Offer帮 纽约Quant求职

1. 什么是 Quant

Quant 的工作就是通过编程设计来实现金融的数学模型，有点类似码农和金融狗的结合体，也被戏称为 “矿工”。Quant 其实是很多量化（Quantitative）有关的职位的统称，包括数据处理（Data Processing），衍生品定价（Derivative Pricing），风险管理（Risk Management）和投资策略 （Investment Strategy）等等。 很多和数据，建模有关的职位都可以叫自已 Quant。不过通常情况下，也是这里主要介绍的，是指卖方 （Sell Side）投行和买方（Buy Side）资产管理的 Quantitative Researcher 和 Quantitative Developer。Risk Quant 和 Model Validation Quant 的工作机会有很多。如果你想做 Quant，也可以 关注 Model Validation 或者风控/风险管理方面工作的准备，而不要仅仅专注于 Quant Trader。

2. 薪酬、工作时长 对于顶级投行来说，刚入职的起薪一般在$1 25K 到$1 40K 不等。年终奖（Bonus）根据公司，工作性质， 业绩都有所差别，偏前台的职位可能会达到 30%-50%，偏实际执行类（Implementation）的相对少一 点。有的银行对刚毕业的学生还有$40K-$50K 的签约奖（Signing Bonus）。 Desk Quant 工作时间会长一些，需要每天七点半到晚上六七点。如果是不直接接触交易的 Quant，每天 八点半九点上班，到晚上六点左右下班就可以了。而且周末一般不需要加班。

3. 如何为入行做准备 编程能力 对于 Quant/矿工而言，如何强调编程能力都不过分，尤其是在买方。 尽管如此，现在卖方对编程要求也 不低。Quant 使用的主要编程语言包括 Python, C++, Matlab, C#, R, Java 以及 Scala。 近年有许多码农都走上了 Quant 这条路。尽管对码农而言在 Tech 公司工作可能有更好的基本收入，但 是除非有很吸引人的 Package，否则优秀矿工的收入常常有更高的潜力，当然，这完全取决于你的能力。 数学 & 统计 – 概率 微积分 线性代数 统计和传统的时间序列分析，虽然已经不是很多量化对冲基金或投行最看重的技能了，但对于资管公司和 还是相当重要。很多团队都要从事一些数据清洗和建立交易的 Infrastructure 的工作。时间序列分析和计 量经济学在这里可以派上用场。当时间尺度放大的时候，这些技术仍然十分有效。 

随机分析，金融工程和基本金融知识 尽管现在 Quant 越来越看重编程和机器学习相关的技能，但金融工程/随机分析对于很多岗位仍是必备 技能。现在金融工程（MFE）项目求学的人越来越多，竞争十分激烈，并且和你比拼的都是聪明能干的中 国小伙伴。所以并不是说有了 MFE 的文凭就能找到 Quant Trader 的工作，想要脱颖而出，一定要有自 己的特点或者绝招。 Excel，VBA 和数据库技能 并不是所有的 Quant 都要处理复杂的模型，以及用 C++写程序。现在有些入门级 Quant 职位要求员工 会做数据清理。一些量不大，对速度要求不高的工作，如单个衍生品的定价，用 Excel 就可以完成。熟 练掌握 Excel 和 VBA 技能会大大提高工作效率，所以也因此被雇主所看重。数据库技能则是另一个加 分项，一般的要求是 SQL，如果你会使用 Pandas 的话，也会非常加分。 机器学习 Statistical Machine Learning and Deep Learning 在金融数据分析中，机器学习有重要的应用。对矿工的雇主而言，机器学习可以说是最有吸引力的技能之 一。除了传统的机器学习之外，深度学习因其预测有效越来越得到认可。 量化对冲基金对机器学习的研究和应用早已开始，例如 Kernel 模型，树模型和回归等机器学习方法。由 于近几年机器学习的飞速发展，各大金融公司也纷纷加大了对机器学习和数据科学（Data Science）方向 的投入，想要用机器学习模型取代传统的金融模型。因此，如果你有相关的知识，对面试以及之后的实际 工作都是很有帮助的。 综上所述，相信大家从 Quant 需要的技能可以看出，Quant 比较适合对建模和编程比较感兴趣的同学。 Quant 每天至少有 50%-60%的时间都花在编程和建模上，如果对编程完全没有兴趣，Quant 可能并不 是一个很合适的选择。 4. 面试考点解析 Behavioral Questions 的准备 Quant 的面试准备主要是以 Technical 为主。当然 Behavioral 也不能忽视，很多时候面试都是以“Tell Me about Yourself”这类问题开始的。 至于 Behavioral Questions 到底应该怎么准备，Offer 帮特地请来了耶鲁毕业的高盛大牛为你答疑 解难，一次性扫空你关于 Behavioral Questions 的所有疑问！赶紧戳哈佛大牛的 Behavioral Interview 指南了解一下！

Technical Questions 的准备

1 . 基本的算法和数据结构 了解基本的算法和数据结构，比如: Sorting/Order Statistics；Greedy； Dynamical Programming；Stack/Queue/Priority Queue；Binary Tree； Hash Table/Set and Map in C++；Graphs (Usually Not Necessary)。可以 通过 LeetCode 和 TopCoder 进行准备。推荐大家看右边这本书：

2. Programming 有一门熟练掌握的语言即可。推荐 Python，部分对运行速度要求高的工作（以前台为主）会对 C++ 有要求。面试题可以刷 Leetcode Interview Questions。数学题可以参考 Project Euler 。此外 TopCoder 上有 Coding Competition，可以用来估计自己的水平。

3. 概率统计 熟悉基本的概率分布和他们的性质，了解 Goodness of Fit， Confidence Interval, Central Limit Theorem, Linear Regression, 等等。推荐大家看右边两本书

4. Machine Learning 推荐大家看右边两本书：《The Elements of Statistical Learning》和《An Introduction to Statistical Learning》 5. 金融和交易 了解什么是 Trading and Exchanges Book。自己开户，试着做实际交易。推荐使用这两个在线算法 交易平台：Quantopian in Python 和 Quantconnect in C# （也有 Python）

6. Brain Teaser 刷一下面试书和 Brain Teaser 也是必不可少的。推荐 右边三本书：《A Practical Guide to Quantitative Finance Interviews》，《Heard on The Street》和 《Quant Job Interview Questions and Answers》。