Transcription
请注意，以下翻译是为了满足您“翻译每一个词”的要求，因此可能在中文语境下显得有些冗余或不自然。我已尽力保持原文的语气、意义和风格，并添加了适当的标点符号。
听着。你想成为一名量化交易员。你听说过像 Citadel 或 Jane Street 的人在大学毕业后每年能赚 50 万、60 万美元，在二三十岁时通过解决那些看起来像是外星人设计的数学题，就能赚到数百万美元。你现在坐在这里想：“等等，我怎么才能做到呢？” 好了，今天我将一步一步地给你提供完整的路线图，告诉你如何进入量化领域，即使你没有任何人脉，没有任何经验，简历上也没有名校的头衔。我叫 Aman。我是一名曾任职于亚马逊和 Shopify 等公司的前软件工程师和职业教练。大学毕业后，我在 22 岁时就将六份软件工程实习经历转化成了多份六位数年薪的 offer。现在，完全免责声明，我不是一名量化交易员。我本人没有走那条路。但我采访了两位绝对的数学高手，他们走过这条路。首先，我的弟弟 Ado。20 岁时，他在 Jump Trading 获得了一份年薪 60 万美元的量化研究 offer。他从中学起就痴迷于数学，在 3 个月内完成了 30 次量化面试，并获得了 Jump Trading 和 IMC Trading 等公司的 return offer。然后是 Sunny，我们的另一位朋友，他拒绝了 Headlands 公司一份年薪 50 万美元的量化工作。他做过从软件工程师实习到学术研究，再到在初创公司工作，以及高中时期构建机器学习项目，并最终进入了顶尖科技公司。所以，在这段视频里，我将一步一步地分解他们的策略。他们学习了什么，如何构建简历，他们使用了哪些资源，从意识到自己喜欢数学到获得 Jane Street 这样公司的 offer。让我们开始吧。好了，在我们深入研究一步一步的路线图之前，先澄清一件事。量化交易员到底是什么？你可能在《大空头》或《亿万》这样的电影里听到过这个词，在那里每个人都穿着西装，拍着电话，说着“alpha”、“volatility”或“market neutral”之类的词，好像那是性格特征一样。但成为一名量化交易员，与其说是大声喊叫，不如说是在高层次上，你使用数学和编程来做出交易决策。量化交易员构建基于概率、统计、信号和市场模式的模型，这些模型能驱动数十亿美元的交易。这个领域有几种不同的角色，但两大类是量化研究员和量化交易员。现在，量化研究员是策略背后的头脑。他们构建和测试统计模型，以预测市场行为。你可以把量化研究想象成用数学在金融数据中寻找隐藏的优势。它的节奏较慢，研究性更强，技术性极高。然后是量化交易员，他们是那些将这些模型付诸实践，并实时执行真实交易的人。它节奏快，混乱，一切都关乎速度。你不断地优化，调整模型，并做出快速决策，有时会涉及数百万美元。还有量化开发人员，这只是指那些构建基础设施和工具的软件工程师，使所有这些量化魔法成为可能。他们不创造策略，但他们是策略能够奏效的原因。但这里有一个共同点，适用于所有这三类人。你必须非常擅长快速解决难题。这是基本要求。你不需要金融学位或商业学位。你需要的是扎实的数学、统计学和编程基础。那么，量化领域究竟是从哪里来的呢？让我们回到 20 世纪 80 年代和 90 年代。在量化革命之前，华尔街完全是老派的。想象一下，穿着背带裤的人在交易大厅里大喊大叫，头发油光锃亮的人在午餐时进行数百万美元的赌博。交易是凭直觉进行的。市场直觉和人脉关系网。如果你能说会道，高尔夫打得好，基本上就能锁定这份工作。但然后游戏开始改变了。在 80 年代末，像 Renaissance Technologies 这样的公司通过引入物理学家和数学博士来构建严肃的统计模型，而不仅仅是金融界的哥们和人脉关系网，开启了一个新时代。