。
    我回学习一些量化策略,简单说了几个常见的策略名字(没有追问),在聚宽,优矿上做过几个策略。
  7. 英语能力考察
    回答还可以,后期还是需要提前准备回答,
  8. 问问题
    面试官给的建议是,在下次面试中具体要说明自己做了哪些工作,建议说明自己的工作细节,这方面需要加强。金融工程经典模型不太了解。

6.10 红m资管面试

腾讯会议,时间30分钟:
面试内容

  1. 自我介绍 金融怎么学的 是自学的
  2. 提到了数据不足,提问数据规模;
  3. 只用到收盘价。时间是5天是不是太短了
  4. 没有用open high low等数据
  5. 询问项目评价标准。
  6. 除了这个还有哪些内容
  7. 学过统计学么
  8. 笔试题目
    学的内容太少了,量化方向相关的项目做的太少了。
  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
ChatGPT量化策略是一种利用ChatGPT模型进行量化交易的策略。ChatGPT是一种基于人工智能技术的自动对话模型,可以根据用户提供的对话文本生成相关的响应。通过将ChatGPT模型应用于量化策略中,可以实现智能化的交易决策。 ChatGPT量化策略的基本步骤包括数据收集、模型训练和策略执行。首先,需要收集大量的历交易数据、市场数据和相关的对话文本作为训练数据。然后,使用这些数据对ChatGPT模型进行训练,使其能够理解市场情况和用户对话,并生成相应的交易建议。 在模型训练完成后,可以将ChatGPT模型应用于实际的交易决策中。当用户提供交易相关的对话请求时,ChatGPT模型会根据当前的市场情况和对话内容生成相应的交易建议。这些建议可以包括买入、卖出或持有某个交易品种的建议,以及相关的交易参数,如止损和止盈水平等。 ChatGPT量化策略的优势在于其智能化和个性化的交易建议。通过模型的训练和学习,ChatGPT可以根据历数据和用户对话理解市场动态,并结合个性化的需求生成相应的交易建议。这帮助投资者更加科学和准确地决策,并提高交易的成功率和效益。 然而,需要注意的是,ChatGPT量化策略也面临一些挑战和风险。首先,模型的训练和应用需要大量的数据支持,如果数据质量不高或不足,可能会影响交易建议的准确性。此外,由于金融市场的复杂性和不确定性,模型的预测结果可能存在误差,需要结合实际情况和风险管理策略进行综合考虑。 总之,ChatGPT量化策略利用ChatGPT模型的智能化和个性化特点,结合历数据和用户对话生成交易建议,为投资者提供科学和准确的交易决策。然而,投资者应该充分了解其优势和风险,并结合实际情况进行判断和决策。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值