先选岗位，再补能力

你的第一条主线：研究支持 → 独立小课题

适合金融背景、有高数线代概率基础、Python 还依赖 AI 辅助的学习者。先争取能证明数据处理、回测检查和清晰表达的工作，不把“会生成策略代码”当作研究能力。

准备范围包括券商金工或金融工程团队、公募/私募量化研究助理、量化数据分析与研究工具岗位。它们是值得调查的岗位类别，不代表当前都有空缺或门槛更低。

• 优先补：独立 Python、pandas/SQL、统计推断、数据时点、实验记录、研究报告。
• 可用优势：能解释财务指标与经济含义；进一步学习公告日期、复权与成分股历史。
• 先做一个可复现项目，再用岗位描述反向决定是否加深机器学习或 C++。

量化研究（QR）：用数据检验一个假设

日常示例：定义预测目标 → 检查数据是否在当时可得 → 设计特征 → 做时间外验证 → 检查成本与风险暴露 → 写结论。很多实验的有效结果是“没有足够证据支持这个想法”。

• 交付：数据字典、因子分析、基线比较、样本外报告、可重跑的实验。
• 准备：概率统计、回归、线代、Python、验证方法、经济解释。
• 面试练法：从假设讲到失败分析；能手算一个小例子并检查代码。

量化开发（QD）：让数据与系统可靠运行

工作随团队而异：数据管道、回测引擎、研究平台、交易系统或性能优化。偏研究平台的 Python 岗和低延迟 C++ 岗，需要的能力并不相同。

• 交付：接口、测试、性能对比、部署说明和故障复盘。
• 准备：数据结构、算法复杂度、Python工程、Linux、SQL；低延迟方向再加 C++、操作系统与网络。
• 面试练法：说明重复消息、断线、内存占用和日志定位；展示一次有测量依据的优化。

交易执行 / 风控 / 运营支持：确认系统按约定工作

可能涉及委托和成交核对、监控异常、仓位或风险报告、对账。股票日频、期货夜盘、高频做市的节奏不同；岗位名称相似也可能是完全不同的职责。

• 交付：异常单、对账表、监控记录、执行成本分析。
• 准备：市场规则、订单状态机、SQL/Python、细致的复核和沟通。
• 面试练法：遇到未知订单状态先查询、核对和上报；解释怎样避免重复下单。

读懂一份国内实习 JD

JD 就是岗位说明。把每一条拆成“任务—能力—我有什么证据—还差什么”。官方研究岗位样例包含数理、编程和研究能力要求；部分机构也明确院校/专业筛选。项目能提供能力证据，但无法自动替代硬性资格。

• 资格先查：是否要求在读、毕业年份、研究生录取但未入学是否接受、到岗城市、每周天数、最短时长。
• 技术再查：研究还是开发，股票还是期货，是否要求 C++ 或论文经验。
• 投递分组：冲刺岗位、与现有能力匹配的岗位、可积累相关数据/研究经验的岗位。每组都按真实 JD 判断。
• 联系招聘方时如实说明状态，例如“本科已毕业，预计 2027 年研究生入学；可从 X 月到 X 月每周到岗 Y 天，请问是否符合实习资格？”