Citadel 和 Jump Trading 在 90 年代晚些时候出现，用他们自己的高性能技术和量化策略火上浇油。他们不再对着电话大喊大叫，而是运行代码。现在，这是技术部分。当时，Python 还不是首选。它在学术界和研究界之外几乎不存在。这些公司主要用 C 和 C++ 等低级语言进行编程。快速，高效，接近底层。不像今天那样运行自动化回测的流畅 Python 脚本。那是为速度优化的硬核编程。快进到现在，Python 的流行度爆炸式增长，为从数据管道到交易大厅里 24/7 运行的机器学习模型的一切提供动力。竞争不再是关于你认识谁，而是关于谁能比其他人更快地处理和利用信息。如今，量化交易员掌控着一切。美国市场一半以上的交易量现在是算法交易。这意味着它是由数学和机器驱动的，而不是人类。像 Jane Street、IMC 和 Two Sigma 这样的公司正在竞争，利用数据、研究和技术来榨取微小的优势。而这正是现代量化实习的由来。这些不是跑腿打杂的工作。你实际上是在代码中，在研究中，处理全职员工正在解决的同样问题。薪酬高得离谱，学习曲线非常陡峭，入门门槛很高。但如果你聪明地准备，你绝对可以做到。你实际上是在用代码和数学来预测市场，并做出能驱动数百万美元决策的事情。如果你觉得这听起来很紧张，是的，它就是。但最疯狂的部分是，量化是历史上最讲究绩效的领域之一。如果你能在压力下快速解决难题并清晰思考，你就能获得一份量化工作。没有老关系网，不需要认识某人，只有技能、准备和执行。那么，你该如何做到呢？你如何从“我甚至不知道量化是什么”到在与世界上最聪明的一些人一起工作的交易大厅工作？好吧，让我来分解一个我称之为“从零到交易大厅”的量化路线图。第一个原则很简单。让我告诉你关于 Ado，我的弟弟。这家伙是州冠军科学碗队长，精通数学、物理和化学。而且很有效。在他八年级的时候，他深入研究了 Mathcounts，一个艰难的中学数学竞赛，在那里他经过几周的艰苦努力，投入了大量时间，就像一个总的猛兽一样，从亚军变成了州级选手。那一刻在他心中点燃了火焰。他拼命学习，接受了私人辅导，几乎进入了全国比赛。早期那种动力，塑造了他的一切。高中也没有让他放慢脚步。我和他甚至接管了我们学校的数学俱乐部。如果你愿意，这是一次敌意收购，将一个微小、沉睡的团体变成一个严肃的组织，在我们的地下室进行课后问题解决。还有暑期数学营。是的，我说的就是那种你和来自全国各地比你聪明得多的孩子一起学习研究生级别数学的营地。他去了科罗拉多州的 Proven Math Academy 和汉普郡学院数学暑期课程。紧张得有时会打击他的信心，但也促使他提升自己。他学会了与最优秀的人竞争的真正含义。但关键是，你不必那么早就开始。量化交易不是你普通的华尔街工作。你不是在冷呼叫或奉承客户。你整天都在压力下进行技术研究或软件工作。你越擅长快速分解复杂问题，在这个游戏中你就越危险，这就是为什么 Adel 的故事如此有趣。让我们听听 Adel 对他数学痴迷的看法。>> 这是我人生中一个重要的时刻，我意识到我擅长数学。我可以为某件事努力六周，成为该州顶尖人物之一。我们做一些普通呆子的问题。我解决了它。我告诉他答案。他说：“哦，对了。”然后他看着我，说：“你是怎么做到的？”>> 作为背景，Aldo 大约 13 岁。>> 是的。我大概 13 岁。>> 13 岁的孩子。这家伙大概 17 或 18 岁。>> 我就像一个奇怪的 13 岁孩子。>> 一个奇怪而书呆子的 13 岁孩子，突然出现，然后就>> 解决了这个问题，对吧？>> 是的。我申请了一个叫 Prove It Math Academy 的暑期营。这是一个在科罗拉多州博尔德为期两周的暑期营，他们让所有高中生来学习纯数学两周。