岗位分层
- 头部私募/自营：Alpha 研究、高频；门槛最高，流程含多轮限时测试。
- 券商金工/衍生品：定价、对冲、指数增强研究；数学功底要求高，节奏比私募温和。
- 公募量化/保险资管：多因子、组合优化；更看统计与工程规范性。
- 量化开发：交易系统与回测框架，C++ 与低延迟经验是核心。
高频考点
- 概率快问：期望/条件概率/赌局定价类题目，练的是反应与直觉，市面公开题库足够覆盖。
- 统计与 ML：回归假设、过拟合控制、时间序列平稳性；量化面试问 ML 更关心「为什么在金融数据上容易失效」。
- 编程：Python 数据处理（pandas 向量化）与算法题；量化开发岗加考 C++ 内存模型与并发。
- 策略理解：讲一个你了解的公开策略逻辑（动量/配对交易），说清假设何时失效。
准备清单
- 做一个公开数据回测项目：数据清洗→信号→成本与滑点→样本外验证，报告里主动写局限性。
- 概率快问集中训练两周，每天 10 题限时口答。
- 分层投递：私募/券商/公募/开发四条线同时铺，不把鸡蛋放在头部私募一个篮子里。