一句话总结

量化面试准备的核心是系统性地在90天内完成从基础知识到实战演练的完整闭环，不是零散刷题，而是按照时间表逐步建立扎实的数理基础和编程能力。你不需要临时抱佛脚，而应该在第1天就启动完整的复习计划。不是盲目地刷题，而是根据面试官的考察重点来分配时间。不是等到最后才开始准备，而是在第90天就开始构建知识体系。

适合谁看

本清单适合计划申请量化交易、对冲基金或金融工程职位的候选人，特别是那些拥有数学、统计、金融或相关技术背景的求职者。如果你是应届毕业生、转行者或正在寻求职业发展的量化领域从业者，这份清单将帮助你制定清晰的准备路径。

量化交易员通常需要掌握统计学、机器学习、编程和金融建模等多维度技能。这些职位的薪资结构通常为：base在$150K-$250K，RSU和bonus占总包的$300K-$700K不等。面试流程通常包括技术面试（算法、系统设计、概率统计）、行为面试（项目经验、团队合作）和压力面试（快速反应、抗压能力）三轮。每一轮的考察重点不同，需要在准备时分阶段进行。

量化面试前 90 天复习清单与时间表

第一阶段（第1-30天）：基础巩固

不是"临时抱佛脚"，而是"系统性地构建知识体系"。不是"刷题"，而是"理解概念"。不是"广撒网"，而是"精准打击"。

在量化面试的前30天，你需要完成数学基础、编程语言和金融知识的系统性复习。不是"临时抱佛脚"，而是"系统性地构建知识体系"。不是"刷题"，而是"理解概念"。不是"广撒网"，而是"精准打击"。

具体来说，你需要在前30天内完成以下内容的复习：

  1. 概率论与数理统计：重点复习贝叶斯定理、随机过程、马尔可夫链、协方差矩阵等核心概念
  2. 编程语言：Python（NumPy、Pandas、Scikit-learn）和C++的基础语法和数据结构
  3. 金融知识：资产定价模型、投资组合理论、风险模型等核心内容
  4. 机器学习：监督学习、无监督学习、时间序列分析等算法的实现
  5. 系统设计：高频交易系统、回测框架、数据管道等工程实现

在debrief会议中，一位面试官提到："我们最看重的不是候选人能做多少题，而是他们是否真正理解模型背后的数学原理。" 这意味着你需要在前30天内完成对基础概念的深入理解，而不是简单地记忆公式。

第二阶段（第31-60天）：实战演练

不是"背题"，而是"建模"。不是"死记硬背"，而是"灵活应用"。不是"应试教育"，而是"工程实践"。

在第31到60天期间，你需要将第一阶段的理论知识转化为实际的编程和建模能力。不是"背题"，而是"建模"。不是"死记硬背"，而是"灵活应用"。不是"应试教育"，而是"工程实践"。

具体来说，你需要完成以下任务：

  1. 用Python或C++实现高频交易策略的回测
  2. 完成至少5个端到端的量化策略项目
  3. 熟练掌握时间序列分析、风险模型和资产定价的代码实现
  4. 理解并实现常见的交易成本模型
  5. 完成至少3个压力测试场景的代码实现

在一个跨部门会议中，hiring manager提到："我们发现很多候选人能写出漂亮的代码，但对策略逻辑的理解非常浅显。我们需要的是能真正理解市场微观结构的人。"

第三阶段（第61-90天）：模拟面试与实战演练

不是"临时抱佛脚"，而是"系统性地构建知识体系"。不是"刷题"，而是"理解概念"。不是"广撒网"，而是"精准打击"。

在最后30天，你需要进行模拟面试和实战演练。不是"临时抱佛脚"，而是"系统性地构建知识体系"。不是"刷题"，而是"理解概念"。不是"广撒网"，而是"精准打击"。

具体来说，你需要：

  1. 每天完成至少2小时的模拟交易系统构建
  2. 参与至少5次模拟面试，涵盖统计、编程、系统设计等环节
  3. 完成至少3个压力测试场景的实现
  4. 熟练掌握高频交易、算法交易和风险模型的面试题
  5. 理解并能解释至少5个经典量化策略的实现细节

在HC讨论中，一位面试官提到："我们最看重的不是候选人能做多少题，而是他们是否真正理解模型背后的数学原理。" 这说明你需要在90天内完成对基础概念的深入理解，而不是简单地记忆公式。

