24 道原创基础与情境题，按公开考点方向编写；均不声称是某公司的已验证真题。
准备内容应由实际岗位描述决定。本站把练习拆成概率统计、Python与SQL、研究验证、中国市场情境、项目表达、工程与执行六类；这是准备建议，并非所有公司的固定流程。
公开中文经验笔记适合查漏，官方招聘适合判断职责。Jane Street 的概率资料可以训练推理，但不应替代中国岗位的金融数据、项目复盘和研究方法准备。
正在读取本地自评…
自评只存于当前浏览器，不与原题库进度或云同步合并。清除浏览器数据会丢失；导出为可阅读备份。
显示 24 道题
某事件发生概率1%，检测在事件发生时有90%报阳性，未发生时有5%误报。观察到阳性后，事件实际发生的概率是多少？
假设有10000个样本，分别数出真阳性和假阳性。
100个真实事件中约90个阳性；9900个非事件中约495个误报。因此概率为90/(90+495)=约15.38%。一般式为0.9×0.01/(0.9×0.01+0.05×0.99)。
把90%的灵敏度当成阳性后的概率；忽略基准发生率。金融预测也应先明确样本和条件。
如果基准发生率提高到10%，答案怎样变化？约66.67%，请自行推导。
2分：公式和分母正确；3分：能解释基准率影响并算出追问。
本站原创数值练习；基础贝叶斯知识。
公平六面骰子的点数就是得分。第一次掷后，可以保留，也可以丢弃并重掷一次，第二次必须接受。什么决策使期望得分最大？
第二次的期望是多少？把第一次点数逐个比较。
第二次期望为3.5，因此第一次为1、2、3时重掷，4、5、6时保留。最优期望为(3.5+3.5+3.5+4+5+6)/6=4.25。
把最优策略说成每次都重掷；期望高不等于每次结果都更高。
重掷要扣1分时如何决策？重掷价值2.5，因此1或2时重掷，期望23/6。
2分：决策和4.25正确；3分：能处理费用并解释期望与单次结果区别。
本站原创规则与解答；公开概率/期望考点方向。
两资产波动率均20%，相关系数0.5，各投一半。组合波动率是多少？
先计算方差，最后再开方；协方差项出现两次。
方差=0.5²×0.2²+0.5²×0.2²+2×0.5×0.5×0.5×0.2×0.2=0.03。波动率√0.03≈17.32%。假定波动和相关针对同一时间尺度且估计适用。
直接平均波动率得到20%；忽略相关在危机中可能变化。
相关为1、0、-1时分别是多少？20%、约14.14%、理想化条件下0%。
2分：公式正确且区分方差/波动；3分：说清估计误差与极端相关情境。
本站原创参数练习。
用市值和一个几乎等于市值两倍的特征回归收益，训练拟合看似不错，系数却对样本微调很敏感。你如何解释和处理？
思考设计矩阵的列是否提供了独立信息。
这是多重共线性：近线性依赖使单个系数估计不稳定。先核对字段是否重复或单位变换，再考虑删去冗余变量、合理变换或正则化。使用时间外表现判断处理是否有用。完全共线时普通最小二乘系数不能唯一确定。
认为训练R²高就证明每个系数可信；不做标准化说明就比较正则化结果。
Ridge为什么可能让系数稳定？它在损失中加入系数平方惩罚，以偏差换取方差下降，参数须在验证段选择。
2分：说明列相关与系数不稳定；3分：提出可验证处理并说清偏差—方差权衡。
本站原创研究情境。
在所有原假设都成立、每个检验都正确校准到5%显著性水平时，做100次检验，预期有多少误拒？能说最好一个一定有效吗？
把每次误拒写成0/1变量，使用期望的可加性。
预期误拒数为100×0.05=5，不需要检验独立才能得到这个期望。若再假设相互独立，至少一次误拒概率为1-0.95^100≈99.41%。挑最好结果不能证明有效；应记录尝试、控制多重比较，并做真正未参与选择的验证。
把“期望5个”说成必定5个；把p值解释成因子无效的概率。
如果试过的参数没记录，最后测试集也反复查看，会有什么后果？选择偏差增大，原有检验解释被破坏。
2分：5和期望含义正确；3分：区分独立性条件并给出防止选择偏差的操作。
本站原创检验情境。
一个收益预测回归的系数在训练样本显著，你还需要检查哪些东西？
从统计推断、样本外和交易实现三个层面回答。
检查残差相关和异方差是否影响标准误、是否反复选模型、目标与特征时点是否正确。再检查时间外效果、参数稳定性、经济量级。最后检查成本、换手、容量、不可成交和风险暴露。统计显著性不直接等于净收益或因果关系。
