量化投資與機器學習微信公眾號，是業內垂直於量化投資、對沖基金、金融科技、人工智慧、大資料等領域的主流自媒體。公眾號擁有來自公募、私募、券商、期貨、銀行、保險、高校等行業40W+關注者，曾榮獲AMMA優秀品牌力、優秀洞察力大獎，連續4年被騰訊雲+社群評選為“年度最佳作者”。

@myquantitative | youtube

量化職位的申請從來都是持久戰，最近網上有位求職者分享了他艱辛的求職過程，在他面試了415個崗位後，終於拿到了offer！

求職者分享了在2022年7月至2023年2月為期6個月的求職過程，主要申請了量化分析師、研究員和開發等職位。申請的公司幾乎全是買方機構，如對沖基金、資產管理公司等。期間共提交了400多份申請，絕大多數集中在倫敦，其餘分佈在美國、歐洲和亞洲。

其中約30至35個申請得到了積極回應，表現為收到線上評測連結、第一輪面試邀請或獲取更多資訊的詢問。然而，最終僅收到1個職位的錄用通知。最漫長的申請流程有至少8輪面試，最短的申請流程為3輪面試。求職者在面試中總共花費了80小時，並且在Take-Home任務上花費了22個全天的時間。量化投資行業的職位競爭非常激烈，進入這一領域需要高度的能力和耐心。

申請流程通常包括5到9輪面試。首先是簡歷篩選階段，通常由人力資源部門進行，持續1輪。接下來是線上評估或Take-Home任務，主要測試數學、資料處理和程式設計能力，這一階段通常為1到3輪。然後是技術面試，通常為2到4輪，考察典型的量化面試問題。最後是人力資源面試，主要評估求職者的文化適配性、行為能力以及非技術性的個人素質，通常為1輪。

面試的內容涵蓋多個領域。數學部分包括機率與統計、思維訓練題以及金融數學（如期權理論）。資料、機器學習和交易部分則關注資料處理、一般的機器學習應用以及交易的基本概念。程式設計方面主要考察資料結構與演算法、面向物件程式設計原理以及語言特定的技術問題。面試通常會跨越這些領域，期望求職者能在各個方面表現出均衡的能力。

分享幾個值得大家參考學習的環節：

某對沖基金公司安排了兩輪程式設計評估，分別是Take-Home任務和Pair-Coding環節。Take-Home任務是一個有趣的實際問題，求職者需在Jupyter Notebook中提交併展示解決方案，這考察了在實際工作中解決問題的能力。Pair-Coding環節則更加有趣，與一位友好的高階工程師一起，求職者透過推導基礎排序演算法來完成任務，這不僅加深了對程式設計的理解，還提升了團隊協作技能。

此外，求職者還經歷了與資產管理公司的一次長達三小時的第一輪面試，該面試討論了個人背景、過去的工作經歷、程式設計能力、機率和統計知識等。面試中的主管表現出濃厚的興趣，並熱衷分享更多資訊，而求職者也展示了自己對如何融入團隊的熱情。最後，求職者在Take-Home任務中復現了對方的一種方法論，並加入了自己的創新思路，表現出了獨立思考和創新能力。

當然也有一些挑戰和不足之處。首先，在與對沖基金的最後一輪面試中，由於輕敵，求職者未能透過面試。在與公司的關鍵高層面試時，面試官提出了有關公司交易產品的技術性問題，求職者本應提前透過網路查閱相關資料，但由於準備不足，未能滿意地回答這些問題，最終未能獲得錄用。

另外，在資產管理公司的面試中，求職者為了完成Take-Home任務，花費了整整7個工作日的時間，超出了公司預期。儘管招聘團隊對其付出的努力印象深刻，但由於後續技術面試中的其他問題，求職者最終未能透過第8輪面試。這些經歷提醒求職者在面試準備過程中，既要確保全面的知識準備，也要避免因過度投入某一部分而影響整體表現。

在求職過程中，也遇到了一些令人沮喪的情況：

首先，儘管一些公司透過LinkedIn查看了求職者的個人資料，但並未給予回應，這讓求職者感到失望。其次，某對沖基金在聖誕節之後遺忘了求職者的申請，儘管曾承諾會跟進，但最終沒有任何後續行動，給求職者留下了不好的印象。

此外，某職位的招聘被公司無限期擱置，這與2022年末至2023年初科技行業的裁員和招聘凍結有直接關係。求職者在經歷了3輪面試後，仍未能繼續推進，面臨職位被凍結的困境。這樣的經歷凸顯了外部經濟環境對招聘流程的影響，也提醒求職者在求職過程中可能會遇到的一些不可控因素。

在求職過程中，也有一些改進的空間：

首先，求職者意識到可以更好地利用LinkedIn的聯絡人和網路，但由於性格內向，未能充分發揮這些資源。此外，求職者也覺得可以主動聯絡行業內的人士，這樣有助於瞭解行業動態和機會。

其次，在申請過程中，求職者建議增加更多的休息時間，並且在申請節奏上進行調整，避免過度疲勞。求職者還建議申請一些相鄰領域的職位，例如軟體工程師（SWE）或資料科學家，這樣可以為面試做更多的練習。

同時，求職者也提到了一些自己做得比較好的地方。首先是深入研究面試官、公司以及團隊背景，做好充分的面試準備。求職者還制定了嚴格的申請計劃，每天堅持提交申請，並優先申請競爭激烈的公司來進行練習。此外，求職者透過冷郵件等策略提高簡歷的曝光度，並在面試前後進行適當的鍛鍊、保持充足睡眠，避免過度依賴咖啡因，從而保持最佳狀態。

在面試心態和最終的思考中，求職者提出了幾點重要的建議：

首先，量化投資行業是一個競爭激烈的領域，求職者需要在申請中展現創意，做好充分的準備。講述一個有說服力的故事也是求職過程中非常重要的一部分，這能幫助面試官更好地理解求職者的背景和動機。

求職者還強調了儘早準備的重要性，越早開始準備，越能在面試中獲得成功。與此同時，求職者提出了Plan B的建議，面試準備不僅能為量化領域的職位做好準備，還能為資料科學家、量化開發和軟體工程等相關職位提供幫助。

對於未來招聘季的預測，求職者認為面試將變得越來越長，機器學習技術將在面試中佔據更大比重，求職者需要做好相應準備。同時，資料處理的測試將更加普及，求職者可以透過練習資料清洗和處理來提高自己，甚至可以考慮在Kaggle等平臺上進行實戰練習。此外，儘管腦筋急轉彎類的題目會減少，但依然需要為這些問題做好準備。