准备清单

  1. 系统性拆解面试结构（PM面试手册里有完整的量化交易实战复盘可以参考）
  2. 每日完成至少2小时的编程练习，重点是Python和C++的实现
  3. 每周完成至少1个端到端的量化策略项目
  4. 熟练掌握时间序列分析、风险模型和资产定价的代码实现
  5. 理解并能解释至少5个经典量化策略的实现细节
  6. 完成至少3个压力测试场景的实现
  7. 参与至少5次模拟面试，涵盖统计、编程、系统设计等环节

常见错误

错误版本1：

候选人A在面试中被问到："请解释一下你对马尔可夫链的理解。" 他回答："马尔可夫链是一种随机过程，状态只依赖于前一个状态。" 面试官追问："那你能用代码实现一个简单的马尔可夫链吗？" 候选人A卡壳了。

正确版本1：

候选人B在面试中被问到同样的问题时，不仅解释了马尔可夫链的定义，还迅速用代码实现了一个状态转移矩阵，并解释了在金融时间序列中的应用。他提到："在量化交易中，马尔可夫链常用于建模资产价格的转移概率，比如从牛市到熊市的转换。" 面试官点头表示认可。

错误版本2：

候选人C在被问到系统设计时，回答："我会用Python写一个高频交易系统。" 但无法解释具体实现细节，当面试官追问系统如何处理延迟、滑点和订单薄数据时，他无法给出合理解释。

正确版本2：

候选人D不仅给出了系统设计的框架，还详细解释了如何处理订单延迟、滑点模型和订单薄的实时更新机制。他提到："在高频交易系统中，我们通常用Redis缓存最近的订单薄数据，用Kafka处理实时订单流，用C++实现低延迟的订单执行逻辑。"

错误版本3：

候选人E在压力面试环节被问到："如果市场出现极端波动，你的风险模型如何调整？" 他回答："我会重新训练模型。" 面试官追问："具体如何操作？" 他无法给出具体参数调整方法。

正确版本3：

候选人F不仅解释了风险模型的构建过程，还详细说明了在市场波动时如何动态调整VaR模型的参数："当市场波动率突然上升时，我会增加风险敞口的衰减因子，从0.95调整到0.98，同时重新计算最优对冲比例。" 面试官在debrief中提到："这位候选人不仅理解模型，还能解释参数调整的经济直觉。"

准备清单

  1. 每日完成至少2小时的编程练习，重点是Python和C++的实现
  2. 系统性拆解面试结构（PM面试手册里有完整的量化交易实战复盘可以参考）
  3. 比特币交易系统设计与实现
  4. 高频交易策略的回测与优化
  5. 熟练掌握时间序列分析、风险模型和资产定价的代码实现
  6. 理解并能解释至少5个经典量化策略的实现细节
  7. 完成至少3个压力测试场景的实现

FAQ

量化交易员的面试流程通常包括哪些环节？

量化交易员的面试通常分为三轮：第一轮是技术面试，考察统计、编程和系统设计能力；第二轮是行为面试，考察项目经验和团队合作能力；第三轮是压力面试，考察在高压环境下的反应速度和问题解决能力。每一轮的考察重点不同，需要在准备时分阶段进行。技术面试通常会问到时间序列分析、机器学习算法、系统设计等，行为面试会关注候选人的项目经验，压力面试则会通过快速反应题来考察抗压能力。

为什么需要在90天内完成准备？

不是因为"临时抱佛脚"，而是因为"系统性地构建知识体系"需要时间。不是"刷题"，而是"理解概念"。不是"广撒网"，而是"精准打击"。在90天内，你需要完成从基础复习到实战演练的完整闭环，这样才能在面试中展现出对量化交易的深入理解。

量化交易员的薪资结构通常是怎样的？

量化交易员的base通常在$150K-$250K，总包（包括RSU和bonus）在$300K-$700K不等。具体薪资结构因公司和级别而异，但通常包括base、bonus和股票期权三部分。面试流程通常包括技术面试（算法、系统设计、概率统计）、行为面试（项目经验、团队合作）和压力面试（快速反应、抗压能力）三轮。每一轮的考察重点不同，需要在准备时分阶段进行。

准备好系统化备战PM面试了吗？

获取完整面试准备系统 →

也可在 Gumroad 获取完整手册。