我觉得很有趣。我真的很喜欢。那是我第一次真正遇到比我领先很多的同龄人，因为你来自爱荷华州。你不会遇到比你领先很多的人。你参加这些数学营，有来自湾区、德克萨斯州、纽约州、新泽西州的这些孩子，他们在这个领域可能比你经验丰富十倍。所以，这激励我多学一点，促使我申请更多的数学营，再次体验那种感觉。但总的来说，我真的很喜欢。我真的很喜欢学习纯数学。>> 正如你所见，他不仅仅是做学校作业。Adel 在暑期营里学习研究生级别的数学，以此为乐，并解决竞赛题，这为他快速精确地思考奠定了基础。现在，再说一遍，你不必像 Adel 一样。你只需要有 Adel 那样的认真程度。那么，根据你所处的阶段，你该如何开始呢？如果你还在上高中或大学早期，你需要专注于你的基础数学技能。以 Sunny 为例。Sunny 一开始并没有接触金融。他只是非常擅长理解技术概念。他做的第一件事就是在高中时通过好奇心、敏锐和知道如何沟通自己的想法，在 Northrop Grumman 获得了一份机器学习实习。>> 这就是我如何获得第一份实习的。那是我高中的高年级。>> 哇。>> 我想说，那时我对机器学习并没有太多经验。我大概知道机器学习是什么，但我不能说我真的了解，比如，在特定情况下我们应该使用哪些模型，或者类似的东西。所以，我认为那是我身上发生的最重要的事情之一，因为你知道，在大学里没有经验就获得第一份实习是很困难的。>> 对于大二学生来说，获得实习已经很难了。>> 是的。高中高年级就做到这一点。>> 是的。所以，第一份实习真的能帮助你在以后获得其他实习，你知道，我真的很感激有这样的机会，因为它帮助我简化了在大学获得更多实习的过程，而且变得容易多了。现在你可能在想，酷，我不在高中了。我马上就要上大学了，我该怎么办？这就是大多数人把事情搞砸的地方。他们猜测。他们选一些随机的课程，然后想知道为什么他们没有为量化面试做好准备。真相是。有一套核心课程，能让你获得 80% 的火力。第一，概率或 EEK126，这是伯克利的一门课。如果你不是下一个华尔街神童，不用担心。量化公司真正想要的是扎实的数学基础，尤其是在概率和统计方面。金融方面，他们会在工作中教你，但如果你在基本的数学逻辑上犯错，他们就会放弃。为了应用这一点，你需要优先考虑那些能建立深刻直觉的课程和资源，而不仅仅是公式。Adel 甚至提到他的统计学课程给了他优势。所以，掌握了这一点，你就已经超越了 70% 的申请者。>> 我的学习基本上就是学习相关主题的课程，比如伯克利有一门叫 EX126 的概率课。这可能是与量化面试最相关的课程。>> 第二，机器学习或 CS189。这不仅仅是一个闪亮的流行词。机器学习教你如何构建预测和适应的模型，这些技能直接转化为量化职位，你经常需要预测市场走势或发现隐藏的模式。你对 ML 基础知识理解得越好，就越能将数学和编程结合起来构建智能交易系统。此外，它还能教你如何处理真实世界中混乱的数据，而不仅仅是干净的教科书问题。第三，数据结构和算法。DSA 仍然很重要，但不要像机器人一样只刷 LeetCode。量化面试会抛出后续问题、转折和变体。所以，如果你只记住了基本解决方案，你就完蛋了。你应该做的是专注于概念理解。问问自己每个算法为什么有效，而不仅仅是它如何工作。这种深度思考是区分优秀候选人和表面候选人的关键。接下来是线性代数和多变量微积分。它们是许多量化模型的基础。线性代数帮助你理解如何在多个维度上操作数据。想想向量、矩阵和变换，它们在风险建模到投资组合优化等各个方面都会出现。同时，多变量微积分教你如何分析具有多个输入的函数。当你处理复杂的定价模型或优化依赖于多个变量的交易策略时，这是必不可少的。掌握了这些，你就拥有了量化公司渴望的数学工具包。进入下一步。