量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获2021年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。

作者Robert Hannah作为Citadel的在职量化研究员，将深入概述如何求职一家顶尖量化对冲基金公司（世界前5-10名）。
干货满满~
引言
▌动机
1、申请对冲基金的职位是一个极其困难和不透明的过程。外面几乎没有什么可以利用的有价值信息。
2、我希望能为进入这个行业的求职者带来一些启示。
▌为什么是对冲基金？
1、工作：对冲基金从事非常有趣的分析和策略工作。就我个人而言，我发现我在 Citadel 所做的工作比我在博士期间进行的数学研究更有趣，也更难。工作节奏很快，但也非常严谨。目标也很明确，要么你的策略能赚钱，要么亏钱。
2、存粹的精英管理：如果你生产最多的 PNL，你将得到最多的报酬。员工的工资不是根据他们的资历或在公司工作的时间来计算的，而是根据他们的贡献来计算的。当然，贡献可能是主观的，因此有一个判断的因素。而且不同的公司在基于个人业绩的分配中分享多少 PNL 是不同的。
3、人：你可以和一些真正聪明的人一起工作。在 Citadel，我接触过的每一个同事都非常有才华。和聪明的人在一起会激励和挑战你。和没有天赋的人在一起会导致职业和个人的停滞。我个人对每天与我一起工作的人的才能感到惊讶。我真的很敬畏我的老板和我的导师 判断一家公司的一个好方法是通过你遇到的“土豆”的数量（指的是那些没有任何真正的洞察力或才能的人）。在 Citadel，RenTec DE Shaw，Two Sigma等顶尖量化基金，你不会遇到任何“土豆”。但是在互联网公司却有很多“土豆”。
4、薪酬：对冲基金的薪水是除了管理人员或企业主之外的所有职业中最高的，比谷歌、 Facebook、 Dropbox 等公司的薪水都要高。金钱不是一切，但是金钱可以给你巨大的自由和选择，所以这是需要考虑的事情。
5、职业满意度：顶级公司通常(但肯定不总是!)对待员工非常好，而且人员流动率很低。就我个人而言，我可以在任何时候辞职，拿到一年以上的全部基本工资(当然没有奖金) ，而不必做任何工作。如果宽客不喜欢他们的工作，他们可以随时离开，去欧洲旅行一年或者其他什么地方。但是他们没有: 这告诉了你什么？
6、工作-生活平衡：对冲基金通常会以工作与生活平衡不佳而闻名。就工作时间而言，交易员和非量化技术人员的要求更高。人们进行生产性研究的能力有限，试图强迫人们超越这种能力只会适得其反。我就这个问题咨询过很多人，量化研究工作的标准是每周45-55小时。当然，有些公司的 WLB 比其他公司更差或更好，所以也有例外。
7、与众不同的是：对于 STEM 博士生来说，通常的标准的路线是去谷歌或 Facebook 工作。但现在量化研究提供了一个更有趣的选择，你至少应该考虑一下。如果你不喜欢这份工作，你随时可以改变主意。
▌不考虑对冲基金的理由：这种工作并不适合每个人
1、你只对钱感兴趣：纯粹为了钱做量化研究真是个糟糕的主意。为什么？再多的钱也不值得憎恨你所做的事情。有钱的新鲜感是相当短暂的。如果你能在一家对冲基金公司找到一份工作，那么还有很多其他高薪工作你可以做。从幸福感的角度来看，薪水的带来的幸福感是递减的。最好是少赚一点，然后在一个你更感兴趣的行业工作。
2、你这么做只是为了声望：与其他形式的职业满足感相比，在量化基金中声望是微不足道的。如果你不喜欢这份工作，你最终只会变得无聊并辞职，不得不在另一个行业重新开始。
3、你没有一份好的简历：准备一份对冲基金工作是非常耗时的。顶级公司只有1% 的接受率。与招聘人员进行一次诚实的谈话，以了解你的机会有多大，这将是一个好主意。如果你在整个博士学位期间都有 LinkedIn 的个人资料，而且你的简历有吸引力的话，你应该在第三年左右开始接受招聘人员的联系。
4、如何获取更多信息：你可能有很多在科技公司工作的朋友。所以你知道它是什么样的，和期待什么。不过，你可能不认识在对冲基金工作的人。
5、私人关系：这可能是最有价值和最可靠的信息来源: 你认识的人，或朋友的朋友。然而，世界上并没有那么多的量化分析师，所以你可能无法在这个行业中找到人，与他们交谈。
