阶段10求职准备●●●●●

阶段10开篇：量化求职全景图——岗位、证据与时间线

我的掌握程度：

q-901精讲

先掌握这个答案

求职全景三段：①简历关（决定你被看见）：教育背景+技能清单+项目经历（数字量化：IC/超额/容量）+竞赛（BRAIN/Kaggle）；②笔试关（智力+基础）：概率统计、脑筋急转弯、编程题（LeetCode medium+手写量化函数）、金融市场常识；③面试关（真功夫）：项目深挖（为什么这样设计/失败案例/边界条件）+现场推导（贝叶斯/期望计算）+市场观点+行为面。证据对应：毕业项目（q-091-097）→项目深挖；阶段5因子报告→研究素养证明；BRAIN战绩→可验证的努力；q-090十问→基础轮答案库。

先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。

从理解到使用

把结论换成可核查证据

展示问题、数据版本、实验方法、基准与失败复盘；数字对应可复现报告。岗位分工、薪资和时间线随机构与年份变化，以当期JD和正式沟通为准。

本阶段实战方法 · 用可核查证据展示研究与工程能力

准备简历、答辩或从回测转向模拟盘时，优先展示过程、约束和证据。

用一页README交代问题、数据来源、运行命令、时间切分、基准、成本和已知限制。
把结果对应到文件、版本和实验记录；面试说明自己做了什么、失败在哪里、如何排查。
先进行模拟盘和故障演练，验证重复下单防护、持仓对账、告警与恢复，再评估进一步上线条件。

使用边界

回测漂亮不等于可实盘；还需要权限、稳定执行、成本与容量验证。
薪资、招聘时间和平台门槛会变化，应查当期职位说明；不要把固定数字当行业标准。

不懂的术语：期望（Expectation）因子（Factor）IC（信息系数）BRAIN（WorldQuant）Kaggle

背景 · 从一个困惑说起

九个阶段走完，你已具备：完整的数据管道、亲手检验过的因子、带防御的回测框架、ML模型、BRAIN战绩——这份家当在简历上叫「项目经历」，在面试里叫「可以深挖40分钟的故事」。阶段1的q-082证据地图和q-083时间线，现在到了兑现时刻。

由此产生的问题

求职的完整地图是什么？简历、笔试、面试各环节分别考什么？你手里的证据分别对应哪个环节？

核心概念

为什么需要它

①地图防迷路：知道每个环节的考察点，准备才有的放矢（很多人在错误的维度上努力——背八股文而项目讲不清）；②证据链思维：量化行业极度看重「可验证的产出」——一个能复现的GitHub仓库胜过十句「熟练掌握」；③时间窗口意识：量化私募招聘全年滚动但集中期明确（暑期实习3-5月、秋招提前批7-8月），错过窗口等一年。

实际应用场景

行动清单：简历一页纸（项目三条全带数字）→GitHub仓库README完善（可复现）→绿皮书刷两遍（笔试+概率题）→模拟面试三次（同学互练/对着AI练）→投递序列：中小机构练手→目标机构冲锋→外资并行（英文简历另备）。

与之前知识的联系

阶段1的q-082证据地图在本题全景展开；q-090的十问是面试基础轮的弹药库；本阶段后续题目逐环节精讲（简历写法→笔试题库→面试深挖→offer选择→入职后第一年）。

⚠ 常见误解

海投就有机会：量化圈小且看证据——50份精准投递（附项目亮点）胜过500份海投
笔试好=offer稳：笔试是入场券，面试的项目深挖才是决胜局——讲不清自己项目的人笔试满分也被拒
求职从毕业前才开始：实习转正是主通道，大三暑期实习的申请在大三上学期就开始——窗口比你想的早一年

🤖 AI导师

导师会先检查你的前置知识（岗位地图、能力证据、学习时间线），再用案例、公式和代码帮助理解。此功能需要先启用服务。