量化面试概率题答题模板下载：Jane Street风格
一句话总结
量化面试的概率题不是考你会不会背公式，而是考你在信息不完整、时间紧迫的情况下能否把问题拆解成可计算的子事件、快速判断哪些近似是可以接受的、并在答题过程中把假设、推导和检验清晰地说出来。正确的做法是先明确样本空间，再用条件概率或递归的思路把复杂情况分层，最后用数值或表达式给出答案，并在每一步说明为什么这一步是合理的。
如果你只是直接套公式跳过推导过程，面试官往往会认为你缺乏对模型的理解，即使最终数字正确也会被判定为“答对但不透彻”。
适合谁看
这篇文章适合已经有一定概率与统计基础，正在准备Jane Street、Two Sigma、Citadel等量化交易或做市商面试的同学。如果你是在校研究生或刚工作一两年的分析师，习惯用教科书式的解题思路（先列公式再代数求解），那么你需要转变的是“从答案倒推过程”到“从问题结构搭建框架”。如果你已经在做量化实习，但发现自己在现场面试时常被问到“如果假设改变怎么办？
”或“这个近似在什么情况下会失效？”而答不上来，那么这里的拆解思路和具体话术会帮你把模型的边界说透。简而言之，目标读者是那些知道概率公式但不太清楚如何在面试场景里把它们变成可说服面试官的推理链的人。
第一轮笔试：概率基础与计算速度是怎么考察的？
Jane Street的笔试通常分为两部分，前半段是选择题，侧重对经典概率模型的快速识别，后半段是简答题，要求在10分钟内写出完整推导。考察的不是你能否背出贝叶斯定理，而是你能否在看到“盒子里有红球和蓝球，先抽一个不放回，再抽一个”时，瞬间把样本空间画成树状图，然后用条件概率把事件分解。例如，一道题可能描述：“盒子里有3个红球、2个蓝球，先抽一个不放回，再抽一个。问第二次抽到红球的概率是多少？”错误的做法是直接说“第一次抽红的概率是3/5，第二次抽红的概率还是3/5”，忽略了不放回的影响。
正确的做法是先列出两次抽样的四种可能（RR、RB、BR、BB），计算每种路径的概率，再把符合条件的路径概率相加：P(RR)=3/52/4=3/10，P(BR)=2/53/4=3/10，总和=3/5。面试官会在你写完这一步后问：“如果盒子里球数变成100个红、100个蓝，你还能用同样的方法吗？”这时候你需要说明虽然树状图还是适用，但计算量会变大，这时候可以引入对称性或超几何分布的近似来加速。笔试的时间压力意味着你必须在草稿纸上快速画出事件树、标注概率、然后做加法，而不是停下来查公式表。
> 📖 延伸阅读：Meta PMrejection recovery指南2026
第二轮电话面：模型推导与边界条件怎么体现？
电话面通常由一位资深量化研究员主持，时长约45分钟，重点考察你在信息不完整时如何建模以及如何检验模型的极限。面试官会先抛出一个情景：“假设有一支股票，每日涨跌幅服从均值为0、标准差为1%的正态分布，现在你观察到连续5天都是正收益，问第六天仍然为正的概率是多少？”这里的陷阱在于很多人会直接把五天的观察当作独立事件，计算为0.5^6≈0.0156。正确的做法是先说明正态分布的假设意味着每日收益是独立同分布的，因此过去的观察不影响未来，答案仍然是0.5。但面试官紧接着会追问：“如果我们怀疑这个正态假设不成立，比如尾部更厚，你会怎么调整模型？”这时候你需要展示对模型假设的敏感度：可以提出用t分布或混合正态来捕捉厚尾，然后解释在厚尾情况下，极端连续正收益的概率会升高，但仍然需要根据历史数据估计参数。
另一个常见的考点是边界条件：面试官可能给出一个赌博 ruin 问题，问，“你能否写出破产概率的递推公式？”错误答案是直接套用 Gambler’s ruin 公式而不说明前提（比如赌注固定、胜率常量）。好的答案会先把状态空间定义为当前筹码数，然后写出 Pi = pP{i+1} + qP{i-1}，边界条件 P0=1，P_N=0，接着说明这是线性递推，解法特征方程得到一般解，再带入边界求常量。面试官会特别注意你是否在写递推时把“p+q=1”这一前提说清楚，以及是否在讨论p=0.5时退化为线性解。这个环节实际上在考察你能否在压力下把模型的假设、推导和检验三个层次说透。
第三轮现场概率推理与团队协作
现场面通常分为两个半小时的小组讨论和一个半小时的个人深度面。小组讨论的题目往往是开放性的，比如“设计一个简单的做市策略，使得在已知买卖单流的概率分布下，期望利润最大化”。这里的考察重点不是你能否写出最优控制方程，而是你能否在嘈杂的讨论中把问题抽象成马尔可夫决策过程，明确状态（库存）、动作（报价）、转移概率（单到达率）和奖励（点差）。一个典型的错误是有人一上来就开始讲“我们可以用机器学习预测单流”，却没说明如何把预测结果概率化、如何把预测误差纳入风险。正确的做法是先陈述假设：单到达服从泊松过程，买卖方向各占一半；
