Offer选择决策学：五个维度的加权法
我的掌握程度：
先掌握这个答案
五维框架：①成长速度：两年后你的技能与简历增值（问：这个岗位的人后来去哪了？）——通常应届期的最高权重；②平台质量：方法论体系/数据资源/品牌背书——头部平台是「带利息的证书」；③薪酬：总包拆开看（底薪/奖金比例/递延——量化行业的奖金递延是常态，别只看总包数字）；④人：直系leader与团队（面试时你愿意跟这个人学三年吗？）；⑤生活：通勤/强度/城市——可持续性的底线项。加权法：各维1-10打分×你的人生阶段权重（应届：成长4/平台2/薪酬1/人2/生活1的参考型）——总分对比+敏感度检查（换一档权重结论会不会翻转）。两个选错模式：①只比钱（应届期薪酬差异的现值远小于成长差异的现值）；②只追名（大平台螺丝钉三年 vs 中平台全栈两年——简历的「负责了什么」比「在哪儿待过」值钱）。
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
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
手里两个offer：头部机构的螺丝钉岗 vs 中小机构的全能岗；钱差30%。朋友圈吵翻天（「平台重要」「钱重要」），你需要的是决策框架而不是站队——把直觉拆成维度、给维度排序、让分数说话。
由此产生的问题
Offer评估的五个维度（成长/平台/薪酬/人/生活）怎么定义与打分？加权怎么定（因人而异的诚实）？两个最常见的选错模式？
核心概念
五维框架：①成长速度：两年后你的技能与简历增值（问：这个岗位的人后来去哪了？）——通常应届期的最高权重；②平台质量：方法论体系/数据资源/品牌背书——头部平台是「带利息的证书」；③薪酬：总包拆开看（底薪/奖金比例/递延——量化行业的奖金递延是常态，别只看总包数字）；④人：直系leader与团队（面试时你愿意跟这个人学三年吗？）；⑤生活：通勤/强度/城市——可持续性的底线项。加权法：各维1-10打分×你的人生阶段权重（应届：成长4/平台2/薪酬1/人2/生活1的参考型）——总分对比+敏感度检查（换一档权重结论会不会翻转）。两个选错模式：①只比钱（应届期薪酬差异的现值远小于成长差异的现值）；②只追名（大平台螺丝钉三年 vs 中平台全栈两年——简历的「负责了什么」比「在哪儿待过」值钱）。
为什么需要它
①决策的显性化：多offer的焦虑来自维度混叠——框架把它拆成可打分的项，直觉的分歧变成权重的讨论（对自己诚实：你现在最缺什么）；②长期贴现的视角：职业是复利游戏（q-011的职场版）——第一份工作的「成长率」比「现值」重要；③敏感度检查的清醒：若权重微调就翻转结论——说明两offer本就接近，选哪个都不会错（焦虑解除）。
实际应用场景
操作：表格打分→总分→敏感度→写「一年后回看」的预期（各选一条路，一年后我大概在做什么）——回看预期常让真心浮出。
与之前知识的联系
q-904（曲线路线）的择业原则（成长>光环）的操作化；q-916（调研）提供打分的信息；q-083（时间线）的长期视角——第一站是起点不是终点。
⚠ 常见误解
- 总包高就是好offer：拆递延与奖金占比——「纸面总包」与「到手期望」在量化行业差可达30%+；
- 平台名气自动等于成长：名气≠你的成长——核心看岗位内容（接触策略全流程 vs 只跑数据）；名气的价值在跳槽背书，可被「作品+业绩」部分替代
- 决策框架给出唯一正确答案：框架的价值是让权衡显性+焦虑可控——分数接近时的选择靠价值排序（你更想成为谁）
🛠 本题实践任务
用五维框架给你手上的（或假想的）两offer打分+敏感度检查+「一年后回看」写作。把权重表存档——它是你的职业价值观快照，三年后重看会很有趣。
💡 提示（先自己想5分钟再看）
打分要基于调研（q-916）而非想象；「人」这一维的分数来自面试时对leader的直觉——相信它。
✅ 验收标准
一张打分表+回看短文。offer季最重要的决定在一个下午内清晰完成。
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（机构调研、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。