只回答“提高R²”或“样本再大些”；忽略推断假设与实现约束。
如果预测改善很小但换手大幅增加，应如何报告？同时展示预测指标、净收益与成本敏感性，不只挑最好的一项。
2分：覆盖时点、验证、成本；3分：能指出标准误假设和选择过程。
本站原创综合题。
日期乱序，价格为[110,100,121]，可能有重复日期或缺失值。你会怎样计算每期简单收益率？
先定义记录顺序与异常处理，再使用p_t/p_(t-1)-1。
先解析并按日期排序，检查日期/标的键是否唯一。明确缺失值处理，不能未经说明填出交易价格；价格须为有限正数。按标的分组后计算pct_change(fill_method=None)。若排序后的价格是100、110、121，两期收益均为10%，第一期无前值，记为缺失。
直接对原数组算；把第一行补0当作真实收益；跨股票相邻行相除。
一次10%再一次10%，累计收益是多少？1.1×1.1-1=21%，不是20%。
2分：排序、分组和公式正确；3分：处理重复/缺失且给出可测试例子。
本站原创数据处理题。
价格表按(date,symbol)一行一个观测，合并一个因子表后行数从1000变成1300。你先查什么？
检查连接键是否唯一，特别是右表同一个键是否重复。
核对连接键、数据类型和粒度；对两表的(date,symbol)计数，找多对多匹配。按业务定义解决重复，不能盲目drop_duplicates。pandas merge可加validate='one_to_one'或适合的many_to_one约束，并检查未匹配记录。
把多出的行当更多样本；合并后直接删重复掩盖字段冲突。
若因子是每个symbol每天多个版本，应怎么选？按当时可得时间选版本，而不是用最终修订版覆盖历史。
2分：定位键与粒度；3分：提到基数验证和可得时间选择。
本站原创工程情境。
表prices有symbol、date、close。写出每只股票相邻记录简单收益率的SQL思路，并说明它是否必然等于每个交易日收益。
LAG需要分组和明确排序；检查日期缺口。
在子查询计算 LAG(close) OVER (PARTITION BY symbol ORDER BY date) AS prev_close，再算 close / NULLIF(prev_close,0) - 1。输入先检查(symbol,date)唯一。它是相邻记录收益；如果数据缺交易日，会跨多个交易日，不应直接称为单日收益。
漏掉PARTITION BY导致跨股票；忽略缺失交易日和整数除法类型问题。
如何识别缺失日？和适用交易日历及停牌状态核对，而不是按自然日差值一律判错。
2分：窗口、分组、排序正确；3分：指出记录间隔和唯一键边界。
本站原创SQL题。
日t收盘后计算最近3个收盘价均值。若要预测t到t+1收益，可以使用哪些数据？若回测声称在t收盘价成交，还缺什么假设？
区分“知道收盘价之后”和“能在这个收盘价成交”。
特征最多用到t收盘可得数据，标签是未来区间收益。不能用center=True或包含未来行的窗口。预测合法不代表t收盘价可成交；需解释下单时点和成交模型，或延迟到下一可执行时点并重新定义收益。
只做shift就断言没有前视；忽略数据发布时间、成交时点与标签。
把数据最后10行改掉，前面特征是否应改变？不应改变，可写前缀不变测试。
2分：特征与标签对齐正确；3分：区分收盘可知与可成交，并设计测试。
本站原创时点题。
你先对全部样本计算均值和标准差，再按时间拆训练、测试段。这有何问题？
未来测试段参与了哪一步参数估计？
全样本均值和方差泄露了测试段分布。应先按时间切分，只在训练段拟合变换，再应用到后续段。交叉验证时每折重新拟合；Pipeline能帮助保持这个顺序，但仍须选择合适的时间划分。
认为没有用y就不存在泄漏；认为Pipeline会自动处理金融标签重叠。
滚动在线标准化能否使用截至当天的数据？取决于预测与可得时点，但不得使用未来观察。
2分：识别泄漏并给正确顺序；3分：说明每折拟合与时序边界。
本站原创情境；原理核对官方泄漏文档。
相邻两天的样本分别用未来五个交易日累计收益作标签，随机拆成训练和验证有什么风险？
画出两个标签覆盖的时间区间。