然后写出期望利润 E = λ (δ - |inventory| γ) * Δt，其中 δ 为点差，γ 为库存惩罚系数；接着讨论如何通过调整报价来控制 inventory，使得期望利润最大。面试官会在你说完后突然改变条件：“如果买卖方向不再对称，买方到达率是卖方的1.2倍，你的策略还成立吗？”这时候你需要快速重新计算新的平衡点，说明在不对称情况下，报价需要向买方方向偏移以抵消库存倾斜。这个环节还会考察你的沟通能力：你是否能把自己的思路用白板画出来，是否能在队友提出异议时用数据或简短的反例来回应，而不是 simplemente 坚持自己的最初想法。
> 📖 延伸阅读：Plaid PMculture指南2026
第四轮伙伴面：行为与文化匹配
伙伴面更像是一次非正式的对话，时长大约30分钟，面试官通常是团队的合伙人或高级研究员，目的是判断你是否能在高压、快速迭代的交易环境中保持清晰思维并愿意分享信息。他们会问一些诸如“你曾经在一个项目中发现自己的模型假设出错，是怎么处理的？”或“当团队成员对你的方案有质疑时，你会怎么说服他们？”的问题。错误的回答往往是把焦点放在个人成就上：“我当时把模型改好了，利润提升了20%。”这种回答忽略了团队协作和错误暴露的过程。好的回答应该先描述情境：比如在做期货价差模型时，我假设了两个品种的价格差服从均值回归，但实际数据显示在某些宏观事件中差异会出现断裂；
接着说明我如何立刻和队伍做了一个简短的回顾会，把假设、数据和后果摊在桌面上，大家一起决定引入一个 regime-switching 的组件；最后强调在这次事件后，我们把模型的假设检验加入了每周的例会流程，以免类似盲点再次发生。面试官会特别注意你是否在叙述中提到了“我们”而不是“我”，以及是否把失败当作学习机会而不是个人失职。此外，他们还会问你对Jane Street的文化有什么了解，比如他们强调“以实验为驱动、以数据为语言”。如果你只回答“听起来很酷”，那就失去了加分机会；好的回答会提到你曾在黑客马拉松中用48小时验证一个假设，或者你喜欢在小组会议中先列出所有可能的假设再逐个用数据否定，这正好契合他们“先假设、再检验、再迭代”的做法。
准备清单
- 建立概模型的思维框架：把每道概率题拆解为“样本空间→事件划分→条件概率或递归→求和或求极限→检验边界”。在练习时强迫自己写出每一步的假设，哪怕看起来显而易见。
- 限时写解：选取过去Jane Street的笔试题（公开的有约20道），给自己设定8‑10分钟的硬 deadline，只允许使用纸笔，不许查公式表或计算器。训练完后对照官方解答，重点看自己是否漏掉了条件判断或边界情况。
- 模拟电话面的思路：找一位朋友或线上的面试伙伴，用电话或视频模拟15分钟的技术面，让对方随时抛出“如果假设改变怎么办？”的追问，练习在压力下快速重新推导并把新假设说出来。
- 白板表达训练：准备三张A3纸，分别画出树状图、状态转移图和马尔可夫链，练习在不到两分钟内把图画完并用口头解释每个节点的意义。这能帮助你在现场小组讨论时快速把抽象模型可视化。
- 系统性拆解面试结构（PM面试手册里有完整的[量化面试概率题答题模板]实战复盘可以参考）——这不是广告，而是很多老面试者在复盘时会提到的资源，帮助你把面试流程的每一环节对应到具体的准备动作。
- 求近似的练手题：收集一些涉及泊松、正态、二项分布的近似题目（比如大数定理、中心极限定理的应用），练习在不改变答案数量级的前提下用更简单的表达式替代复杂求和。
- 复盘面试中的假设漏洞：每次模拟面结束后，花五分钟列出自己在回答过程中漏掉或模糊的假设（比如 oublié 说了独立性、替换还是不放回），并写下如何在下次避免。
常见错误
错误一：直接套用公式而不说明前提。比如在计算两次投掷硬币同面的概率时，直接写“0.5^2+0.5^2=0.5”，却没提前说“每次投掷独立且公平”。面试官会追问：“如果硬币有偏差，p=0.6，你的答案还成立吗？
”错误答案会说“还是一样”，实际上正确答案应该是0.6^2+0.4^2=0.52。好的做法是先陈述假设：设每次投掷正面概率为p，独立，则同面概率为p^2+(1-p)^2，接着代入p=0.5得到0.5。这个结构让面试官看到你清楚知道公式的适用范围，而不是死记硬背。
