Redian新闻
>
Receipt Date vs. Notice Date
avatar
Receipt Date vs. Notice Date# EB23 - 劳工卡
k*1
1
找工作两个多月,也积累了不少经验,以前求bless的时候说过拿到dream offer就写经
验和面经。现在拿到了,贡献出来希望以后的xdjm有用。包子发不了,老号伪币用来买
东西了。
1.背景
我以前学计算机的,phd毕业就在一家大投行前台做quant,辛苦做了两年,独立完成了
不少大的项目。结果去年年底效益太滥,公司裁了一堆quant,我也就经历了第一次下岗
。平心而论,虽然我刚开始还是很不爽,但是大投行给的平台还是很好的,而且学到很
多东西。我们组包括我一共走了两个phd。 我后来想想,老板决定谁走,你个人工作上
的能力,薪水只是一部分考量,有的老板很看重谁够political,甚至谁够brown nose的。
我当时的情况很被动,因为去年底很多地方hiring freeze,招人的经常放假进度都挺
慢;也没身份,只有garden leave加签证grace period几个月时间,如果这期间内找不
到工作只能回国。我后来第一个buy side offer是在redundancy接近两个月的时候拿到
的。希望能给不幸被雷的同胞一些鼓励,你们的大环境多半比我所处的好。
2. 关于猎头
求职最先要做的是更新简历,上linkedin,准备面试。一般如果你的背景还可以的话,
会有不少猎头联系你。版上曾经争论过,用猎头好不好,好像最后的结论是用猎头容易
拿到面试,但是offer会难一些因为公司雇用你的话需要多付钱给猎头,所以要工作还
是自己投。我的经验和这个很不一样:我面试的公司一共有十多家,自己投的和朋友帮
投的大概30%,猎头投的50%,公司内的HR自己联系上来的20%.现在为止多数都还在进行
时,拿到的几个offer,都是猎头投的,悲剧的几个多数是自己或者朋友投的,原因我感
觉是有的公司hr不是很懂,时常把我的简历转到不对口的组,面试就不容易有共鸣。一
个组fail了的话,一般hr就不会再发给别的组。用猎头的好处是他们比较清楚一些公司
正在招人的职位,也可能会把你的简历直接转给hiring manager。这样的话针对性要比
自己投好得多。
猎头质量差别真的很大。我一共通过4-5个猎头递过简历。好的猎头递简历不乱来,就
递几个地方而且之前先要每个给你介绍清楚,争得你的同意。一般很快就可以联系上合
适的面试,给一些中肯的准备建议,并且从头到尾都和求职者,公司经常联系沟通;差
的猎头就什么样的都有了:上来就说哪儿他都熟的,拿到简历就到处发,也不follow up
—这样坏处很大,相当于浪费了这些机会因为其他猎头也不会再投这些地方了;还有的
什么面试都拿给你,明明你找的是quant他给你一堆developer的面试。最狗血的是,我
据了一个offer,那个猎头气急败坏,每天打十几个电话给我,居然孔子说了什么都搬出
来教育我(这个猎头不是中国人)。总之我觉得,公司如果有这个budget,猎头推荐的
人足够好录取还是没什么障碍的。
3. 准备
这个很重要,但是每个人情况不一样,职位不一样不好说。但是简历上有关的东西细节
都要搞清楚,以前学过的主课如果忘了也要花时间复习。网上面试的书,题目都多,拿
来练手多多益善。现在好的职位不多,公司招人很谨慎,竞争也激烈,所以准备其实需
要花很多时间,最好不要急着拿面试,容易浪费。像我这种有时间限制的除外。
4.有关面试官
Buy side一般比较少,而且好像fund越小里面的人自我感觉越好。我也遇到过
几个snobbish的白人 ,真的给人感觉就是要想方设法问倒你取乐的。遇到这种也没办
法,你就算答对了他也会不爽不让你过的。中国印度的面试官倒都不错,挺公正的。
我一共遇到6,7个中国人面试,都很不错,至少没有刻意为难的。有两个北大学长更好
,很聪明而且态度超好,答题的时候如果不是最优解还会提示怎么优化,最后回答我提
问的时候也是很耐心细致。其实中国人力所能及的帮一下同胞蛮好。
5. 题目
面了很多,题目多且杂。我要去的公司的题目和签了保密协议公司的题目不说,其他的
我选了些有代表性的,都翻译成中文。
1. 一个数据库里有N个城市(x,y)坐标,任意给定一个(x,y),离这点最近的城市。要
求O(logn)
2. 一个信封x元,另一个2x元。你随机拿了一个,你会不停的换下去吗?
3. 100个人猜数字,0-100.哪个人猜的数离所有数的平均数的2/3最近的赢。问你该
猜哪个数。
4. 100个random number comes in sequence, 想选出最大的数,应该啥时候选?
5. Fair coin, 扔几次可以拿到连续3个头
6. 你有50块钱,赌扔硬币,头你得两元,尾你输一元。你最多可以玩100次,并且
一旦剩下0元或者100元就停止。停止时的期望钱数?
和上题类似,但是每次你可以选下多少注比如s元(s<=目前手里钱数x),如果赢了就得
到2s(x+2s),输了就没了(x-s)。没有那个100元停止的限制。问:最优策略下游戏结束
时(扔了100次或者0元),E[钱数] 和 E[log(钱数+100)]?假设开始时有x元。
7. 1-9个数字,分成两个数,要求乘积最大。我算得87531*9642
8. 一个random sample,如果double每个data point, 这个sample的哪些statistics
会怎么变。
9. 举例说明为什么java做交易系统不如c++.
10. 用一堆数据造一个模型做预测。如何减少overfit? In particular,如果
feature太多怎么做,数据太少怎么做,如果function space太大(就是可能的模型太
多)怎么做。最后两题是open ended.
上面的题有的我也不知道正确答案,欢迎讨论。
avatar
C*h
2
问一个蠢问题。。。为什么除了RD (receipt)还有个ND(notice date)?RD是receipt上
的,那ND是什么上的?我看大家的timeline看得很疑惑啊。。。貌似ND都在
fingerprint之前,可是我fingerprint都打了也没注意到我还有个什么ND啊。。。我考
古没考到跟这有关的。哪个大牛帮我理一下。谢谢了。
avatar
d*t
3
比较一下中等buy side firm和trading firm吧

