Quant求职面面观(招聘偏好+面试技巧+职业发展等)

JP Morgan Quant大神：Quant求职面面观（招聘偏好+面试技巧+职业发展等）

导师卡片

导师：Zhechao

职位：Quantitative Analyst

公司：JP Morgan

教育背景：MFE,Baruch College；MS,University of Michigan

专精领域：Quant,Data Mining,Electronic Trading

Quant是什么？

传统：狭义上看Quant是指在银行卖方做Quantitative Research工作。常见的日常工作是做通过例如过程模型，概率模型等等定价模型对各种衍生产品定价，研究银行内部如何对冲风险，工作中大量使用编程语言，具体语言根据各个组变化。

新型：近几年开始流行一种新型的Quant：P Quant。

P Quant来源于Physical Probility Measure，也就是“预测未

来走势”，常见于买方和卖方的自营交易部。所谓预测未来走势，

无非就是寻找Under-Priced Risks/Over-Priced Risks，也就是

所谓的“找Alpha”，因此PQuant也叫Alpha Quant（From Hangli,

知乎）。

P Quant研究股票投资价值和大数据，使用的模型大多来自统计、概率和数据分析。公司招聘时对Skillset的要求完全不一样。我之前的工作和这里说的P Quant比较接近。P Quant和传统Quant工作有个明显的不同是，会涉及到未来几小时到一个月的股价变化的预测。

Quant职业发展大盘点

Quant的工作去向大致分为三类。

一类就是我们说的传统Quant，在银行（卖方）做定价模型或者风险模型，支持Trader们的交易；

第二类也是很常见的一类，就是在基金等买方公司和小型交易公司做Quant；

第三类是投行/商行的Risk部门，他们需要大量的Quant建模，这类Quant喜欢招PhD和MFE背景的人。

和传统金融行业不同，Quant这个行业非常年轻，2000年以后开始流行，追溯起来也是1990年才开始发展，所以没有一个非常传统的Career Path适用于大部分Quant人。喜欢和善于做Quant的人通常是一直做Quant建模相关的工作，但是因为资历不同，Senior的人会晋升到VP和Managing Director这些职位。也有一部分人，后来转型做了Trader，但是这条路的转型需要个人付出巨大的努力，因为Quant的工作虽然和交易员联系紧密，但是Skill Set非常不同。

JP Morgan vs ITG

先说说ITG吧，我在ITG做了2年多的Quantitative Research，在小的团队里做研究常常要身兼数职，从研究到建模到预测都要经历。工作都是基于项目，每一个项目的时间线非常长，其中很多耗时数月的成果可能最后并不可行。总体来说，这份工作很挑战，也没有投行里Fancy的环境，但是作为毕业后的第一份工作，我得到了非常大的锻炼。

JP Morgan是大投行，团队分工做的非常细，所以我们被分配到的工作很具体，同时，也可能会经历一段时间，重复做相似的工作。作于整个Picture的把握不象以前那么深，但是多了很多和不同部门不同级别的同事打交道的机会。在这样的环境里，能更好的了解到当下的整个Business运作。

如果你纠结于大投行和精品公司的区别，总结起来他们的优势分别是：

投行：大公司里产品种类更多，为新人了解Business提供了一个很好的平台。对于想在公司内转组，换工作来说，也是更好的机会。

精品公司：对于职场新人来说，他们的职业技能在这里可以短时间内得到很大的锻炼和提高。

对于编程语言的要求

首先，很多人会问到底该练什么语言，才能做好Quant。其实，不同的公司和不同的组内，使用的编程语言都不一样，在真正进入工作前，很难说你将来使用的会是什么语言。比如在JP Morgan股票和债券用的编程语言都不一样。

所以，学习能力特别重要，进入一个工作组后，要短时间内可以上手，半年内做到精通。

但是面试中，面试官最喜欢问的编程语言是C++，因为C++是编程中较难的语言，如果能把这部分的题目回答的很好，面试官会认为他们之后学习别的语言应该没有问题。

流行的Quant编程语言

●Python

●Matlab

●R

●SQL

物理和数学PhD改走MFE

我用三年时间完成本科学习，后来收到了UMich物理系和数学系的PhD Offer，因为自己研究兴趣的转变，后来离开了博士项目，进入了MFE项目（Masters in Financial Engineering）。

MFE项目对我的意义在于，强化了我的编程能力，补全了原来金融知识的空缺。业界Quant大牛的课程中，学习到了高度应用化的模型知识。这部分知识在后来的面试中非常有帮助，让我快速地和面试官进入专业的沟通。

现在学习数学或者物理的同学如果想做Quant，可以非常自信。我在后来的面试中发现，其实很多Quant人，都是来自数学、物理等背景，所以他们看到这

样的背景会觉得很亲切。面试官喜欢数学和物理背景的人，也是因为Quantitative Skill大多非常扎实。

MFE是Quant必备？

介于名校MFE的6-8万每年的学费，我认为并不是Must Have。如果本身有PhD学位，有很强的Quantitative Research经验和技术，可以通过猎头和内推来获取金融工作机会。

但是MFE的好处在于，它的职业导向非常强，有大量的编程训练。这个项目在一年时间对学生做各方面的强化培训，以及提供了很好的求职资源平台，因为许多大公司的校招机会开放给MFE学生。

Quant招聘大揭密

首先，我在面试中看到最普遍存在的问题是，很多Candidates都有不错的简历，但是针对其中某段提问时，回答得并不好，有时候甚至不能自圆其说。这样得表现非常影响面试官对他们的信任。

在准备面试时，一定要对自己的简历非常熟悉，可以回答出每一个细节背后的经历。

我爱问的简历上问题：

1.简历上如果写了课程，我会问课程中的概念，如提问统计课里的一个基础概念；

2.针对工作经历里可能涉及到的困难或者问题来提问。

同时，也在面试中遇到了很多非常优秀非常聪明的Candidates，他们来自名校数学/物理系，知名MFE项目。在问到数学和编程问题时，都回答的非常出色，但是普遍存在的问题也有一点，就是缺乏对市场的基础理解。

我爱问的基础市场问题：

1.对于某个股票，如何大致测出它的波动率？

2.某个利率改变，哪些资产的价格会出现变化？