错误二：忽略边界条件导致递推或方程失效。在求解 Gambler’s ruin 问题时，很多人直接写出 Pi = (1-(q/p)^i)/(1-(q/p)^N) 而不检查 p=q 的特殊情况。当 p=q=0.5 时，分母为零，公式不适用，此时解应为线形解 Pi = i/N。如果在面试中只是机械套用公式，面试官会立刻指出你没有考虑边界，进而质疑你对模型的理解深度。
正确的做法是先写出通用递推 Pi = pP{i+1}+qP{i-1}，再分情况讨论：若 p≠0.5，求特方程得到解；若 p=0.5，则递推退化为 P{i+1}-2Pi+P{i-1}=0，解为线形。边界条件的处理往往是区分好回答和卓越回答的细节。
错误三：在团队讨论中只讲自己的想法而不回应质疑。在现场小组面中，有候选人提出一个做市策略的期望利润公式，却在队友指出“你没考虑单到达的相关性”时，只是重复自己的原式，没有给出修正或说明为何可以忽略。这会让面试官觉得你缺乏倾听和调整的能力。
好的表现应该是先承认指出的问题：“你说得对，单到达若有正相关，那么独立泊松假设会低估波动。”然后给出一个简单的修正方案：引入一个相关系数ρ，调整方差项为λ(1+ρ)，再讨论在ρ较小时对期望利润的影响是否可以忽略。这样既展示了你的专业深度，又表明你能够在团队中共同完善方案。
FAQ
Q1：我在练习概率题时总是卡在把文字题转化为数学模型这一步，有什么快速的方法吗？
A：关键是先把问题里的名词对照到概率论里的对象：比如“玩家”“硬币”“股票价格”→随机变量；“第一次”“接下来”→时间顺序或阶段；“不知道是否发生”→条件或未知事件。我建议拿一张纸把题目里的动词和名词列成两栏，动词对应概率操作（如“给出”是条件概率，“接下来”是乘法律，“要么…要么…”是加法律），名词对应样本空间的元素。举个例子：“盒子里有3红2蓝，先抽一个不放回再抽一个，问第二次抽到红的概率。
” 先列名词：盒子、红球、蓝球、第一次抽、第二次抽；动词：先抽（确定第一次抽的结果）、不放回（改变剩余组成）、问第二次抽到红（条件概率）。然后根据动词画出第一次抽的两个分支（红、蓝），在每个分支上再画第二次抽的可能性，这就是样本空间的树状图。完成这一步后，只要把每条路径的概率写出来，再把符合条件的路径相加即可。训练几十遍后，这种“对动词找运算符、对名词找对象”的模式会变得条件反射。
Q2：面试官如果一直在追问‘如果假设改变怎么办？’，我该怎样准备才能不被难住？
A：这类追问其实是在考你对模型假设的敏感度和你在信息不完整时的应变能力。准备的方法是把每一种常见模型的核心假设列出来，然后为每个假设准备一到两个“失效场景”。比如二项分布的假设是：试验独立、成功率恒定。你可以准备两个场景：一是试验之间有正相关（比如同一只股票连续涨跌受宏面影响），这时要考虑用马尔可夫链或 beta-binomial；
二是成功率随时间漂移（比如做市时的点差随库存变化），这时可以引入时间非齐次的泊松过程。在面试时，当对方说“如果假设不成立呢？”，你可以快速说出你准备好的场景，然后给出一个近似的处理思路（比如引入相关系数、用经验贝叶斯更新参数），即使你没有给出完整的公式，也能展示你知道模型在哪里会破裂以及怎样去检验。
Q3：我担心在现场小组讨论中被更有经验的候选人压住声音，有什么办法能确保自己的思路被听到？
A：第一是用结构化的发言开头：先说“我把问题拆解成了三个部分：状态空间、转移概率和奖励函数”。这样即使你说的不多，也能让人迅速抓住你的框架。第二是利用白板或纸笔画图：人对视觉信息的处理速度远高于纯语言，画一个简单的状态转移图或树状图往往能吸引注意力，这时候你可以边画边说，别人即使想打断也很难在你没完成图之前插话。第三是准备一个“反例卡片”：在练习时，把你认为最容易被质疑的假设写在小纸条上，背下来。
当有人质疑时，你可以快速说出你准备好的反例（“比如说，如果我们假设单到达服从泊松，但实际上有爆发式的到达，这时候方差会远大于均值，这就需要考虑负二项分布”），这既展示了你的深度，又把对话拉回到你熟悉的领域。最后，记住面试官更看重的是你能否在听取他人意见后进行修正，而不是你一开始就必须是最 loud 的人。若你在听到别人的建议后说“我们可以把你的相关系数想法加入我的方差项里，这样模型会更稳健”，这往往比一味坚持自己的初始观点得分更高。
（全文约4400字）
准备好系统化备战PM面试了吗？
也可在 Gumroad 获取完整手册。