实习月薪$1.6w，但这样的留学生不要！
作为从小熟背乘法口诀留学生，口算与心算能力一直是大家的优势。
然而，盈利同比去年增长1000%、连实习生都给开$1.6w月薪的Jane Street，在其招聘页面明确写出：我们不需要具有快速心算能力的候选人！
震惊三观！我们以为的优势，竟然成了别人口中的劣势……华尔街巨头们究竟想要什么人才，面试又要考核哪些重点？
这可不能靠凭空猜想，我们特别邀请了华尔街一线投行R&D Quant大佬，为大家带来专题讲座。
·本期福利·
导师在讲座中提到了非常有用的13本pdf书籍，文末即可免费打包领取！
上一期讲座文字版中，我们深度剖析了前四大部分Quant讲座文字版（上）：这次，我们将继续探讨讲座的后四大部分。
划重点：第七部分最重要，会讲解面试考点，记得收藏！
05
Quant行业的赚钱速度简直可怖，势头亦不可挡。
具有丰富经验的导师根据自己的经验，向大家推荐这些近期较火、同时未来潜力巨大的细分领域：
机器学习
加密货币
大宗商品
多种策略和资产
做市和高频交易
数字银行
智能投顾
不过，Quant其中的门道并不如字面上那么简单，买方、卖方的竞争又各不相同。时间有限，导师只能简单推荐。如果你对Quant感兴趣，可以扫码1v1连线我们的资深导师，进行定制化资询。
06
想进入一个行业，势必要进行全方位的对比与考察。薪酬是一方面，未来发展也是必不可少的。
一个OFFER该不该接？需要注重这5点
1. Base salary
这需要我们先利用各类资源，尽可能多地调查公司的Base在业内是怎样的。虽然网上有许多薪酬网站可参考，但同公司内的不同岗位可能都有极大差异，如果对这个感兴趣，最好还是找认识的业内人士，或者我们的专业导师询问。
2. Bonus
Bonus在Quant领域也非常重要，很多Trading相关的岗位Base可能不太高，相比之下低于FO或者MO，但年终Bonus可能高达100%或200%。
3. Sign on Bonus
Sign on Bonus在头部买方比较常见，卖方一般没有。
4. 良好的福利待遇
如健康保险、401k等。Quant领域的福利一般都不错。
5. 搬迁支持（可选）
如果有relocation需求可以考虑这一点。
一般来说，以上前三点是大头，同学们按需考虑。当然这是后话，我们的导师很愿意从提升能力开始帮助你，助你拿到OFFER，并进行具体分析、利弊衡量，帮你选出最合适的OFFER~
薪资对比：
大家可以先看看2022 US Quant的薪资总结，来自著名Quantitative求职猎头公司Selby Jennings：
来源：2022 US Quant Salary Survey by Selby Jennings
除了有力的数据支撑，导师也总结了相应的规律：大型买方公司>卖方FO量化≥中位数或小型买方公司>卖方非FO量化
大公司or小公司？
问题又来了：都知道大公司挣得更多，大小公司要如何选择？
在大公司，你可以得到系统的培训和海量的资源，简历里也会有big name & big brand加持。但在大公司前1-3年可能会学到很多东西，3年后的工作内容极大可能比较重复。
而在小公司，你会全面提升自己的能力，几年中都会保持非常快速的学习状态，但可能缺少丰富的资源。更适合想要学东西、快速成长的同学。
卖方or买方？
卖方的招聘需求更多，相比难如登天的买方也更容易踏入门槛。卖方具有很好的工作保障和WLB，压力更小，但薪酬、成长和发展机会更低。
买方对候选人的要求特别高，WLB没有卖方好，但赚得多。
你可能不知道的是，买方还会存在竞业禁止协议（non-compete agreements）。这代表一旦加入买方，6-24个月内如果离职or被解雇，按照传统，不能去同样业务的公司——可能绝大部分金融公司都会将你拒之门外。
卖方买方各有利弊，虽然对在校生们来说选择权不多，但务必打好入门基础，才方便日后更广阔的发展。扫码资讯在职面试官，他会给出针对你个人的、更详尽的建议，带你轻松入门。
07
接下来就到了本次讲座最重要的内容：从面试官角度分析，期待的候选人是什么样子的。
首先，我们从相对简单的BQ开始。
Behavioral Questions
Tell me about yourself（1-2分钟，在experience里有一定的highlight）
Why interested in this opportunity, why financial industry?
What did you learn from the projects / courses at school?
Tell about a project that you’re proud of. What are the achievements/contributions?
Greatest accomplishment/project/challenges. How did you solve it?
Greatest strengths and weaknesses?（最tricky的）
……
以上仅举例了部分常见问题，而真正面试中会遇到哪道还未可知，所以我们要做好万全准备，尽量将可能被问到的点都提前备好。
导师建议大家把简历提前反复梳理好，把每个bullet point弄明白，面对面试官提问时，要在5-10秒钟连贯地讲出自己的story。
Technical Questions
Technical Questions的优先级远远高于BQ。
1.统计/数学
•广义线性模型(GLMs，比如线性回归，逻辑回归，Ridge/Lasso)
•时间序列建模
•机器学习
•PCA主成分分析
•蒙特卡罗模拟
•随机演算
……
这部分可以参考上一篇提到的常用原理列举：Quant讲座文字版（上）
2.编程
算法：涉及比较多的sorting和search
数据结构：根据不同语言，问各自specify的数据结构。拿Python举例，可能会问你list和tuple的区别是什么
语言特征：根据组用的language决定
OOP：同样，比如组用C++，可能会问OOP的问题，所以这个分支也很重要
3.金融知识
产品知识，股票，期权，互换等；
风险管理，希腊字母，风险价值；
项目组合管理，因素模型，绩效评估；
利率模型；
波动率模型；
……
4.Brainteasers
也是我们俗称的脑筋急转弯/智力题目。其实这类题并不难，比如抛硬币、抛骰子、切披萨，听起来可能有些无厘头，但归根结底，都是一些概率问题。
练习Brainteasers需要一个训练的过程，锻炼出“脑回路”并熟悉了各个题型的logic之后，即使遇到变种题也能在短时间之内解答出来。
不管是智力题还是算法题，我们的导师都能在站在high level的角度剖析出题目的，从而给予专业的指导。
08
最后，就是万众期待的推书环节啦。导师共推荐了13本书，按照不同的概念划分，都是Bible级别的重磅书籍：
Statistics
01. Statistical Inference by George Casella
02. Practical Statistics for Data Scientists
Machine Learning
03. ISLR - An Introduction to Statistical Learning
04. ESL – The Elements of Statistical Learning
Interview Book
05. A Practical Guide to Quantitative Finance Interviews
06. Quant Job Interview Questions and Answers
07. Cracking the Coding Interview
Python
08. Python for Data Analysis
09. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
10. Python Data Science Handbook
C++
11. C++ Primer
12. C++ Programming Language
Coding
13. Introduction to Algorithms
这波福利全！部！放！送！
扫码添加小助手，回复【书单】即可打包带走13本PDF！
话说回来，就算13本书全部啃透，离Ready for OFFER还差得多。毕竟——
Jane Street实习月薪$1.6w；
Citadel初级总包$50w；
Wells Fargo实习每小时$155……
天价薪资之下，是“天选之人”，势必要通过层层筛选，优中取优。想要全方位应对Quant面试，最好的办法，就是获取业内大厂在职面试官的助力。
感兴趣的小伙伴，回复【资询】，获取1v1定制化上岸计划！
微信扫码关注该文公众号作者