标签区间重叠，会共享未来收益信息；随机切分还不符合很多实际“用过去预测以后”的任务。采用按时间推进的验证，并检查边界标签覆盖区间。训练标签延伸到验证区间的样本需要移除或按实际设计隔离，间隔依据真实标签和信息区间确定。
只说固定删5行而不检查日期缺口、多标的和标签定义；把purge当作能解决全部泄漏的按钮。
若标签到达事件后才结束，持续时间不同，怎样做？按每个样本实际起止时间判断重叠。
2分：识别重叠并用时间验证；3分：按实际区间处理而非机械行数。
本站原创标签情境。
某因子与未来收益的平均截面相关系数是0.03。下一步检查什么？
先说明IC的计算口径，再看稳定性、成本和暴露。
先明确Pearson还是Rank IC、股票池、预测窗口、日期对齐和缺失处理。再看样本数、时间稳定性、置信区间、分组收益、行业/市值暴露和真正样本外表现。即使统计关系存在，也要检查换手、成本、容量和可成交性。没有跨场景通用的IC通过线。
把正IC直接解释成可以盈利；只展示平均值，隐藏失效年份。
IC高的因子一定比IC低的因子好交易吗？不一定，成本、相关性、约束与容量会改变结论。
2分：口径和样本外齐全；3分：把统计预测能力与实现价值分开。
本站原创研究追问。
同学给你看年化收益很高的曲线，却没有其他材料。请按优先级给出核查路径。
先确认曲线是怎么算出来的，再讨论策略经济逻辑。
先拿代码、数据、时间区间和交易假设；核对未来信息、幸存者偏差、复权、信号到仓位的时间映射。再看成交约束、成本、基准与风险暴露。最后核查参数尝试数量、样本外与稳健性。抽取几笔交易手算，重跑并记录差异。
先评价收益好不好，或用更多调参掩盖数据问题。
如果排查发现收益全部来自少数停牌后无法买入的涨停记录，如何处理？修正可成交模型后重新报告，并保留失败记录。
2分：覆盖数据、时点和成本；3分：有可执行的抽样核对与重跑方法。
本站原创代码评审情境。
一项财务指标对应12月31日，但报告次年4月才公开。可以在1月的回测中使用吗？
报告期末、公告时刻和修订时刻是不同字段。
不能仅因为报告期是12月31日就认为1月已可得。应按公开可得时间对齐，并处理公告在盘前/盘后以及后续修订版本。用最终修订值覆盖历史可能引入前视。需要保存或获得按历史时点可见的数据。
把年报所属年份当发布日期；忽略盘后公告不能用于已结束交易。
数据源只有最终版本和报告期怎么办？明确局限，补充可靠公告/版本信息或更换课题，不能假装已解决。
2分：区分期末和公开时间；3分：处理盘后和修订并承认数据不足。
本站原创财务数据情境。
某程序对普通A股股票当日新买仓位又卖出，并且在涨停时总能按收盘价买到。你如何检查？
品种规则与成交条件需要分别验证。
先确认市场、品种和适用规则，普通A股股票当日新买部分通常不能当日卖出，需跟踪可卖持仓。涨停并不代表一笔单一定能买到，需根据行情粒度、排队/成交假设处理。不能把这个结论不加区分套到所有ETF、债券或期货。
笼统说“中国市场全部T+1”；或认为价格出现过就能按任意数量成交。
只有日线数据，怎么知道是否排到涨停买单？通常无法精确知道，应采用透明保守假设并报告数据限制。
2分：分别指出可卖量和可成交；3分：说明品种差异和日线粒度边界。
本站原创市场规则题；按交易所规则核对方向。
一个教学近似中，年累计成交金额是平均净资产的20倍，单边单位成交成本10基点，毛收益8%。净收益约多少？
先将基点变成小数，确认这里20倍已含全部买卖成交。
10bp=0.001。成本约20×0.001=2%净资产，因此净收益约6%。这是以平均净资产作分母的简化加总，未处理复利、现金流与变动成本。若别处的“换手率”只算单边或用买卖金额的一半，不能直接套用。
把10bp当10%；把已经含买卖的成交再乘2；忽略成本口径。
成本提高到30bp时近似净收益？8%-20×0.003=2%。
2分：6%正确且单位明确；3分：说清换手定义、近似和追问。
本站原创数字练习。
同一期间策略涨12%，基准涨15%。你会怎样描述结果？
相对收益、风险调整后的Alpha与绝对收益不是同一概念。
绝对收益为12%，算术超额收益是-3个百分点。不能仅由这些数确定风险调整Alpha，需要明确模型、风险暴露、现金流与成本等。如果使用相对净值口径，1.12/1.15-1≈-2.61%，与算术差不是同一指标。