的。

【在 k******1 的大作中提到】
: 找工作两个多月,也积累了不少经验,以前求bless的时候说过拿到dream offer就写经
: 验和面经。现在拿到了,贡献出来希望以后的xdjm有用。包子发不了,老号伪币用来买
: 东西了。
: 1.背景
: 我以前学计算机的,phd毕业就在一家大投行前台做quant,辛苦做了两年,独立完成了
: 不少大的项目。结果去年年底效益太滥,公司裁了一堆quant,我也就经历了第一次下岗
: 。平心而论,虽然我刚开始还是很不爽,但是大投行给的平台还是很好的,而且学到很
: 多东西。我们组包括我一共走了两个phd。 我后来想想,老板决定谁走,你个人工作上
: 的能力,薪水只是一部分考量,有的老板很看重谁够political,甚至谁够brown nose的。
: 我当时的情况很被动,因为去年底很多地方hiring freeze,招人的经常放假进度都挺

avatar
v*y
4
avatar
E*H
5
恭喜!
发信人: kknd2011 (kknd), 信区: JobHunting
标 题: 投行前台quant跳buy side quant经历
发信站: BBS 未名空间站 (Tue Jan 10 19:12:35 2012, 美东)
找工作两个多月,也积累了不少经验,以前求bless的时候说过拿到dream offer就写经
验和面经。现在拿到了,贡献出来希望以后的xdjm有用。包子发不了,老号伪币用来买
东西了。
1.背景
我以前学计算机的,phd毕业就在一家大投行前台做quant,辛苦做了两年,独立完成了
不少大的项目。结果去年年底效益太滥,公司裁了一堆quant,我也就经历了第一次下岗
。平心而论,虽然我刚开始还是很不爽,但是大投行给的平台还是很好的,而且学到很
多东西。我们组包括我一共走了两个phd。 我后来想想,老板决定谁走,你个人工作上
的能力,薪水只是一部分考量,有的老板很看重谁够political,甚至谁够brown nose的。
我当时的情况很被动,因为去年底很多地方hiring freeze,招人的经常放假进度都挺
慢;也没身份,只有garden leave加签证grace period几个月时间,如果这期间内找不
到工作只能回国。我后来第一个buy side offer是在redundancy接近两个月的时候拿到
的。希望能给不幸被雷的同胞一些鼓励,你们的大环境多半比我所处的好。
2. 关于猎头
求职最先要做的是更新简历,上linkedin,准备面试。一般如果你的背景还可以的话,
会有不少猎头联系你。版上曾经争论过,用猎头好不好,好像最后的结论是用猎头容易
拿到面试,但是offer会难一些因为公司雇用你的话需要多付钱给猎头,所以要工作还
是自己投。我的经验和这个很不一样:我面试的公司一共有十多家,自己投的和朋友帮
投的大概30%,猎头投的50%,公司内的HR自己联系上来的20%.现在为止多数都还在进行
时,拿到的几个offer,都是猎头投的,悲剧的几个多数是自己或者朋友投的,原因我感
觉是有的公司hr不是很懂,时常把我的简历转到不对口的组,面试就不容易有共鸣。一
个组fail了的话,一般hr就不会再发给别的组。用猎头的好处是他们比较清楚一些公司