是的，编程很重要。Python 和 C++ 是量化世界的首选。但关键在于。这不是关于炫耀语法。而是关于用干净、高效的逻辑解决实际问题。他们关心你的思维方式，而不是你是否知道列表推导式的怪癖。Ado 实际上通过了 Jump Trading 的面试，因为他们问了他一个动态规划问题，而他前一周在算法课上学过动态规划，这帮助他在现场解决了问题。所以，有目的地学习是值得的。所以我决定申请 Jump 的量化研究实习。我没有做任何准备，但幸运的是，我当时正在加州大学伯克利分校学习算法，他们问了我一个关于算法方面的动态规划问题，而我们几周前才刚学过动态规划。所以我能够完成它。数学方面我做得还可以。数据科学方面我也做得还可以。所以他们认为我在面试中表现不错，然后他们给了我一个夏季量化研究实习的 offer。现在，有些人认为金融课程会有帮助，但它们不会，除非它们是极其数学密集型的。专注于概率思维，高效编程，以及优化算法。这才是交易公司关心的。所以，底线是，你需要深厚的数学和编程功底，以及快速解决难题的能力。你越早开始培养这种能力，它就越敏锐。所以，如果你起步晚了，没关系。拿起球开始训练吧。好了。现在你对成为一名在校量化交易员所需的基本知识有了一个大致的了解。让我们来谈谈你如何真正成为一名量化交易员，通过面试等等。不，它不是一门课程。它不是一个 YouTube 频道。它甚至不是一个秘密 Discord 群组。它是一本书，叫做“绿皮书”，是你的秘密武器。而这很疯狂。当我采访 Adel 和 Sunny 时，这两位真正获得 Jump 和 Headlands 等顶尖量化公司 offer 的人，他们都提到了同一件事。他们说：“如果你想进入量化领域，就学习绿皮书。”但有一本很多人知道的书叫做绿皮书，它能帮助你准备量化面试。它涵盖了你为量化面试所需的一切。它涵盖了基础概率、统计、多变量微积分、线性代数、不同类型的问题，你知道，比如马尔可夫链之类的内容。如何应用这些概念来解决问题。>> 有一本书叫绿皮书。它不叫绿皮书。它叫“量化金融面试实用指南”，我想是这样，但它通常被称为绿皮书。它是量化金融领域的“圣杯”之一。你可以完全自学这本书，并做一些在线练习题，你应该就能足够好地参加量化金融面试，并可能通过。只要你真正练习并加强你的基础知识和统计学，你应该就能在那方面做得很好。>> 现在，此时此刻，你可能在想：“绿皮书到底是什么？听起来像高中化学笔记本之类的东西。”但不是，它实际上是一个名为“量化金融面试实用指南”的 PDF 文件。但在量化领域，每个人都称它为绿皮书，因为它封面是绿色的。相信我，这本书不仅仅是随便读读的材料。它是量化圣经。如果你走进 Jane Street 的面试，而你没有看过绿皮书，你已经处于困难模式了。里面充满了真实的量化面试问题。我们说的是脑筋急转弯、概率、心算、马尔可夫链、线性代数、金融谜题、微积分，更重要的是，它教你如何思考。这就是全部游戏。量化公司不仅关心你记住了哪些公式。他们关心的是，当时间紧迫，你的大脑说：“呃，什么？”时，你如何解决一个奇怪的抽象问题。那么，你该如何使用绿皮书来改变你的思维方式呢？首先，不要像看高中数学课本一样翻看答案。神奇之处在于挣扎。选择一个问题，坚持下去，先自己解决它。即使花了 20 分钟，你感到卡住了，那也是在建立你面试时所需的精确思维肌肉。第二，使用笔和纸。为什么？因为当你用身体写出来时，你的大脑会以不同的方式处理问题。你看到了结构，你发现了模式，你放慢速度以避免愚蠢的错误。另外，面试不会让你拿出 ChatGPT。只有你，一支马克笔，和一个白板。现在，一旦你掌握了这个过程，就该增加压力了。给自己计时。给每个问题 2 到 3 分钟，就像真正的面试一样。它迫使你快速清晰地思考，这正是交易大厅在现实生活中给人的感觉。