量化实习招聘全流程拆解:从投递到offer
我的掌握程度:
先掌握这个答案
五轮拆解:①简历筛选(1-2周):关键词=竞赛/项目/技能匹配,名校是效率筛子但作品可穿透;②在线笔试(1-3小时):概率统计计算题+编程( LeetCode medium或手写滚动均值类)+脑筋急转弯,绿皮书覆盖80%题型;③一面(技术,1小时):项目深挖开场→现场推导(期望/条件概率)→设计题(「给你XX数据怎么挖因子」);④二面(资深/负责人,1小时):研究品味(你的因子为什么有效/何时失效)+市场理解+行为面(失败经历);⑤HR面/offer:动机、薪酬、实习时间。全流程2-4周,全年滚动+秋季集中。
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。
背景 · 从一个困惑说起
地图在手,进入实战。量化实习的招聘流程比多数行业更快、更硬核:从投递到终面可能只要两周,每一轮都是实打实的筛选——但正因流程标准化,它完全可以被系统性地准备。
由此产生的问题
每一轮的具体形态、考察点和准备方法是什么?全流程的时间线如何安排?
核心概念
五轮拆解:①简历筛选(1-2周):关键词=竞赛/项目/技能匹配,名校是效率筛子但作品可穿透;②在线笔试(1-3小时):概率统计计算题+编程( LeetCode medium或手写滚动均值类)+脑筋急转弯,绿皮书覆盖80%题型;③一面(技术,1小时):项目深挖开场→现场推导(期望/条件概率)→设计题(「给你XX数据怎么挖因子」);④二面(资深/负责人,1小时):研究品味(你的因子为什么有效/何时失效)+市场理解+行为面(失败经历);⑤HR面/offer:动机、薪酬、实习时间。全流程2-4周,全年滚动+秋季集中。
为什么需要它
①知己知彼:每轮的考察维度不同,准备材料不同(笔试刷题/一面背项目/二面练观点),混淆维度是常见败因;②「项目深挖」是决胜局的逻辑:笔试筛智力、项目验真功——面试官用连环追问区分「真做过」和「抄的框架」,你的九阶段积累恰好是防弹衣;③流程即机会:中小机构流程更快更直接(常免笔试),是练面试的最佳靶场。
实际应用场景
准备节奏:投递前1个月刷绿皮书一遍+简历定稿;投递期每周2-3场笔试/面试(保持手感);每场面试后24小时内写复盘(被问倒的题当天学会)——面试本身是最快的成长课。
与之前知识的联系
q-901的全景图落到逐轮执行;q-090十问是一面基础轮的答案库;阶段5-9的项目是一面项目轮的弹药;绿皮书(本阶段后续详述)是笔试的题库。从学习者到从业者,只差这一套流程的执行。
⚠ 常见误解
- 等完全准备好再投:永远没有「完全准备好」——面试本身是最好的模拟面试,前几场就是学费
- 被拒=不行:量化招聘是匹配游戏(方向/时机/名额),连续被拒后拿到offer是常态故事
- 小机构练手浪费机会:恰恰相反——先拿小机构offer保底,再冲目标机构,心态和谈判力都完全不同
🛠 本题实践任务
模拟一面实战:让AI导师扮演面试官,围绕你的毕业项目连环追问五层(是什么→为什么→失效条件→改进→延伸)。全程记录被卡住的问题,形成你的第一份复盘题库。
💡 提示(先自己想5分钟再看)
用/ai页的导师,开场词:「请扮演量化私募面试官,围绕我的项目深挖:独立构建A股多因子框架(样本外年化超额11%)」;追问到答不出为止。
✅ 验收标准
五层追问的对话记录+复盘题库初版。第一次模拟的狼狈程度,决定了正式面试的从容程度。
在你的浏览器内运行。首次需联网下载 Python;支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词,不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识(求职全景图、岗位地图),再用案例、公式和代码帮助理解。此功能需要先启用服务。