正在招人的职位,也可能会把你的简历直接转给hiring manager。这样的话针对性要比
自己投好得多。
猎头质量差别真的很大。我一共通过4-5个猎头递过简历。好的猎头递简历不乱来,就
递几个地方而且之前先要每个给你介绍清楚,争得你的同意。一般很快就可以联系上合
适的面试,给一些中肯的准备建议,并且从头到尾都和求职者,公司经常联系沟通;差
的猎头就什么样的都有了:上来就说哪儿他都熟的,拿到简历就到处发,也不follow up
—这样坏处很大,相当于浪费了这些机会因为其他猎头也不会再投这些地方了;还有的
什么面试都拿给你,明明你找的是quant他给你一堆developer的面试。最狗血的是,我
据了一个offer,那个猎头气急败坏,每天打十几个电话给我,居然孔子说了什么都搬出
来教育我(这个猎头不是中国人)。总之我觉得,公司如果有这个budget,猎头推荐的
人足够好录取还是没什么障碍的。
3. 准备
这个很重要,但是每个人情况不一样,职位不一样不好说。但是简历上有关的东西细节
都要搞清楚,以前学过的主课如果忘了也要花时间复习。网上面试的书,题目都多,拿
来练手多多益善。现在好的职位不多,公司招人很谨慎,竞争也激烈,所以准备其实需
要花很多时间,最好不要急着拿面试,容易浪费。像我这种有时间限制的除外。
4.有关面试官
Buy side一般比较少,而且好像fund越小里面的人自我感觉越好。我也遇到过
几个snobbish的白人 ,真的给人感觉就是要想方设法问倒你取乐的。遇到这种也没办
法,你就算答对了他也会不爽不让你过的。中国印度的面试官倒都不错,挺公正的。
我一共遇到6,7个中国人面试,都很不错,至少没有刻意为难的。有两个北大学长更好
,很聪明而且态度超好,答题的时候如果不是最优解还会提示怎么优化,最后回答我提
问的时候也是很耐心细致。其实中国人力所能及的帮一下同胞蛮好。
。。。
avatar
r*s
6
bad

的。

【在 k******1 的大作中提到】
: 找工作两个多月,也积累了不少经验,以前求bless的时候说过拿到dream offer就写经
: 验和面经。现在拿到了,贡献出来希望以后的xdjm有用。包子发不了,老号伪币用来买
: 东西了。
: 1.背景
: 我以前学计算机的,phd毕业就在一家大投行前台做quant,辛苦做了两年,独立完成了
: 不少大的项目。结果去年年底效益太滥,公司裁了一堆quant,我也就经历了第一次下岗
: 。平心而论,虽然我刚开始还是很不爽,但是大投行给的平台还是很好的,而且学到很
: 多东西。我们组包括我一共走了两个phd。 我后来想想,老板决定谁走,你个人工作上
: 的能力,薪水只是一部分考量,有的老板很看重谁够political,甚至谁够brown nose的。
: 我当时的情况很被动,因为去年底很多地方hiring freeze,招人的经常放假进度都挺

avatar
b*c
7
how to solve problem 1.....???
avatar
B*5
8
去年指的是2011?
avatar
m*r
9
Congratulations!!!
Would you please give me some advices about searching jobs.
I sent a messgae to you.
thanks