涨了就有Alpha；混淆百分比和百分点；比较不同口径的基准。
如果策略波动更小、回撤更低，应如何报告？并列展示风险收益与基准，不用一个收益数概括。
2分：算术超额和Alpha区别正确；3分：说明相对净值口径和风险比较。
本站原创基准比较题。
客户端向交易系统发出订单后超时，没有收到确认。订单一定没成功吗？应如何处理？
通信失败不等于业务操作失败。
可能已被系统接收，只是响应丢失。先保留请求标识，查询订单、成交和持仓状态，按接口规则做状态对账。设计幂等或去重机制和状态机，处理部分成交、撤单竞态和未知状态；无法确认时按预设风控/上报流程处理。
把HTTP重试模板直接用于实盘下单；假定每个交易接口都支持同一种幂等键。
同一成交回报收到两次怎样处理？按可确认的唯一成交标识去重，再更新持仓并对账。
2分：说明超时歧义并先查询；3分：覆盖去重、部分成交与接口差异。
本站原创系统情境。
每天早上生成因子的任务未报错，但行数大幅减少。你如何排查和交付？
程序正常退出不等于数据完整。
先确认是否应暂停下游发布；比较交易日历、股票池、接口权限/频率、分页、字段变更、连接键和缺失过滤。保留原始输入与日志，用少量记录复现。恢复后重跑并核对计数，增加唯一键、覆盖率、新鲜度等质量检查。
用前一天数据无标记地补上；只看进程退出码；没查原因就提高重试次数。
什么应触发告警？按业务设定覆盖率和时间阈值，同时标注节假日/停牌等正常原因并减少误报。
2分：定位数据质量与影响范围；3分：有可复现排查及防复发检查。
本站原创工作场景题。
请介绍一个你真正做过的研究项目。听众不知道你的网站或代码背景。
按问题、数据、方法、证据、局限、贡献组织。
可以这样组织：我研究X是否预测Y；数据来源和范围是A，可得时点按B处理；先做C基线，再比较D；用E时间划分和F成本口径验证；结果是G，包括失败；我独立负责H，下一步要验证I。所有字母填真实信息，没有显著效果也照实解释。
只报收益率或库名；把合成数据收益当实盘；把AI或模板成果全部算作独立贡献。
你最不确定的结论是什么？能给出下一项具体实验吗？
2分：内容可复现且贡献清楚；3分：能解释失败并提出可证伪下一步。
本站原创表达训练；结合岗位任务设计。
面试官询问你的代码有多少由AI生成，随后让你改一个收益率函数。你如何回应和准备？
如实区分辅助和独立能力，演示比笼统承诺更有说服力。
说明AI用于哪些环节、你怎样审查和测试；现场解释输入输出、时点和边界，独立修改小函数并验证。保留项目diff和测试记录，能够解释一次AI输出错误及修复过程。没有独立掌握的部分直说并补学。
掩饰工具使用；只能重复提示词，无法解释变量或测试为什么存在。
若AI给的代码用了全样本标准化，你如何定位？用训练/测试划分检查fit范围，并构造测试段变化不影响训练变换的测试。
2分：如实说明且能改小函数；3分：能展示错误定位和防回归验证。
本站原创实习准备情境。
你尝试了一个信号，但时间外表现很差。明天要向导师汇报，如何组织？
负结果也应减少不确定性，具体到证据。
交代假设、数据和检查；列出基线与实验的同口径结果、尝试次数、成本与验证段。区分数据bug、逻辑错误、统计噪声和假设失效。提出一个能区分原因的下一步，并说明需要的帮助或资源。
只写“效果不好继续调参”；隐藏失败或只展示训练段；把噪声解释成肯定的故事。
什么时候停止这个方向？预先约定资源预算与证伪条件，并与导师根据证据讨论。
2分：有同口径证据与具体下一步；3分：区分原因并提出停止/继续的判断依据。
本站原创工作汇报训练。
数据任务处理百万行需要10分钟。你如何决定优化哪里？
先测量，再区分读写、算法和计算瓶颈。
记录可重复输入和耗时，用profiling定位主要开销。检查重复I/O、多次连接、Python逐行循环、算法复杂度和内存。先做局部优化或合理向量化，保持结果一致并比较性能。只有证据显示必要时再考虑编译扩展、并行或C++，同时计入维护成本。
无测量就并行；忽略复制大表的内存成本；用更快但错位的结果替代原结果。
优化后运行快了但收益不同，你先查什么？排序、索引对齐、精度、缺失值与边界一致性。
2分：测量与正确性对照齐全；3分：能区分I/O、复杂度和内存问题。
本站原创性能情境。