最后，分层构建。慢慢开始，掌握准确性，然后提高速度。关键是让你在压力下感到如此舒适，以至于当真正的面试来临时，你基本上处于绿皮书自动驾驶模式。掌握这本书，你就已经领先于那些只是粗略浏览过它的一般申请者 10 步了。现在，一旦你掌握了绿皮书，你已经上了这些概率和统计课程，这些高级数学课程。你如何真正掌握量化面试？好吧，秘密就在 Aldo 接下来要说的。所以我做了一些研究，我说：“这听起来很酷。”就像，它有点像数学和计算机科学的结合，但你将其应用于创建交易算法之类的东西。所以，我在大一的时候申请了很多量化实习。>> 我大一。>> 的大学。好的。我从像 r/cs majors 这样的 Reddit 上获得了所有信息。我读了所有帖子。他们说，哥们，如果你是大一新生，他们会直接拒绝你。所以我说，好吧，让我撒谎说我的毕业日期，说我是大三学生，这样我就可以获得这些实习。所以对于亚马逊，我撒谎说我是大三学生，我计算了一下，我说，好吧，如果我这个学期选四五门课，我两年就能毕业。所以我根本没撒谎。面试阶段我进入了>> 哦，我参加了所有考试。>> 所以给出一些粗略的数字。>> 是的。所以那个电子表格里有大约 200 家公司我申请了。我总共做了大约 50 到 60 次面试。>> 哇。>> 在整个过程中>> 你说 50 到 60 次不同的面试。甚至不是 OA。>> 是的。面试。>> 是的。>> 在大约从七月到十月的时间里。那几个月？三个半月。三个月。所以三个月内 60 次面试。这就像，它们只在工作日，对吧？>> 是的。所以是 12 乘以 5，60 个工作日。平均每天一次面试。>> 一次面试。>> 连续三个月。>> 所以我申请了很多量化实习。申请了很多软件工程实习。我最终在一家叫 Jane Street 的公司面试。>> 所以你在 Jane Street 工作。人们对你顶礼膜拜。现在，如果你的目标是成为一家量化公司的软件工程师，那种需要敏锐的编码技能和深厚的量化知识的公司，那么你需要的不只是自学。而这正是我们创建软件工程加速器（Software Engineering Accelerator）的原因。该计划旨在通过动手编码练习、模拟面试和围绕量化公司正在寻找的确切软件工程技能构建的课程，让你从零到面试准备快速入门。无需猜测，无需随机教程，只有经过验证的路线图、指导和真实的现实世界问题，让你为实际的艰苦工作做好准备。所以，如果你想认真进入这个领域，这个加速器是你摆脱噪音，获得梦想职位的最佳机会。好了，现在让我们谈谈大多数人从不做的，那就是在你真正准备好之前就申请。Adel 在大一时就这么做了，他申请了 200 多家公司。这家伙被左边右边中间地拒绝了。那么他做了什么？他在简历上把“大一”改成了“大三”。现在，除非你根据你学分数量在技术上能够做到，否则不要这样做。但这里有一个更深层的原则。不要等待别人给你资格。你必须尽早将自己投入到游戏中。Adel 没有等待完美的 GPA 或完美的课程，他“假装直到成功”，并最终通过推荐获得了一份 John Deere 的实习。那次实习是他的敲门砖。那么这里的教训是什么？广泛申请。与人交谈，利用你的人脉，即使你的人脉只是你朋友叔叔的邻居的猫。人脉很重要。你每一次尝试都会扩大你的幸运面积。现在，这是大多数人搞砸的部分，那就是面试准备。Aldo 进入了 IMC、Optiver、Akuna Capital、Two Sigma 和 Virtue 的决赛轮。都是令人印象深刻的名字，但他把它们中的大多数都搞砸了。为什么？因为他没有认真对待面试准备。他只是在那里瞎搞，希望他的模式识别能力能让他通过。大错特错。>> 所以，告诉我关于你的成功。>> 是的。所以，我之所以不得不进行 60 次面试，是有原因的。