帝国理工学长：凌晨1点的高盛Offer Call，见证我与量化的双向奔赴

本文作者 Ethan，以下仅代表个人观点

人在国内，凌晨一点多

手机震动把我从本就浅薄的睡梦里拽醒

电话那头很平静，我却几乎瞬间就明白

这次等来的终于不是只有邮箱统一拒信模板的

"Thank you for your interest."

说实话，这一封 Offer 来得意料之内

从某种程度上来说我相信一切和缘分相关的东西

不是我的强求不来，但该是我的一定会来

从港中深到帝国理工，

量化是我坚定且唯一的选择

哈喽大家好，我是 Ethan，目前就读于帝国理工学院的金融工程硕士项目。前不久刚刚在 WST 的帮助下拿到了高盛伦敦办公室的 Quantitative Engineering Fulltime Offer~

我和量化的缘分，高考那年就注定了

高中以前我的数学算不上特别好，也不是竞赛生。但我很确定一件事：我是典型的理科思维，文科内容对我来说总是难以吸收，相比之下，物理、化学这些科目更让我得心应手。当年高考填志愿时，我也想选择物理专业。

和每个迷茫的大学生一样，当 " 以后要做什么？" 这个问题在脑海里弹出无数次后，我想到了量化。

刚开始我也不懂 " 量化到底是什么 "，学着学着会发现它非常 " 杂 "，也非常 " 深 "：数学建模、编程技术、金融市场分析——还得把这三块串起来。

IC 的上课日常，随机微分相关的计算和推导我还是花了很长时间才用熟练的 T T

但这种 " 杂 " 和 " 深 "，正是让我上瘾的点。你会发现它不是一门只在课堂里成立的学科，它能直接落在市场里。后来在实习中我又重新认识了它：量化不只是一个 " 赚钱工具 "，它也在推动市场更有效、更成熟，尤其对国内 A 股这种市场环境。

能够迅速找到自己热爱且擅长的领域，也是一种幸运。

在 IC 读金工硕士，是怎样的体验

IC 旁边的海德公园夏景，这张感觉很好玩，每个桩上都站了一只鸟哈哈哈

我自己是大一就基本确定要读研。本科是在香港中文大学（深圳），我们那一届里大概有 80% 的同学都选择出国读研。

我自己读研的原因现在总结下来有三个：

第一，环境与氛围就是如此，身边人都在做同一件事，很难完全不受影响；第二，无论是国内还是英国，量化行业整体都更偏好研究生，本科直接找对应岗位的空间确实小；第三，对我个人而言，我更需要一个更系统的跳板，把数学、编程和金融真正 " 融到一起 "，而不是停留在零散的技能点上。

帝国理工的 RMFE 是商学院的硕士，优势就是你能同时拿到两套支持系统：IC 学校层面的职业资源 +Business School 层面的职业资源。Career Fair、宣讲会、行业活动这类机会不少，学校也会组织参访公司。

期间还参加了一个去美国 " 交换 " 五天的 Events。严格说不是 " 交换 "，因为没有 host school，我们借了康奈尔的校园，老师还是 IC 自己的老师过去授课。但密度很夸张：五天参观了多家公司，包括 MAN Group、摩根大通以及一些财富与资产管理公司。这段经历让我很短的时间里被迫去理解：不同机构到底在做什么、他们怎么用 " 量化 " 解决问题、他们到底想招什么样的人。

去纽约参访 JPM 办公室时拍的，当时问了办公室里的人，他们平均每天工作超过 11 个小时，这个球应该是用来强迫自己坐直放在这里的。

但真相是，就算是 IC，学校里的 " 求职资源 " 也很难直接把 Offer 喂到你嘴边，更多是间接支持——让你更早看懂行业怎么运转、学会怎么跟业内人交流、以及把你放到一个信息更密集的环境里。

一年英硕上岸伦敦高盛，我靠的不是运气

大家都知道英国求职时间线是出了名的紧张，更别说只有一年的硕士项目了。

24 年 4 月拿到 IC 硕士 offer 之后，我是 5 月才正式开始准备求职，时间紧迫但好在目标明确。我知道不能盲目胡乱刷题，要先想清楚全局：用什么方式最有效率，以及有哪些事情我必须有人帮我把节奏抓住。

期间也对比了不少机构，最终让我选择 WST 的原因是，目前为止，WST 是我聊过在量化求职方面经验最丰富、最为专业的一家。

从投行到买方，底气是十几场量化面试给的

从投递初期到收到高盛 Offer 之间，我大大小小面了不下十几家，基本覆盖了投行、对冲基金、私募、公募、券商、自营交易公司和金融科技公司等。

同样是量化岗位，买方和卖方的面试却有很大差别。

卖方量化

很多投行都非常看重 networking，有一个强推荐对拿到面试的帮助会很大。

投行面试 5 轮打底，轮次相对买方多一些，难度也并不更低，同时更加看重金融知识，例如期权期货与随机微分方程。面试过程中不能出现明显的错误，即使犯些小错也必须尽快改正。如果能做到在每一轮中都不翻车，还是很有希望能拿到 Offer 的。

