首先介绍一下背景，我是美本公立top10 + NYU金数硕士，经历过19年intern +20年fulltime的秋招。19年intern不太顺利（当时没有任何在美求职的经验），20年开始秋招拿的面试多了，拿到了好几个onsite，都是从前想都不敢想的公司，最后也是很幸运去到了citi bank。这篇文章主要focus在找quant的心理层面和technical层面的准备工作上，不介绍面试题目。
找工还是读博
实不相瞒，曾经的我极度纠结过这个问题。每个人的精力都是有限的，我相信每个经历过秋招or申博的人都知道，秋招和申博都是非常耗费个人精力和时间的事情，而且这两者的交集，在我看来非常少，如果想两者兼顾，除非提前1年开始准备，不然就是个大坑。我个人在后来的各种考虑下，觉得读博还是不太适合我，所以就一直在准备找工作了。
More specifically，如果你是2023年毕业，现在（5月份）开始，如果不确定到底想读博还是找工作，可以两者同时准备（想读博的，可以准备的有语言考试、刷高GPA, 最重要是多找教授做research）；但是如果秋招已经开始还不能确定的话，比如8月，甚至9月，请好好思考到底哪条路更适合自己，坚定的走下去，不要半途而废。特别是找工作找到一半然后申博，不仅找工作会错过最佳时机，申博的profile也是完全没有竞争力。当然如果是为了要合法身份留美，读第二个program也是可以的。
金融公司看重什么
众所周知，金融公司除了比较看重背景和学校，地理位置也是很关键的。比如在纽约的几个top金工金数项目，虽说人数较多，但是地处纽约，找工作的资源非常好，如果能好好把握机会，找到理想的工作应该不难。再比如，Princeton的master of finance项目，人较少且质量高，placement极佳（ps：这个项目里的都是大神，陆本大部分都是清北前十出来的）。
这么一说，可能大家都觉得找quant的话都需要mfe背景，不然面试关都过不了，但其实也不是的，我身边的很多好朋友都是非mfe背景，也拿到了不少面试。而且经过我的观察，buy side fund比较偏爱于给统计/数学/cs背景的同学发面试，并非是mfe一统天下的局面。
总而言之，如果在target school/target program的不用担心这个问题了；如果都不是的话，首先了解一下自己项目前几年是否有学长学姐拿到过面试/offer，多吸取前辈的经验，做好找专业对口的工作和找quant工作的两手准备。也千万不要觉得自己申请到了target school/target program 就万事大吉了，大家看看简历上education占多少行，experiences占多少行，在找fulltime之前多充实自己的professional experience是比进一个好项目更重要的事情。暑假多做实习，平时也可以找part time job，项目里如果能提供跟当地金融公司合作的project就多做几个。
如何准备quant面试
Quant的考察方面主要是以下几个大方向：stats, brainteaser/math, algorithms。
Statistics
从最简单的regression，到进阶的ml/dl/nlp, 都是有可能在面试里被问到的。在这里想强调一点的是，不要觉得regression简单面试官就不问了，里面的门道其实很多，面试题也是花样百出的。相反，regression的题目都答不对的话在面试官心里是大打折扣的, 因为这些东西都是非常基础的。
Brainteaser/Math
这方面的话首先推荐经典的绿皮书: A practical guide to quantitative finance interviews，投简历之前如果能把整本书刷完是最好的，finance那一章如果不是金融背景的话可以不看，因为大概率不会考，我的非mfe背景的朋友就从来没有被问过greeks或者金融衍生品，但是我就被考了金融知识。至于brainteaser，说实在的脑筋急转弯是非常难准备的，但绿皮书里的套路虽然老套，现在真的还有面试官在问，所以，好好把这本书刷一遍，没有坏处，只有好处。而且，每一道题都要懂，不要自我感觉某一题很难就觉得，啊这么难，肯定不会被问了。
Algorithms部分
可能大部分mfe/stats背景的童鞋都不会要求学algo，但是我想强调的是，algo是真的有可能考，而且还可能很难。如果时间充分，建议在学校好好上一门algo课，把基础的data structure和algorithms都学会，最好是能在leetcode上刷些题。我有点懒，只刷了50题不到，当时其实想一上研究生就开始刷的，但是懒着懒着就拖到了9月才开始刷，然后开始做oa的时候才发现考的algo是真的难啊。后来onsite也被问过不止一次leetcode hard的题目…说起来又是一把辛酸泪。总而言之，趁着有时间的时候，把algo学一遍，学完就可以开始刷题了，找工作之前争取刷200题，以medium为主，hard感兴趣的可以做做。