我当时还是很愚蠢。我没有为任何一次面试做准备。这家伙是在盲目地采取一种“霰弹枪”式的方法，而不是“狙击手”式的方法。好吧，我的意思是，如果你简历上的经验不多，你需要结合它们。你需要采取“霰弹枪”式的方法，然后“狙击”那些给你机会的。但是的，我申请了很多软件工程实习，很多量化实习，我从来没有明确地为量化面试做过准备，但我做了这么多，以至于我的学习时间就是进行面试本身。所以我看到了常见的问题，常见模式，我只是通过面试本身变得更好，而不是通过学习。如果我能回到过去，我可能会说，“哥们，你不需要面试六十次。你不需要进行六十次面试。只需学习内容。选择几个给你机会的，然后在那些面试中表现好。”这样你就可以节省时间，但显然我不知道。>> 后见之明是 20/20。>> 是的，没错。我在 Akuna Capital 申请实习，进入了第四轮。这些公司有很多轮，好吧？他们有两次在线评估，然后一次电话筛选，然后我进行了第四轮，然后又搞砸了。我面试了一家叫 Five Rings 的公司，哥们，他们的面试很奇怪。他们问了我所有这些估算问题，你知道，比如“你认为一架飞机能装下多少头大象？”之类的。>> 是的。比如“最大的大象有多重？”你知道，类似的东西，对吧？>> 很多大象问题。>> 是的。所以我搞砸了。嗯，然后对于软件工程，我能记住的公司只有两家。一家是 Indeed，就是招聘网站，但我当时申请的是商业智能职位，我进入了最后一轮，然后我说，“嘿，我对数据科学更感兴趣。”我做了一些编码的东西。他们说，“是的，我们看得出来你对商业智能不太感兴趣，所以没关系，我们不会给你 offer。”然后另一家公司是亚马逊。嗯，我进入了亚马逊的最后一轮。不幸的是，我不懂 LeetCode，也不知道我应该学习 LeetCode。他们问了我一个关于区间的问题，一个经典的>> 合并区间，或者类似的东西。类似的东西，对吧？>> 而我>> 我基本上可以写代码，如果我学习了，我就会通过>> 但不幸的是，我没有>> 所以，我没有通过那次面试，我有点卡住了。>> 所以这是 Albo 修复这个问题的确切计划。像对待你的圣经一样学习绿皮书“量化金融面试实用指南”，因为它确实是量化领域的圣经。在几周内完成 100 多个 LeetCode 问题。而且关键是，这不仅仅是蛮力解决问题直到你的键盘冒烟。你需要多样性。数组、图、递归、字符串操作。但不要跳过动态规划。对于量化职位来说，动态规划问题就像游戏中的最终 Boss。它们测试你是否能将一个混乱的多步骤问题分解成更小的、可重用的子问题。大多数人在这里失败，因为他们只是死记硬背解决方案。当面试官改变一个小的条件，而你死记硬背的答案突然失效时，这是没用的。相反，目标是理解每种方法为什么有效，如何调整它，以及如何大声解释你的推理。我意识到我需要学习 LeetCode 的时候，我只学习了大约三周，但我每天学习两到三个小时，持续了三周。>> 我所做的就是，我在空闲时间做很多问题，在健身房。我像听播客一样听 NeatCode 的视频。>> 嗯。>> 我在上厕所的时候看 NeatCode 的视频。>> 是的。>> 每个人都有很多空闲时间。>> 嗯。>> 在健身房，在浴室，吃饭的时候，>> 你每天大概有 3 个小时的空闲时间可以利用。嗯。>> 大多数人说，“哥们，不要看视频。你需要做问题。”>> 就像，如果你不做问题，你就学不到太多>> 相比于看视频，你就学不到太多>> 是的，这是真的。>> 但如果你在，如果你在方便的时候，你真的会做问题吗？这就像，不要让完美成为好的敌人。看 LeetCode 的视频总比什么都不做好。>> 嗯。>> 所以，在那两到三周里，我学习了，我确实做了很多工作，然后之后，我就没有怎么学习了。