跳转至


课程  因子投资  机器学习  Python  Poetry  ppw  tools  programming  Numpy  Pandas  pandas  算法  hdbscan  聚类  选股  Algo  minimum  numpy  algo  FFT  模式识别  配对交易  GBDT  LightGBM  XGBoost  statistics  CDF  KS-Test  monte-carlo  VaR  回测  过拟合  algorithms  machine learning  strategy  python  sklearn  pdf  概率  数学  面试题  量化交易  策略分类  风险管理  Info  interview  career  xgboost  PCA  wavelet  时序事件归因  SHAP  Figures  Behavioral Economics  graduate  arma  garch  人物  职场  Quantopian  figure  Banz  story  量化传奇  rsi  zigzag  穹顶压力  因子  pe  ORB  策略  Xgboost  Alligator  Indicator  factor  alpha101  alpha  技术指标  wave  quant  algorithm  pearson  spearman  tushare  因子分析  Alphalens  涨停板  herd-behaviour  因子策略  momentum  因子评估  review  SMC  聪明钱  trade  history  indicators  zscore  波动率  强化学习  顶背离  freshman  resources  others  AI  DeepSeek  network  量子计算  金融交易  IBM  weekly  LLT  backtest  backtrader  研报  papers  UBL  quantlib  jupyter-notebook  scikit-learn  pypinyin  qmt  xtquant  blog  static-site  duckdb  工具  colors  free resources  barra  world quant  Alpha  openbb  数据  risk-management  llm  prompt  CANSLIM  Augment  arsenal  copilot  vscode  code  量化数据存储  hdf5  h5py  cursor  augment  trae  Jupyter  jupysql  pyarrow  parquet  数据源  quantstats  实盘  clickhouse  notebook  redis  remote-agent  AI-tools  Moonshot  回测,研报,tushare 

career »

硕士在读,如何才能入行量化交易


01 如何获得面试

量化行业相对其它行业来说更卷一点。头部机构对学历的要求就更高一点。比如985硕士,要进字节、阿里、腾讯等大厂机会很大;但要进量化头部机构,往往是清北加 QS50相关专业博士。

如果你已经是清北加 QS50相关专业博士,恭喜你,基本上国内所有量化机构的岗位,你都有资格投递,而且几乎一定能获得 Interview 机会。

如果没有这样的学历背景,那么就可以依次往下对标: QS50博士对标头部,500亿资管规模,目前是缪方、衍复、九坤 985硕博对标颈部机构,200亿资管规模起。主要是宽德、黑翼、世纪前沿等 985硕士对标腰部机构,50亿资管规模起。这类机构比较多,比如蒙玺、千象、进化论等。 50亿以下为脚部机构,这类机构规模不大,总量不少,对学历要求可以低至不看。

如果你拿得出手的只有学历,那么,以田忌赛马的方法,几乎一定能拿到面试机会。

如果想上攀一档,那么就需要在学历之外加点料,比如参加Citadel的datathon, Two Sigma & Kaggel 的数据科学竞赛,Optiver 的交易算法挑战赛,QuantConnect Alpha Five 竞赛等,国内幻方、九坤等也有组织竞赛。

如果要进脚部机构,其实学历并不重要,实战能力更重要。脚部机构有可能简历都是老板亲自刷,不会只看学历。不过,学历与竞赛之外,又有哪些可以往简历里面写呢?

这里有两个小窍门

一是要写上实实在在的量化项目经历,并且提高关键词匹配度。

岗位需求都是业务部门开出来的。而简历的预筛一般是 HR 或者 实习 HR 同学来完成的。他们不可能对业务和技术有多深入的理解(但是资深的猎头则不一样)。为了帮助 HR 提高筛选的准确率,HR 往往会要求业务部门提供一些关键词,以便他们比对。

因此,如何把简历写细写实?其实就是要把 JD 中的关键字,嵌入到你做的项目中。在这个过程中,你解决问题的步骤、使用的统计学知识和技术栈,越详细、关键词与 JD 重合度越高越好。因为脚部机构非常看重你过来之后,你的技能是否足以应对日常工作,而无须长时间的培训。

这样一方面为 HR 筛选提供了锚点,另一方面,HR 看到这些技能点出现在项目中,就会觉得你是真正做过项目的,而不是『虚标』的技能。

但是有的同学会说,我连实习经历都没有过,没办法写项目啊。

其实这是一个误区,并不是只有进了大机构,被安排做的项目才能往简历上面写。

你自己独立做过的任何研究、练习都可以写。你只要动一点心思,给你做的练习起个好点的名字,让它看起来像个项目即可。这并不是欺骗。

为什么不可以呢?难道一家想赚钱的公司,会愿意从一堆老实巴巴的小白兔中找人?

二是把参加匡醍《量化24课》和《因子挖掘与机器学习策略》的培训经历写进来。原因有两点,一是这个课程体系非常完整、全面和深度,学完后确实能够应对需要三年以内经验的岗位的日常工作;二是你的面试官就有可能是课程学员,他当然会欣赏自己的同学!

我们有许多学员正是凭借这两个技巧,大大提升了简历过筛率。

02 如何通过面试

根据我们的了解,现在的面试会有传统笔试、面试,也有略为开放一点的项目类考试。传统的笔试面试,需要多刷 leetcode,绿宝书、红宝书,同时也要准备你简历里提到过的项目。

另一类就是开放一点的项目类考试,会给你数据、文档和 API,要求你在规定的时间(比如一周内)完成某个策略的回测,并给出报告。这里常常会涉及到数据获取、清洗,回测,策略评估指标计算和报告写作,报告写作常常需要很注重可视化技巧。

越是靠头部的机构,越注重算法和新技术;越是靠脚部的机构,越注重实战,把握好这两点。

03 如何通过见习期考核

在见习期,你可能被要求在规定时间内,完成一个任务。比如,复现某篇研报或者某篇 arxiv 上的论文。也有的要求能挖出新的因子的。

诀窍都在于,你在进入量化行业之前,是否得到了足够多的培训和实战?如果你在入行之前,已经复现过不同类型的研报上十篇,那么再多一篇又有何难?

有的机构要求每月上交多少有效因子。这看上去是一件很难的事,毕竟大家都知道,钱怎么会这么容易赚?

但实际上并不难,原理在于,你需要在入行之前,就了解足够多的因子,知道它们的构造方法、周期属性、信号敏感阈值等特点。

这世界上不会有那么多跨越几十年周期的 alpha 因子。如果有,它们也已经都被挖掘出来了。所以,公司要求你一个月上交多少因子,本质上是要求你去寻找最近一段时间正在生效的因子。

这就把一个发明/发现的活儿,变成了搜索、测试的活儿。如果你在进入公司之前,就已经了解了足够多的因子,知道在哪里去找到它们,如何移植到你的项目中来,那么,这项工作还会困难吗?

04 结论

在入行之前,你惟一需要做的,是接受足够好、足够多的培训,然后把你接受过的培训写进简历,让面试官相信这个人进来确实能干活,而不是还得再带薪培训一年。

所以,答案不在知乎里。找到好的培训,立刻写起来。每学一点,就想想这个知识点会不会出现在 JD 里,我能不能写在简历里。 祝好运!