6、招聘会和会议：在 NeurIPS、 ICML、 AIII 等会议上，对冲基金通常会设立职业展位。去和那里的量化分析师谈谈，他们通常都很友好！你真的需要和量化分析师谈谈，而不是人力资源/招聘来更好地了解工作。
7、招聘人员和猎头：这些信息可以成为公司信息的宝贵来源。然而，他们确实有利益冲突，我们后面会讨论这个问题。
8、网上？老实说，我没有在网上找到任何有用或准确的信息。在某些论坛上，有很多人声称为这些地方工作，但他们的信息是完全错误的。还有一个选择性偏见: 那些倾向于写 Glassdoor 评论的人是那些持有非常强烈的正面或负面观点的人，这些观点可能并不符合标准。当你阅读 Glassdoor 的评论时，也要确保你是在阅读量化研究职位的评论。
工作前景
1、有哪些顶级量化对冲基金（个人意见） :  这是我个人对顶级公司在人才和公司本身方面的印象。不要把基金的规模和基金工作人员的质量混为一谈。这份名单也不完整，因为它只包括我所熟悉的公司。我的印象可能是完全错误的，所以寻找其他的观点：
  • The very best：Renaissance Technologies, Citadel & Citadel Securities, Two Sigma, D.E. Shaw, TGS
  • Other top firms：P.D.T. Partners, Hudson River Trading, Vatic, Jane Street
  • Others：其他人（对此知之甚少）：Virtu, Tower, Teza, Millenium, Bridgewater, AQR, etc.
2、国家：美国对冲基金的薪水要高得多，而且美国公司在世界各地都设有分支机构
3、职位：
  • Quantitative researcher/ analyst 量化研究员/分析师：在这些岗位中，你可以使用高等数学、统计学、机器学习等来开发、测试和实施交易策略，对市场进行预测等。
  • Quantitative developer/ software engineer：量化开发人员/软件工程师: 在这些岗位中，你需要在生产上实现前沿交易算法、交易系统、数据管道、分析等。
4、如何开始？
  • 实习：这可能是最简单的路线，获得实习机会比正式工作来说容易的多。实习能让你获得宝贵的经验，使你成为一个有吸引力的候选人。他们给你机会来证明自己，让公司相信你的价值和才能，给团队一个机会来看看他们是否喜欢你/是否能和你一起工作。
  • 直接通过网站向公司提出申请。
  • 外部猎头：外部猎头是自由职业者，他们为对冲基金物色候选人以获取奖金。如果他们推荐了一位候选人，且公司聘用他们，公司会向猎头公司支付一大笔费用(约占工资总额的30%)。
  • 内部招聘人员：如果你的简历很好，公司的招聘人员可能会联系你，你可以在 LinkedIn 上找到。公司招聘人员的联系是一个好的信号，但是离工作还远着呢。他们会代表你提交申请。
量化对冲基金在寻找什么样的人才？
1、教育背景
  • 顶尖大学的理工科博士: 这是最常见的最低限度条件。在一家顶级公司找到一份工作是完全有可能的，毕业于排名前20-30位以外的大学，但是难度要大得多。
  • 排名前五的大学的本科学历和出色的记录: 没有名牌大学的文凭，几乎不可能在本科毕业后直接找到工作。即使是最优秀的大学生也没有接近有用的知识水平。但他们对MBA完全不感兴趣。
  • 学术界: 对冲基金里充斥着。教授，博士后等等。量化基金通常从学术界而非私营公司招募人员。然而，如果你在一家对冲基金公司工作，那么你就很容易换到另一家。
2、学历
  • 发表过论文并被大量引用，比如至少在NeurIPS，ICML，ICLR，Nature 等发表至少有1或2篇文章。
  • 国际数学奥林匹克/其他奥林匹克成就。
  • 最佳论文奖是非常有价值的，但很明显，即使是在顶级基金中，也很少有人拥有这些奖项。
3、其他经历
  • 金融方面的经验是完全不必要的，你可以在工作中学习金融。
  • 在谷歌、 Facebook 等公司实习绝对有帮助。它们证明你能做的不仅仅是写论文。
4、知识与经验
  • 数学专长: 你必须擅长数学。
  • 统计学知识: 你应该有一些统计学的知识。
  • 计算经验: 你应该是一个优秀的程序员，并且有项目经验。
  • 理想情况下，你会有一些建模经验，但我本身在得到这么工作时没有太多这方面的要求。
5、除此之外
