港中深美国 top MFE 项目申请指南
不定期更新，点击右上角 star 获取更新信息
申请有很多不确定性，祝大家申请顺利！
基于 Quantnet Ranking、录取者的背景、录取者的最终选择、项目近几年的去向，以及若干 top MFE 项目校友的综合评价，以下是个人美国 top MFE 项目的排名：
- Tier 0: Baruch MFE, Princeton MFin
- Tier 1: UCB MFE, CMU MSCF, Stanford MS&E
- Tier 1.5: Columbia MFE, NYU Finmath, MIT MFin
- Tier 2: Columbia MAFN, Cornell MFE, UChicago FM
- Tier 3: NYU MFE, UCLA MFE, GaTech QCF
英国、新加坡、欧洲、香港等的一些热门项目：
- UK: Oxford MCF, LSE Finmath, IC RMFE
- Singapore: NUS MFE, NUS MQF, NTU MFE
- Europe: ETH MQF
- HK: HKU MFin, HKUST Finmath, CUHK RMDA
- 项目官网：
- pre-requisite, admission statistics, career report...
- 最官方最整全
- 从官网描述中感受项目风格
- 可以参考各大 MFE 项目公布的录取学生的 resume book:
- 学长学姐交流 - 同校学长学姐 & 该项目学长学姐 ｜ 领英，小红书
- 一亩三分地 - 面经，项目评价，美国就业市场评价等
- 小红书
- 信息很新,在准备Kira的时候可以先等等别人post题目
- 较杂较碎片，小心中介制造焦虑
- Quantnet tracker: - 全球的MFE application information.
- Notion - Information management
- Easy to manage, update and share
- 学长学姐整理好的模版
建议上的课程：
- 量化水平提升：QTIA 修课建议 （建议重点参考）
- 数学：微积分*2，线代，最优化，概率论，常微分，偏微分，数学分析，数值分析/数值方法，随机微分等
- 统计：概率统计*2，随机过程，随机模拟，时间序列，回归分析，统计推断，机器学习，深度学习等
- CS：Python，C++，数据结构，数据库等
- 金融经济：财务管理，微经，投资组合管理，期权期货，固定收益等
Credit to Songhao (MIT MFin)，仅供参考：
一些有用的资料链接：
- TOEFL: 105+【口语高会有加成】
- GRE：155+ 170+ 3.5+ 【尽量早考】
GRE 经验分享帖
托福口语tips分享三天速成23-27
- 保证语音语调的起伏和轻重音，尽量避免为了追求速度蒙头狂说
- 流畅度比语法更重要，避免卡顿和突然说中文
- 申请中的重要程度：对于MFE而言一般
- 基本配置：2封学术（课程）推+1封实习导师推
- 时间：建议大三暑假开始要，部分教授会有推荐信人数限制
- 怎样要推荐信：
- 上课积极发言/课后问问题给老师留下印象; 该课A/A-
- 尽量挑有做project的课
- 要推荐信前小心黑推
- 列个表格方便及时更进
-
实习
- 国内私募：体量大小在申请委员会看来没区别，工作内容>公司
- 外资：外资实习是一个有竞争力的点，即使岗位与quant不那么相关
- 如何找实习？
- 海投 | 实习僧，boss直聘，各大公司公众号，QTIA公众号，HFA公众号
- 买方找实习成长路线：编程比赛/科研/小私募实习/卖方券商研报实习 -> 中等体量私募实习 -> 百亿私募实习
- 如何找实习？
-
科研
- 方向：机器学习/深度学习/运筹优化等
- 主要作用：体现research和coding的能力
以下列出部分 2024 fall 的 MFE 项目的面试内容（往后可能会调整）：
- Princeton MFin：Quant Assessment + 两轮真人面试（行为+技术）
- Baruch MFE：Quant Assessment + 两轮真人技术面
- UCB MFE：Kira 抽题录制（较固定） + 一轮真人技术面