的。

【在 k******1 的大作中提到】
: 找工作两个多月,也积累了不少经验,以前求bless的时候说过拿到dream offer就写经
: 验和面经。现在拿到了,贡献出来希望以后的xdjm有用。包子发不了,老号伪币用来买
: 东西了。
: 1.背景
: 我以前学计算机的,phd毕业就在一家大投行前台做quant,辛苦做了两年,独立完成了
: 不少大的项目。结果去年年底效益太滥,公司裁了一堆quant,我也就经历了第一次下岗
: 。平心而论,虽然我刚开始还是很不爽,但是大投行给的平台还是很好的,而且学到很
: 多东西。我们组包括我一共走了两个phd。 我后来想想,老板决定谁走,你个人工作上
: 的能力,薪水只是一部分考量,有的老板很看重谁够political,甚至谁够brown nose的。
: 我当时的情况很被动,因为去年底很多地方hiring freeze,招人的经常放假进度都挺

avatar
b*y
10
I wonder what's the normal package for a buy side quant? Thanks

的。

【在 k******1 的大作中提到】
: 找工作两个多月,也积累了不少经验,以前求bless的时候说过拿到dream offer就写经
: 验和面经。现在拿到了,贡献出来希望以后的xdjm有用。包子发不了,老号伪币用来买
: 东西了。
: 1.背景
: 我以前学计算机的,phd毕业就在一家大投行前台做quant,辛苦做了两年,独立完成了
: 不少大的项目。结果去年年底效益太滥,公司裁了一堆quant,我也就经历了第一次下岗
: 。平心而论,虽然我刚开始还是很不爽,但是大投行给的平台还是很好的,而且学到很
: 多东西。我们组包括我一共走了两个phd。 我后来想想,老板决定谁走,你个人工作上
: 的能力,薪水只是一部分考量,有的老板很看重谁够political,甚至谁够brown nose的。
: 我当时的情况很被动,因为去年底很多地方hiring freeze,招人的经常放假进度都挺

avatar
k*1
11
你需要先pre process,假定N个城市是固定的而不是输入变量。

【在 b*****c 的大作中提到】
: how to solve problem 1.....???
avatar
k*1
12
en,2011年底。

【在 B******5 的大作中提到】
: 去年指的是2011?
avatar
k*1
13
这个不好说,取决于你的背景。感觉应该比投行灵活些。

【在 b****y 的大作中提到】
: I wonder what's the normal package for a buy side quant? Thanks
:
: 的。

avatar
A*u
14
大牛,第6题怎么做呢
avatar
n*y
15
martigale?

【在 A**u 的大作中提到】
: 大牛,第6题怎么做呢
avatar
a*c
16
zan
avatar
n*y
17
嗯, martingale 好像只可以说明期望在 50~100之间
gambler ruin 具体怎么做
avatar
f*r
18
k-d tree

【在 b*****c 的大作中提到】
: how to solve problem 1.....???
avatar
b*y
19
For example, 3 years experience (non quant), PhD, just a ballpark. btw, how
about IB?

【在 k******1 的大作中提到】
: 这个不好说,取决于你的背景。感觉应该比投行灵活些。
avatar
F*t
20
恭喜。

的。

【在 k******1 的大作中提到】
: 找工作两个多月,也积累了不少经验,以前求bless的时候说过拿到dream offer就写经
: 验和面经。现在拿到了,贡献出来希望以后的xdjm有用。包子发不了,老号伪币用来买
: 东西了。
: 1.背景
: 我以前学计算机的,phd毕业就在一家大投行前台做quant,辛苦做了两年,独立完成了
: 不少大的项目。结果去年年底效益太滥,公司裁了一堆quant,我也就经历了第一次下岗
: 。平心而论,虽然我刚开始还是很不爽,但是大投行给的平台还是很好的,而且学到很
: 多东西。我们组包括我一共走了两个phd。 我后来想想,老板决定谁走,你个人工作上
: 的能力,薪水只是一部分考量,有的老板很看重谁够political,甚至谁够brown nose的。
: 我当时的情况很被动,因为去年底很多地方hiring freeze,招人的经常放假进度都挺

avatar
h*n
21
gxgx
avatar
k*1
22
你这个可以参照glassdoor上面投行associate的薪水。
顺便回复n多找我要猎头名单的私信:
每个人的情况不一样,猎头手上的职位也是各有侧重点的。我建议改好简历放linkedin
上等猎头找你,他们天天都在上面晃。
其他的问题希望在这里讨论,谁知道第六题第二问的答案吗?