我说的这三大方面可能比较宽泛，相信每个人的长处/短处都不一样，我的建议就是首先把自己短板补上，同时尽量让长处更长，短板不拖后腿，那么面试的时候就比较得心应手了。如果面试准备的不过关，是很浪费面试机会的。
除了要掌握好自己的专业知识，还要格外准备的另一方面是open question，其实有很多高频的问题网上搜一搜就有，你要花时间思考，把答案写出来，不断的练习，一直到你能够流利的应对。另外要根据job description准备自己的story，把经历和职位要求联系起来。最后很重要的一点是要向面试官展现你对公司有认同感，你了解这个公司。这个我一般会通过Glassdoor来收集信息，了解公司概况，参考现/前员工对公司的评价，看多了这种别人的评价后，你就能知道你该期待些什么了。“What can you bring to the team？”我觉得这是个非常关键的问题，就算别人不问你，你也要准备。很多时候，公司并不关心你的专业、经历和其他，他们更看重你能带给团队什么。这道题，如果你能够有个很好的说辞，令人信服，会让你脱颖而出。
其实Quant/trading的面试是有套路的，我找quant的经验看下来，发现quant/trading有以下几个套路：
Regression方面，真的几乎每个公司（both sell-side and buy-side）都要问，每一年这个题目还不怎么改动，想知道每年的套路是什么的话可以多在论坛里搜搜面经，不同的公司相似的职位都要看一下，做好准备。
Trading方面，这些公司人员流动率较低，所以一般每年的坑都比较少，面试前做好当炮灰的准备。Trading firm考的东西一般偏数学，而且喜欢问Fermi problem，还喜欢让candidates聚众玩trading游戏。这种东西很难说怎么准备，毕竟当trader看心理素质，top trading firm看智商，很多时候不是说要看你technical多熟练，所以就随缘。
最后，面经非常重要，面经非常重要，面经非常重要！重要的事说三遍。我每次拿到一个新公司的面试都会认真的搜网上的面试经验（reddit/glassdoor），而且会把每道题都准备好。有时候光在脑子里想一遍都不够，要在纸上清清楚楚的写下来，确保自己弄懂了，这样能跟对方解释起来不卡壳。
简历也是非常重要的一部分，是让你能拿到面试的基础。上岸之后，偶尔有些学弟学妹也会联系我，让我帮忙看简历，我经常看到很“中国式”的问题，比如格式和语法，或者只讲了自己做过什么，没有体现自己的impact，我建议多去学校的career center改简历，或者找一些有经验的人来帮你看，不同的人会给你不同的建议，都很有价值。我的简历就在改过很多遍之后才达到了我比较满意的版本。
大家都说金融求职networking很重要，我也会在linkedin上找校友并且发信息简单介绍一下自己，并问能不能约出来喝杯咖啡聊一聊。我也尝试过去找和我的经历不太相干的人，但就很少有人会回复。刚到纽约时，每天我都会去networking，认识了很多大银行的人，也了解到很多关于不同工作、不同部门的信息，但是我真正通过networking拿到面试的个数少之又少，也可能是我的方式不对。
比较有效的一次networking是我当时本科的同学帮忙，给她在纽约的朋友发了个邮件，于是有了见面聊天的机会，并且拿到了面试。所以我感觉有一个contact person或者说reference还是非常重要的。
另外一点是networking前，最好明确一下自己的目标，不要浪费每一次见面约谈的机会，也不要浪费别人的时间。要想清楚，见面是为了了解公司信息，还是希望对方能帮忙引荐人脉。我自己有一次失败的经验教训，曾经通过朋友联系到一个高盛的VP，打电话见面都有聊天，但是我当时自己非常纠结，没有明确的求职目标，我觉得我背景比较适合做quant，但我自己又对equity research比较感兴趣。这种纠结的情绪表现在我和VP的谈话中，他也把这个信息传达给我的朋友，这在他看来是比较negative的，如果你有抱负，就应该知道自己想要什么，并有清晰的目标。
我个人是非常赞成海投的，曾经我投简历的途径主要是学校的求职信息和各大求职网站（用的比较多的是indeed），自己也会每天去看各大公司官网，检查有没有更新的岗位。会看每个职位的job description, 根据职位描述我能胜任60、70%的我都会去投一份简历。对于留学生，有没有sponsor是个大问题，很多公司不愿意负担签证的费用，因而会在系统筛简历的时候就把你过滤掉。但作为求职者，你并不知道哪些职位提供哪些不提供，你唯一能做的就是海投。
以上就是我今天的经验分享了，希望对大家有所帮助。