  • 这些技能只能让你得到一个潜在的面试机会ーー仅此而已。这只是个开始。
  • 要找到一份工作，你必须在面试中表现出色，并击败同样具备这些条件的应聘者。
  • 一份好的简历能让你得到第一次面试机会ーー就是这样。你需要在面试中表现出色。我们拒绝那些简历很棒但面试不顺利的求职者。
如何准备？
1、冒险游戏：备申请顶级基金需要花费大量的时间和精力。这也是相当冒险的。一方面，回报是巨大的。另一方面，很有可能你花了5个月的时间准备，然后空手而归。这就是为什么诚实地审视你的简历和你的能力是很重要的，以此来决定这种风险是否值得你去冒。
2、你应该准备多长时间？这是一个很难回答的问题。但85% 的人我认为是准备不足的，低估了面试的难度。问题是，如果你的申请失败了，你至少一年内不能再次申请，有时甚至更长时间。当你重新申请的时候，他们可能希望你有一份更好的简历，这样他们就会愿意花费资源评估你。你应该做好准备，直到你对将要被问到的所有问题都有了充分的了解和掌握。
3、心态：除非你有难以置信的天赋，否则你会经历很多失败，你需要为此做好准备
4、随机性：面试不是也不可能是客观的。你可以有相同的候选人申请在一些公司，有完全不同的结果。也许你的面试官昨晚没有睡觉是因为他们有一个新生儿，他们会因为脾气暴躁而拒绝你。因此，你不应该专注于任何一家特定的公司。把你面试的每一家公司都看作是掷骰子的机会。你所能做的就是尽可能努力地准备，以增加你的可能性，同时申请到尽可能多的合适的地方。
5、面试书推荐：“A Practical Guide to Quantitative Finance Interviews”《量化金融面试实用指南》 是对我的准备最有帮助的书。

6、申请“实践”公司：申请一大堆你不会考虑工作的基金公司。你希望在面试目标公司之前尽可能多地获得面试经验。这会减少你的紧张情绪，增加你面试时的舒适感，找出你需要准备的更多问题，给你练习，这样你就能展现最好的自己。
准备的范围
1、宽广：让这些面试变得真正困难的是你可能被问到任何问题。这些问题不一定非常难，但是你很难同时在这么多不同的领域有所了解。即使你很有才华，准备面试并且做好面试实际上也是很困难的。
2、数学：你应该对自己的数学能力非常自信。你会被问到很多的脑筋急转弯，概率问题，条件概率和贝叶斯，微积分，优化，逻辑，归纳，线性代数，常数，机器学习，基本的实数分析，组合学，离散数学，等等。
3、统计学：置信区间、大数定律、中心极限理论、假设检验、极大似然、随机游动等。
4、编程：在 LeetCoode.com 网站解答中等到难度的问题。这是最好的准备。CS 数据结构主题，如二叉搜索树，链表等，并没有真正出现那么多。更多地关注动态编程、递归、与股票交易相关的问题、图算法(例如最短距离、深度优先搜索等)。我建议做100个左右关于 Leetcode 的中等难度的问题作为准备。
5、数据科学：讨论你如何验证你的模型，提出改进建议等等。Kaggle 是一个很好的练习场所。
面试过程
1、首先你要提交你的申请，或者让招聘人员为你提交一份申请，你会在1-3周内得到回复。
2、电话面试：然后人力资源部联系你，安排一系列的电话面试。大约20% 的人能走到这一步。你会被问到数学或其他问题。你可能会被要求在一个在线白板上写代码。通常有2-3个。为了进入下一次面试，你需要在每次面试中都取得成功。这个过程可以持续2-4周
3、现场面试：如果你成功了，你会被邀请参加一个现场面试。将会有一系列的6-8小时的面试。其中之一将是一个不会有任何问题的非正式面试: 它更多的是一个关于你和公司的非正式讨论。这些面试将由你潜在团队的成员进行: 那些将与你一起工作的人！这些人需要喜欢你。你觉得自己会和他们一起工作吗？这个阶段需要多长时间取决于时间安排。通常是1-3周。
4、评估及offer：这通常需要1-2个星期。你未来的老板、面试官和人力资源部之间将会有某种会议或讨论。他们会决定是否给你offer。我只想强调，要达到这个阶段是非常困难的。申请了8个地方却没有得到任何录取通知是很正常的。
5、谈判和讨论：这就是猎头公司极具价值的地方。我只想说，不要表现得太贪婪。让每个公司都知道你的期望是什么。告诉每一家公司，尽管你认为他们很棒，但是还有一些其他的地方给你提供了一个很好的机会，你正在认真考虑。事实上，我甚至没有和他们协商我的期望，所以我对此没有太多经验。
6、GOOD LUCK! 
继续阅读
阅读原文