how

【在 b****y 的大作中提到】
: For example, 3 years experience (non quant), PhD, just a ballpark. btw, how
: about IB?

avatar
b*y
23
This is what I got
http://www.glassdoor.com/GD/Salary/JPMorgan-Chase-Associate-Sal
so only 109k?

linkedin

【在 k******1 的大作中提到】
: 你这个可以参照glassdoor上面投行associate的薪水。
: 顺便回复n多找我要猎头名单的私信:
: 每个人的情况不一样,猎头手上的职位也是各有侧重点的。我建议改好简历放linkedin
: 上等猎头找你,他们天天都在上面晃。
: 其他的问题希望在这里讨论,谁知道第六题第二问的答案吗?
:
: how

avatar
e*c
25
Do you know the answer for the first part of question 6?
Does it have a solution in a closed form or you just use binary tree?
For second part, my strategy will be to bet 1/2 of what you have.
You try to bet as much as you can (as each bet will give you positive
return), but you also don't want to go out of business too soon.
Not sure how to calculate the expected return in a closed form though.

linkedin

【在 k******1 的大作中提到】
: 你这个可以参照glassdoor上面投行associate的薪水。
: 顺便回复n多找我要猎头名单的私信:
: 每个人的情况不一样,猎头手上的职位也是各有侧重点的。我建议改好简历放linkedin
: 上等猎头找你,他们天天都在上面晃。
: 其他的问题希望在这里讨论,谁知道第六题第二问的答案吗?
:
: how

avatar
C*m
26
As you said, you want to bet as much as possible, but not to wiped out by
the game. How about bet 99.9% of what you have?

【在 e*******c 的大作中提到】
: Do you know the answer for the first part of question 6?
: Does it have a solution in a closed form or you just use binary tree?
: For second part, my strategy will be to bet 1/2 of what you have.
: You try to bet as much as you can (as each bet will give you positive
: return), but you also don't want to go out of business too soon.
: Not sure how to calculate the expected return in a closed form though.
:
: linkedin

avatar
V*n
27
大牛能不能谈谈最后一道题你是怎么回答的?

10. 用一堆数据造一个模型做预测。如何减少overfit? In particular,如果
feature太多怎么做,数据太少怎么做,如果function space太大(就是可能的模型太
多)怎么做。最后两题是open ended.

【在 k******1 的大作中提到】
: 哈佛mba的统计
: http://www.hbs.edu/recruiting/mba/data-and-statistics/employmen

avatar
s*r
28
以前就是牛人,这样的经历,算非主流吧
avatar
e*a
30
m
avatar
k*1
31
第一部分我也只给了递推的答案,不知道有没有closed form solution.
第二部分我也是每次bet一半,从面试官反应来看是对的,我也想知道怎么证明这是最
优的。

【在 e*******c 的大作中提到】
: Do you know the answer for the first part of question 6?
: Does it have a solution in a closed form or you just use binary tree?
: For second part, my strategy will be to bet 1/2 of what you have.
: You try to bet as much as you can (as each bet will give you positive
: return), but you also don't want to go out of business too soon.
: Not sure how to calculate the expected return in a closed form though.
:
: linkedin

avatar
k*1
32
讨论machine learning里面overfitting的paper/course materials很多的,你搜一下
就有了。

【在 V********n 的大作中提到】
: 大牛能不能谈谈最后一道题你是怎么回答的?
:
: 10. 用一堆数据造一个模型做预测。如何减少overfit? In particular,如果
: feature太多怎么做,数据太少怎么做,如果function space太大(就是可能的模型太
: 多)怎么做。最后两题是open ended.

avatar
k*1
33
我觉得glassdoor和哈佛那两个统计很靠谱的,特别今年奖金不多的情况下。我认识几
个高盛大摩的当了几年的vp,base不到20w很常见。

【在 b****y 的大作中提到】
: looks like the same (more or less), I thought it was much higher (>200k),
: isn't it?

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。