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、 金融科技、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 40W+ 关注者，曾荣获AMMA优秀品牌力、优秀洞察力大奖，连续4 年被腾讯云+社区评选为“年度最佳作者”。

求职者分享了在2022年7月至2023年2月为期6个月的求职过程，主要申请了量化分析师、研究员和开发等职位。申请的公司几乎全是买方机构，如对冲基金、资产管理公司等。期间共提交了400多份申请，绝大多数集中在伦敦，其余分布在美国、欧洲和亚洲。

其中约30至35个申请得到了积极回应，表现为收到在线评测链接、第一轮面试邀请或获取更多信息的询问。然而，最终仅收到1个职位的录用通知。最漫长的申请流程有至少8轮面试，最短的申请流程为3轮面试。求职者在面试中总共花费了80小时，并且在Take-Home任务上花费了22个全天的时间。 量化投资行业的职位竞争非常激烈，进入这一领域需要高度的能力和耐心。

申请流程通常包括5到9轮面试。首先是简历筛选阶段，通常由人力资源部门进行，持续1轮。接下来是在线评估或Take-Home任务，主要测试数学、数据处理和编程能力，这一阶段通常为1到3轮。然后是技术面试，通常为2到4轮，考察典型的量化面试问题。最后是人力资源面试，主要评估求职者的文化适配性、行为能力以及非技术性的个人素质，通常为1轮。

面试的内容涵盖多个领域。数学部分包括概率与统计、思维训练题以及金融数学（如期权理论）。数据、机器学习和交易部分则关注数据处理、一般的机器学习应用以及交易的基本概念。编程方面主要考察数据结构与算法、面向对象编程原理以及语言特定的技术问题。面试通常会跨越这些领域，期望求职者能在各个方面表现出均衡的能力。

分享几个值得大家参考学习的环节：

某对冲基金公司安排了两轮编程评估，分别是Take-Home任务和Pair-Coding环节。Take-Home任务是一个有趣的实际问题，求职者需在Jupyter Notebook中提交并展示解决方案，这考察了在实际工作中 解决 问题的能力。 Pair-Coding 环节则更加有趣，与一位友好的高级工程师一起，求职者通过推导基础排序算法来完成任务，这不仅加深了对编程的理解，还提升了团队协作技能。

此外，求职者还经历了与资产管理公司的一次长达三小时的第一轮面试，该面试讨论了个人背景、过去的工作经历、编程能力、概率和统计知识等。面试中的主管表现出浓厚的兴趣，并热衷分享更多信息，而求职者也展示了自己对如何融入团队的热情。最后，求职者在Take-Home任务中复现了对方的一种方法论，并加入了自己的创新思路，表现出了独立思考和创新能力。

当然也有一些挑战和不足之处。首先，在与对冲基金的最后一轮面试中，由于轻敌，求职者未能通过面试。在与公司的关键高层面试时，面试官提出了有关公司交易产品的技术性问题，求职者本应提前通过网络查阅相关资料，但由于准备不足，未能满意地回答这些问题，最终未能获得录用。

另外，在资产管理公司的面试中，求职者为了完成Take-Home任务，花费了整整7个工作日的时间，超出了公司预期。尽管招聘团队对其付出的努力印象深刻，但由于后续技术面试中的其他问题，求职者最终未能通过第8轮面试。这些经历提醒求职者 在面试准备过程中，既要确保全面的知识准备，也要避免因过度投入某一部分而影响整体表现。

在求职过程中，也遇到了一些令人沮丧的情况：

首先，尽管一些公司通过LinkedIn查看了求职者的个人资料，但并未给予回应，这让求职者感到失望。其次，某对冲基金在圣诞节之后遗忘了求职者的申请，尽管曾承诺会跟进，但最终没有任何后续行动，给求职者留下了不好的印象。

此外，某职位的招聘被公司无限期搁置，这与2022年末至2023年初科技行业的裁员和招聘冻结有直接关系。求职者在经历了3轮面试后，仍未能继续推进，面临职位被冻结的困境。这样的经历凸显了外部经济环境对招聘流程的影响，也提醒求职者在求职过程中可能会遇到的一些不可控因素。

在求职过程中，也有一些改进的空间：

首先，求职者意识到可以更好地利用LinkedIn的联系人和网络，但由于性格内向，未能充分发挥这些资源。此外，求职者也觉得可以主动联系行业内的人士，这样有助于了解行业动态和机会。