大牛360度解析JP Morgan招聘偏好、面试陷阱和Quant 职业发展

2016-04-29 02:53阅读：

http://blog.sina.cn/dpool/blog/u/5086868763

本期导师说
我们邀请了UniCareer的明星导师Zc
她优秀的背景，出色的指导
帮助很多学员拿到满意Offer
今天让我们一起听听她有哪些工作心得吧！
Mentor Bio
Name: Zc
Position: Quantitative Analyst
Company: JP Morgan
Mentoring Specialties: Quant, Data Mining, Electronic Trading
Quant
是什么
传统：狭义上看Quant是指在银行卖方做Quantitative Research工作，常见的日常工作是做通过例如过程模型，概率模型等等定价模型对各种衍生产品定价，研究银行内部如何对冲风险，工作中大量使用编程语言，具体语言根据各个组变化。
新型：近几年开始流行一种新型的Quant：P Quant，“P Quant来源于Physical Prob Measur，也就是“预测未来走势”，常见于买方和卖方的自营交易部。所谓预测未来走势，无非就是寻找Under-Priced Risks/Over-Priced Risks，也就是所谓的“找Alpha”，因此PQuant也叫Alpha Quant（Hangli, 知乎）。”
P Quant研究股票投资价值和大数据，使用的模型大多来自统计、概率和数据分析。

公司招聘时对Skillset的要求完全不一样。我之前的工作和这里说的P Quant比较接近。 P Quant和传统Quant工作有个明显的不同是，会涉及到未来几小时到一个月的股价变化的预测。
Quant职业发展
大盘点
Quant的工作去向大致分为三类，一类就是我们说的传统Quant，在银行（卖方）做定价模型或者风险模型，支持Trader们的交易；第二类也是很常见的一类，局势在基金等买方公司和小型交易公司做Quant；第三类是投银/商行的Risk部门，他们需要大量的Quant建模，这类Quant喜欢招PhD和MFE背景的人。
和传统金融行业不同，Quant这个行业非常年轻，2000年以后开始流行，追溯起来也是1990年才开始发展，所以没有一个非常传统的Career Path适用于大部分Quant人。喜欢和善于做Quant的人通常是一直做Quant建模相关的工作，但是因为资历不同，Senior的人会晋升到VP和Managing Director这些职位。也有一部分人，后来转型做了Trader，但是这条路的转型需要个人付出巨大的努力，因为Quant的工作虽然和交易员联系紧密，但是Skill Set非常不同。
JP Morgan VS ITG
不同体验
先从ITG开始吧，我在ITG做了2年多的Quantitative Research，在小的团队里做研究常常要身兼数职，从研究到建模到预测都要经历。工作都是基于项目，每一个项目的时间线非常长，其中很多耗时数月的成果可能最后并不可行。总体来说，这份工作很挑战，也没有投行里Fancy的环境，但是作为毕业后的第一份工作，我得到了非常大的锻炼。
JP Morgan是大投行，团队分工做的非常细，所以我们被分配到的工作很具体，同时，也可能会经历一段时间，重复做相似的工作。作于整个Picture的把握不象以前那么深，但是多了很多和不同部门不同级别的同事打交道的机会。在这样的环境里，能更好的了解到当下的整个Business运作。
如果你纠结于大投行和精品公司的区别，总结起来他们的优势分别是：

投行：大公司里产品种类更多，为新人了解Business提供了一个很好的平台。对于想在公司内转组，换工作来说，也是更好的机会。
精品公司：对于职场新人来说，他们的职业技能在这里可以短时间内得到很大的锻炼和提高。

对于编程语言的要求
C 面试常考
首先，很多人会问到底该练什么语言，才能做好Quant。其实，不同的公司和不同的组内，使用的编程语言都不一样，在真正进入工作前，很难说你将来使用的会是什么语言。比如在JPMorgan股票和债券用的编程语言都不一样。
所以，学习能力特别重要，进入一个工作组后，要短时间内可以上手，半年内做到精通。
但是面试中，面试官最喜欢问的编程语言是C ，因为C 是编程中较难的语言，如果能把这部分的题目回答的很好，面试官会认为他们之后学习别的语言应该没有问题。
流行的Quant编程语言：Python（Research）， Matlab(统计数据)， R（统计数据），还有数据库语言例如Sql

物理和数学PhD双Offer
改走MFE
我用三年时间完成本科学习，后来收到了UMich物理系和数学系的PhD Offer，因为自己研究兴趣的转变，后来离开了博士项目，进入了MFE项目。
MFE项目对我的意义在于，强化了我的编程能力，补全了原来金融知识的空缺。业界Quant大牛的课程中，学习到了高度应用化的模型知识。这部分知识在后来的面试中非常有帮助，让我快速地和面试官进入专业的沟通。
现在学习数学或者物理的同学如果想做Quant，可以非常自信。我在后来的面试中发现，其实很多Quant人，都是来自数学、物理等背景，所以他们看到这样的背景会觉得很亲切。面试官喜欢数学和物理背景的人，也是因为QuantitativeSkill大多非常扎实。
MFE 对于 Quant
Must Have？
介于名校MFE的6-8万每年的学费，我认为并不是MustHave。如果本身有PhD学位，有很强的QuantitativeResearch经验和技术，可以通过猎头和内推来获取金融工作机会。
但是MFE的好处在于，它的职业导向非常强，有大量的编程训练。这个项目在一年时间对学生做各方面的强化培训，以及提供了很好的求职资源平台，因为许多大公司的校招机会开放给MFE学生。
Quant招聘大揭密
简历和面试题
首先，我在面试中看到最普遍存在的问题是，很多Candidates都有不错的简历，但是针对其中某段提问时，回答得并不好，有时候甚至不能自圆其说。这样得表现非常影响面试官对他们的信任。

在准备面试时，一定要对自己的简历非常熟悉，可以回答出每一个细节背后的经历。
同时，也在面试中遇到了很多非常优秀非常聪明的Candidates，他们来自名校数学/物理系，知名MFE项目。在问到数学和编程问题时，都回答的非常出色，但是普遍存在的问题也有一点，就是缺乏对市场的基础理解。
我爱问的基础市场问题：
1. 对于某个股票，如何大致测出它的波动率
2.某个利率改变，哪些资产的价格会出现变化
建议对Quant感兴趣的同学，平时可以多阅读介绍市场运作知识的文章和书，大致上了解市场。
（阅读推荐：Wall Street Journal, Market Watch等网站；股票作手，LiarsPoker等等书籍）
简历上爱问的问题：
1.简历上如果写了课程，我会问课程中的概念，如提问统计课里的一个基础概念
2.针对工作经历里可能涉及到的困难或者问题来提问
招聘偏好：各方面技术知识比较平均的人。比如，有人数学强，编程弱，市场知识弱；另外一个各方面都比较平均，但是没有那么突出，我会选择招聘后面的这位面试者，所以建议大家全方面锻炼培养自己的技能。

职场心得
关于Plan
对于职业上的机遇和发展，可以不用太着急于一开始就拥有一个Big Plan，多尝试，从自己亲身经历的职场体验中做出调整，可能可以收获更多Plan以外的惊喜。
-- END --

来源：UniCareer独家
版权归UniCareer所有，未经容许不得改动原文。若需引用或转载，请联系contact@unicareer.org，并保留UniCareer相关版权信息。
大牛360度解析JP <wbr>Morgan招聘偏好、面试陷阱和Quant <wbr>职业发展

大牛360度解析JP <wbr>Morgan招聘偏好、面试陷阱和Quant <wbr>职业发展

举报/Report

我的更多文章

下载客户端阅读体验更佳