他会读问题。我会暂停它，思考我该如何做，思考我该如何写代码。>> 你会花多长时间思考？>> 通常我都能想出来，当我听的时候，你一直在被动地练习这些问题>> 我在练习。>> 所以我认为这很重要，因为我当时在学习。我只是没有写出来。>> 我的意思是，写出来和调试是不同的技能，但想出解决方案是另一项技能。>> 所以我当时在想出解决方案。>> 你还想练习行为面试，就像你的 offer 取决于它一样，因为它确实如此。当他最终再次获得 IMC 的机会时，这是最顶尖的公司之一，Aldo 做的事情不同了。他打电话给我们的表妹 Fatima，她对他进行了行为面试的严酷训练，直到他的回答听起来像人类。这与技术上的艰苦努力相结合，帮助他最终破解了密码。现在，当它支付时，它支付得很多。而且也得到了回报。IMCA 给了他 2 万美元的签约奖金，用于实习。每小时支付他 100 多美元，并为他在芝加哥市中心的一套设备齐全的公寓安排好了。这相当于 10 周内获得 5 万美元的收入，外加免费的豪华住房。现在，让我们谈谈薪水。>> 我们会给你 2 万美元的签约奖金。>> 我说，什么？签约奖金是你去年整个夏天的两倍多。>> 是的。就像什么？嗯，这太疯狂了，哥们。我听到的时候下巴都掉下来了。然后她说，“然后你的月薪是，我想是每月 12,500 美元左右。”然后>> 大约是多少钱？>> 大约每小时 70 美元左右。>> 那是多少？每小时。哥们，我以前对这些东西很在行。不，我现在慢了。我们只是吹嘘了数学 40 分钟。>> 我认为大约是每小时 75 美元。是吗？>> 好的，是的，大约在 70 到 80 之间。>> 现在我需要检查一下。>> 好的，给他几秒钟。>> 好的，所以每月 12,500 美元，你每月工作 160 小时。78.125。>> 好的。是的，$78/小时，从 $26/小时到 $78。所以你作为一名大二学生，薪水翻了三倍。>> 是的。这还不包括签约奖金。如果你算上签约奖金。>> 我就把它算进去，只是为了给出一个更好的估计。>> 考虑到所有因素，每小时的总费率是多少？这是假设你每周工作 40 小时。我当时做得更多，大约 50 小时。>> 所以总的来说，如果算上所有因素，每小时大约 130 美元。>> 每小时 130 美元。>> 是的。而且他们还支付你在芝加哥的住房。他们支付你的住房。芝加哥市中心。他们每月给你 3K 美元。>> 不，他们只是给你一套位于芝加哥市中心的设备齐全的公寓。我甚至不知道那是可能的。>> 但不要误会。这不仅仅是免费的钱和好心情。Aldo 每周工作 50 到 60 小时，深入研究交易模拟，与顶尖工程师和交易员合作，并快速学习新技能。而最突出的是，这并不在于成为房间里最聪明的人。而在于是否易于指导，是否能带来价值，以及是否具备良好的社交技能。这让他获得了 return offer，并最终在下一个夏天获得了年薪 60 万美元的职位。没错，大学毕业后年薪 60 万美元。因为大多数人在面试失败后就放弃了，但 Aldo 没有。而这，这种反弹的能量，就是一半的战斗。到目前为止，你可能已经意识到，获得量化实习不是关于成为一个金融人士。而是关于技术上的敏锐，知道如何思考，并在压力下证明这一点。现在，让我们谈谈最被忽视的策略，那就是沟通。你可能有一个正确的答案，但如果你坐在那里沉默不语，最后才把它丢出来，他们就不会知道你是怎么得到的。在量化职位中，你的过程和你得到的答案一样重要。所以，为了获胜，你必须大声思考。通过在模拟面试中练习大声思考来做到这一点。叙述你的逻辑。提及边缘情况，并承认你不确定的地方。记住，这不是关于完美。而是关于展示你如何解决问题。现在，你不必成为天才。说真的，Aud 说他不是房间里最聪明的人。