- CMU MSCF：提前给题目三次录制机会 + 一轮真人行为面
- MIT MFin：录制两个 video，一个自行上传一个随机 Kira + 一轮 Quant Assessment (水) + 一轮真人行为面
- Columbia MFE：填完网申后跳出 Kira 面，三个行为面试题，一次准备+录制的机会
- Cornell MFE：填完网申后海发 Kira 面，五个行为面题，一次机会，无准备时间
- UChicago FM：三个 video 问题，时长要求不同，自行录制上传
- NYU Finmath：一个 5min 的长 video 录制上传
- NYU MFE：挑选一个指定问题并录制上传 video，无其他面试
面试形式常为：
- 录制 video 上传
- Kira 机器面试。录制比较简单基础，Kira 面试类似 TOEFL 的 Speaking 部分，绝大多数考察基础的口语表达能力，只要不是讲的太差都不会有太大问题。
总体的一些注意事项：
- 注意着装，看镜头，不要读稿
- 注意光线，环境安静，如果有后期空间可以自行调节亮度
- 容易紧张或卡壳可以降低语速，并搭配手势
真人行为面包括 CMU，MIT，GaTech 等，其内容风格和占比权重各异：
- CMU MSCF：淘汰型面试，大规模发面试，但是只选择少部分人录取。面试题目固定，在整个评核中占比不高
- MIT MFin：真人行为面占据绝对比重，面试官评核方式主观不可控，面试淘汰率超过 75%
此处重点介绍 MIT MFin 的面试准备 tips，部分内容 credit to Eddie (MIT MFin)：
- 面试最重要的是展现你的energy，你需要足够自信
- 注意房间的回音、收音、光线问题，本人就直接被面试官指出耳机有电流声（麻
- 开场时面试官会习惯性的开一些small talk，不要过于紧张，让自己看起来自然一点
- 对方大概率并不理解你简历里面的terminology，学会把专业性的东西用简单的语言表达
- 描述一个project时，内容具体外，使用总分总的逻辑表达，并和soft skills挂钩
- 注意面试的flow，适当的增添对话引导。能够逗笑面试官是一件很加分的事情
以 Baruch MFE 和 UCB MFE 的技术面中考察的内容的难度和频率，对课程进行主观的分类，星越多表示技术面中越常见/重要：
- 微积分 ⭐⭐⭐⭐⭐：求导，隐函数求导，一元和多元积分，多元积分换元
- 线性代数 ⭐⭐⭐⭐⭐：特征值，trace，正定矩阵
- 概率 ⭐⭐⭐⭐⭐：期望，MGF，正态分布
- 期权 ⭐⭐⭐⭐⭐：BS 公式，Dividend 影响，Greeks，Convexity
- ODE ⭐⭐⭐⭐⭐: 一元二次齐次 ODE
- 编程 ⭐⭐⭐⭐：Python，Pandas，C++
- 回归分析 ⭐⭐⭐⭐：OLS回归，模型假设，异方差性
- Brain Teaser ⭐⭐⭐⭐：参考绿皮书和黄皮书，通常和概率一起考察
- PDE ⭐⭐⭐：如果没学过一般不会问
- 数值分析 ⭐⭐⭐：往年主要问 Newton method
- 机器学习 ⭐⭐⭐：有机器学习背景可能被问
- 时间序列 ⭐⭐⭐：学过这门课可能被问，如 ARMA 公式和原理
- Economics ⭐⭐：遇到过问对美国市场的了解的，道指和标普
- Live coding
我们认为技术面考察的内容：
-
Reactions to one problem
- Thinking patterns
- Thinking perspectives
-
Understanding of basic concept
-
Communication ability
- Make sure you fully understand the question. If not, ask immediately.
- It’s ok to tell them you don’t know and ask for hint.
- But make sure your thinking is a bit faster than the interviewees.
- Tell them all your thinkings or even guesses about this problem and they will guide you.