就比如我拿到 Offer 的高盛面试，一共六轮，涵盖数学、统计、编程、金融、简历与 Behavioral 等考察重点。面试官对于简历经历的提问不止停留于做了什么，更会考察是否理解为什么这样做。如果涉及模型，不仅要说出为什么使用这个模型，还要对模型背后的数学原理与理论知觉有深刻理解。

而买方面试就更 " 结果导向 "，更依赖解题表现，networking 效果不大，OA 做得好非常重要，不少顶级量化公司就是看 OA 成绩来筛人的，而且要准备好，会有很多轮 OA。

买方面试轮次一般 4 轮能出结果。概率统计、brainteaser、线性代数、coding、统计推断、机器学习等更密集，而且会问一些自创题，需要更加深厚的基础知识功底。

买方量化

买方面试中的开放式情景建模题算是家常菜，一般很难给出一个 " 标准答案 "。你要做的不是立刻报一个数字，而是跟面试官一起讨论：口径是什么、样本怎么来的、误差和偏差怎么处理、要不要引入先验 ......一步步把模型搭出来。

英国量化整体对研究生更友好，买方则特别爱招博士生。他们会默认你有更完整的数学 / 工程训练和更成熟的求职准备。国际生机会是有，但竞争非常激烈，尤其是当你没有英国本地实习、也没有 referral 的时候，简历筛选环节非常残酷。

Technical 要倒背如流

在英国求职量化，Technical 非常非常非常重要！

很多人刷题刷一遍两遍就觉得差不多了，我的经验是完全不够。比如经典的绿皮书这种东西，你必须细到角落都不能放过。因为面试里最可怕的不是难题，是 " 你以为你会、但你刚好漏掉的那一页 "。

今年我有一次面试被问到《绿皮书》里一个很偏僻的细节，当时没注意到，结果直接被拒了。面对 Technical 的态度就是 You can't be too careful，怎么小心都不为过。

我当时用的就是 WST 的这套红绿皮书配套资源，如果不想自己再花时间去找资源，可以直接找小助手领取

不是只懂量化就能上岸

很多同学以为量化就是概率、统计、编程，但真实面试里你会遇到更广的考察。

比如我这次高盛的 Quant Engineering，有一点超出我预期：它涉及内部定价和交易，甚至会牵扯到资产负债表优化。这就会延伸到 FICC 固收、甚至一些 Accounting 报表理解相关的东西。

量化要上岸，不能只靠单一强项，你要 " 广 "，要针对不同公司、不同岗位看重的技能和知识点针对性复习。

在准备量化相关的面试或者是大一大二想走量化的学弟学妹，推荐大学看看这 16 本 Algotrading/Trading 相关书籍，能建立行业认知，对于面试能力也有综合提升。WST 也帮大家找来了电子版

我在最难的地方，被 WST 拉了一把

前面也提到，我是在拿到研究生 Offer 之后才加入 WST 的，对我来说，除了整个紧迫的求职时间线，最难的阶段正是最开始入门的时候。

万事开头难，哪怕明确知道自己想做量化，但对于细节，当时的我还是一无所知：投行各个 desk、各个岗位到底在做什么？量化能投哪些公司、对应哪些 role？哪些是主线、哪些是支线？信息不成体系，就很容易焦虑，越准备越像在原地打转。

WST 对我最大的帮助，恰恰是在这个阶段把我托住了。规划导师帮我把行业和岗位先讲清楚，把 " 能投什么、怎么投、优先级怎么排 " 变成一套可执行的策略。老师给的岗位方向和投递思路，相当于一张地图——让我知道接下来每一步该怎么走，走到哪。

真正开始准备面试后，我也请过 3 位行业导师。每位导师给的视角不一样，但共同点是对面试提升很直接。有的导师会教你怎么把技能发挥出来——面试不是拿到问题蒙头做，而是要和面试官保持对话，有互动、有推导，让对方觉得你是一个沟通顺畅、可以一起工作的同事。

最想感谢的是 Nancy 老师，她教会我最有用的 " 逻辑链条 "。我最开始属于那种会做题，但不会求职的类型。Nancy 老师告诉我，在求职量化的时候仅仅能解题是不够的——你得想清楚为什么走这条路、这一步的目的是什么、下一步要把你带到哪里。从读题、建模、推导、处理到结果，每一步都要有合理的解释。Nancy 老师说，量化是非常理性的学科，你的每一步都得 " 讲得通 "。