>> 我的经验是，你>> 你确实，我的经验是，你绝对需要>> 你必须是天才。>> 而我，我是一个天才。>> 我的经验是，你需要一个基础>> 嗯。技术知识，但之后，这主要取决于你的工作方式以及你如何与他人互动，如果你想做好工作。这就是我的经验。>> 让他坚持下来的不仅仅是智商。而是有计划的准备，坚持不懈和好奇心。就是这样。大多数人认为你需要 180 的智商才能成为量化交易员，但事实并非如此。你需要扎实的基础，持续的准备，社交技能，以及一种“我会搞定它”的心态。所以，如果你坐在那里想，“我永远无法获得量化职位。”不，你只需要以正确的方式学习，因为当你学习正确的东西时，运气就会以一种有趣的方式出现。是的，回报是真实的。再说一遍，让我带你回顾一下所有这些统计数据。IMC Trading，每小时 130 美元，2 万美元奖金，以及豪华公寓。Jump Trading 实习，10 周 6 万美元，含住宿。现在，这些实习让你拥有真正的所有权。你不是去端茶送水，你是在写代码，坐在交易大厅里，并产生真正的价值。但你将赚取每一分钱。Aldo 每周工作 50 到 60 小时。这很紧张，但如果你喜欢解决难题，如果你想要一个能挑战你的世界，那就是它了。当然，不是每个人的道路都一样。看看 Sunny 就知道了。人们经常问，我应该去初创公司工作，还是去大公司，还是自己创业？Sunny 的答案很简单。>> 那些想在初创公司工作的人，应该>> 关注利用所有不同的技术。你可能会惊讶地发现，有些技术你可能从未听说过，但它们可能能够解决你在初创公司遇到的问题。所以，不一定总是关于如何找到我自己的解决方案来解决这个问题，而是关于如何使用已经存在的不同组件，这样我就不必一直重复造轮子。另一件事是，我认为你对你想创建的初创公司的类型进行市场研究非常重要。如果你不了解你的市场，也不知道你的市场中存在哪些类型的竞争对手以及他们已经有哪些功能，那么你将首先浪费时间，而且你的产品也不会像你希望的那样有价值。所以，我认为这是一项我不知道如何做的技能。如果我能回到过去，我会说，“好吧，你应该学会如何进行市场研究，因为市场研究非常重要。它不仅对初创公司重要。对你想要做的任何事情都重要。>> Sunny 没有等到大四。他从大一开始就进行了真正的市场研究。他加入了 URP，本科研究项目，并从事了各种各样的项目，包括气候和化学机器学习、计算机视觉、精准医疗和病理学。甚至在 Ryan Tip Shirani 的指导下工作。是的，就是发明了 Lasso 回归的 Robert Tip Shirani 的儿子。这可是统计学界的皇室成员，但 Sunny 不仅仅停留在学术界。他还发布了真实的产品，真实的初创公司。他的规则是什么？>> 他们关心你如何转化你使用的技术，以及它对你试图解决问题的用户群有什么影响。对吧？所以，我认为这些都是如果你想建立一个成功的初创公司所必需的技能。你必须知道如何进行市场研究，知道如何沟通你的发现以及它们的重要性。嗯，然后还要能够与人沟通。这也是一项非常重要的技能。因为归根结底，你需要推销你的产品，说明它为什么重要。而且有具体的方法可以做到这一点。这是一项很难掌握的技能。嗯，是的，我认为专注于这一点，然后练习它们将对你非常有帮助。>> 如果你对构建感兴趣，就去构建。即使你的第一个想法失败了，你也会获得端到端的经验，这让你在任何其他地方都具有优势。看，这不是关于完美。这是关于不懈的坚持。你不需要 4.0 的 GPA。你不需要成为天才。你只需要一个计划。现在，你有一个了。现在，如果你想在量化公司获得软件工程师实习或软件工程师职位，需要有顶尖工程师和招聘人员的指导，请点击描述中的第一个链接。如果你想在 LeetCode 面试中获得帮助，请点击这个视频。感谢大家的观看，我们下期再见。