-
记得写follow-up thank-you letter
- 校友面试：UCB MFE的技术面试整体比较简单。面试官会根据你的背景寻找比较匹配的校友。比如如果你的ML经验比较多，就会偏向找机器学习工程师的校友面试你；如果你的背景是纯金融，那么他们也会找毕业后没做quant的校友，比如去KKR的校友面试你。
- 面经和题目：整体而言网上面经的参考价值不大，不同背景的问题从衍生品到机器学习到甚至fama-french factor model都可能问到。可以预料的是一些基础的线代、积分、衍生品的题目，只要都复习到了问题就不大，但是也有例外情况，比如本人就被考了一道算法题，并且给了三次hint都没有答出来…… 大概是从一堆0,1矩阵中寻找最大固定尺寸的子矩阵使得包含最多的1的方法，使用recursion求解。不过最后面试还是过了，因此不用太过担心这些比较偏门的题目。
- 面试口音：UCB很多的面试官是印度人，这就导致整体对话可能会进行的比较艰难，因此需要提前做好心理准备。本人当时就到了甚至需要在聊天框打出来说的是什么的地步了……
- QBA：
- No cutting edge
- Only a tool for them to know you better
- 时间：45分钟；形式：填空题；zoom中统一考试；考点范围
- Open book, Open internet, Chatgpt is not allowed; 考完即出成绩
- 考前会有专门说明会
- 切记勿外传qba题目，一旦被发现直接拒
- 第一轮：
- 第一轮不同的面试官的风格比较大。
- 共同点：
- 教授们人都很好，答不上来会一步一步带着你做题
- 会在做题过程中注重基本概念的考察
- 基本配置：(编程题) + 概率/数学题 + 期权题 + Q&A
- 结束的时候可以问是否会recommend 你
- 建议复习方法：
- 绿皮书+黄皮书
- Calculus I & II, Linear Algebra, Statistics等的过往课件 （因人而异）
- 该教授在网上的面经和他写的书
- 在第一轮第二轮申请批次中，你会提前知道面你的教授是谁；在第三轮第四轮申请批次中，你不会提前知道面你的教授
- 面完之后不要在小红书上po面试的问题
- 第二轮:
- 基本配置：c++概念题+概率/积分/线代/脑筋急转弯+（期权题）+ Q&A
- 建议复习方法：
- 绿皮书+黄皮书 (黄皮的边角料注释也不要放过)
- A Primer for the Mathematics of Financial Engineering (basic concept about Calculus) \ & A Linear Algebra Primer for Financial Engineering
- 基础概念和定理
- 例子
- Dan面经
- Tips:
- 建议尽早投递。r3r4面题目明显比其他r1，r2的同学面试难很多。因此准备好了就尽早的投递。
- 说清楚思路。任何任何思路，想到就说，对错无所谓。如果Dan看到你的思路不对，可能会move on，也可能会给你一些hint。哪怕是最简单的，比如考虑一种特殊情况下的分类讨论，都会比什么都不说好。
- 个人感觉Dan面试的时候比较亲切，语速还行，不用太害怕
- Think fast, move fast。 面试时间只有30min，Dan不希望你坐在那里一直思考，他想过尽可能多的题目。因此，你需要给出非常快的feedback，并且根据他的hint及时的调整你的做法。
- Dan喜欢把一些我们默认的“常识”问到底 - 准备的时候可以多问自己为什么
- 提前准备Q&A问题 - 不要问他能不能被录取
-
Mandatory Math Assessment - 难度一般 Brain teaser, Linear Algebra, Ito’s Lemma, Calculus, probability & statistics
-
第一轮：职业发展中心负责人行为面
- 主要考察的内容：
- 个人背景
- why program? why quant finance?
- introduce your internship at xxx company
- 面对压力的临场反应
- 语言表达能力
- 将自己的各类经历灵活串联起来，切题回答
- 分点回答，举例时说清楚起因经过结果
- 偶尔会要求你介绍简历文书中出现的专业名词，小红书上有人反馈被问了 brain teaser & 数学题
- 个人背景
- 可以提前准备的内容
- 文书，简历中的所有细节
- 个人突出的品质/特点，优缺点
- ethical dilemmas
- 参考小红书，一亩三分地上的面经
- 面试过程中最重要的
- 自信的精神面貌
- 迅速作出应答
- 保持微笑 & 适当的手势
- 第二轮：校友技术面
- 因人而异，有的校友喜欢出题做，有的校友喜欢深挖简历。可以提前去领英了解校友的工作经历，作出针对性准备
- 熟悉简历中每一项经历的技术细节
- 准备好接受面试官对简历上经历的质疑
- 回测方式是否严谨有效？
- 是否满足模型假设？ 准备好被问到简历中提到的技术概念
- what is xxx Model?