干货 | MFE求职完整攻略
►攻略内容概览：
前言
导师背景
职业规划方向
申请要点
求职准备
►前言：
攻略开始前还是先来一组开学前后内心OS对比。
开学前的我：自恃top MFE的学生，数理基础扎实，熟悉C++，python，SQL，Matlab，找工作肯定没问题。
咦，怎么有些人开学前就开始刷题了？这也太拼了，像我这样的candidate，公司绝对抢着要好吧，不用这么拼。
看了下项目的就业报告。哇，上一届的学长就业率太高了吧，平均起薪太高了吧。那我更没问题了。
开学后的我：什么？某某某是奥数金牌？某某某是奥物银牌？我是不是进错房间了？
某某某leetcode已经刷了100+道题了？等等，什么是leetcode？
怎么刚开学，公司面试就来了，我什么都还没准备呢啊!
唉，怎么连XGboost的每一个iteration的objective function推导都会考
为了避免以上“理想很丰满，现实很骨感”的尴尬，今天就由PH求职的Frank导师带大家深入了解一下到底该如何去准备申请MFE相关岗位。
►导师背景：
Frank导师：我个人在研一刚开学时，在申请初期，因为没有采取合理的申请策略和技巧，颗粒无收。而且很多心仪公司的面试都没面好，且很多公司是一年只能面一次，成本极高。
好在最后，还是拿到了NY top3 投行的quant research的intern。在找full time的时候，也拿到了NY top asset management的quant research，NY某high frequency trading firm的quant research的offer，为研究生的求学生涯画上了一个圆满的句号。
能在申请季，成功收获我自己非常喜欢的position的offer，除了幸运之外，掌握适当的申请技巧是非常重要的。为了避免后人少走我走过的弯路，我希望分享一下我实习，工作的经验，希望可以帮助到大家。
很多人认为想要拿到面试，简历上必须堆叠若干个相关实习，罗列若干个直接相关的课程，我觉得这是一个误区。
对于target program的学生，一段相对比较相关的经历，几门核心的理工科必修课，就足以拿到面试。对于这些学生，重点是如何在简历上最好的去present你的最相关的实习经历，和熟知你的这段实习里的every single details。
盲目的堆叠经历并不一定是一个很好的事情，因为每次面试你都要准备多段实习的细节，这个工程量也是非常大的。
对于non target program的学生，想要打动HR发面试，确实是需要多段非常相关的实习经历，合适的referee。
但是不要担心，合理利用你所在地方，学校，项目的资源，到美国之后再进一步丰富你的经历也不是难事。
►职业规划方向：
求职的第一步当然是知道自己要什么。
鉴于北美日渐艰难的求职市场，我建议同学们的思路是看看自己的简历适合什么样的方向，而不是说自己真的喜欢什么方向。
先survive，之后有的是机会再做打算，如果都没有survive，那就没有之后了。
当然在投简历的时候是可以海投的，但是最好制作一个excel，知道哪些公司的职位要求跟你之前的经历非常match。
如果某个公司是你的priority，当多家公司的面试在一段时间内比较集中时，你要把主要精力放在你的priority上，在把你的priorities准备得非常好的情况下，再去分配精力去其他的岗位。
我接下来会从自身的经历出发，讲解一下如何找到属于自己的定位。
- Buy side or sell side
所谓buy side就是management, hedge fund, market maker, 也可以理解为是买产品的一方。
无论是衍生品，期货，股票，你都可以理解为这些其实都是投行发行的产品。
Buy side面试相对于sell side面试来说简历会面得更加细致，你实习时做project的逻辑，reasoning，你这么做的pros and cons，等等。
在面你课程和skill set相关的问题的时候更倾向于问你更少的题目，但是每一道题目当你答出来一问之后，会在深度上进一步拓展问你follow-up question，问到你不会为止。
工资方面，buy side普遍会比sell side高。具体数值，很难给出范围，因为buy side的工资组成有很大一部分是由你的bonus决定的。bonus是由你的策略表现决定的，如果你的策略performance非常好，bonus 1million+也是有可能（我身边就有这样的例子）。
所谓sell side在MFE求职中基本指investment bank.
sell side面试比较倾向于问你一些跟简历无关的，但是跟你的课程和skill set比较相关的问题。
Brainteaser也是sell side的大爱。这个面试特点其实是由sell side的特点决定的。Sell side有自己系统的入职培训，所以并不需要你之前有相关的背景，因为无论如何你都会被再重新train一遍。
工资方面，投行的quant大部分起薪是125k左右，年终的bonus根据你的具体position而定，一般情况来讲，front office bonus最高，back office最低。
确定buy side/sell side这个大方向是最重要的。因为在求职的过程中，这很可能是你唯一可以选择的方向。
现在大的投行在招intern的时候，都是一个统一的quantitative analyst program，并不会在这个层面细分方向，当你被录取之后，分组也是HR根据各组的情况分配的，可能不在这整个过程中至少不会在一个主导地位。
当你选择buy side之后，除了management，hedge fund和market maker（也就是high frequency trading），在招聘过程中都是极其selective 的。如果你不是超级大神，这个方向的面试大概率会拿得非常少，拿到之后更不会说去挑方向，只要有就都需要去好好准备面试。
- 选具体的position
Buy side：alpha research, portfolio optimization, execution, data scientist, 等等。
Sell side：risk analyst, interest rate quant, emerging market quant, e-trading quant, 等等。
Quant的求职面涵盖其投行、对冲基金、高频交易，资管、金融科技五大金融精尖行业，囊括了Quant Researcher、Quant Developer、Risk Analyst、Data Scientist等多种岗位，可以根据自己的简历结合兴趣去选择合适的岗位。例如：
- Quant Researcher做金融相关的量化策略编写、模型定价、风险控制等，数学和统计要求比较高。
- Quant Developer开发和测试量化交易系统软件，实现策略代码实盘运行，跟程序员几乎无异。工作岗位集中在券商和期货公司的金工组或者IT部，商业银行的金工组，公募和私募基金公司，量化交易平台互联网公司以及软件公司。
- 自营交易员（用公司的资金做交易的人）
- 机构，买方，基金经理（用别人的钱做交易，做出决定或设计系统，不一定负责执行交易）。
- 机构，卖方（例如投资银行的期权交易者，使用银行资本但不是主要的风险承担者）。
►求职申请要点：
流程：找公司 -> 投简历 -> 找人refer -> 准备面试，面试，面试…
1）提前准备
在开学前就可以开始准备。
因为很多公司在项目刚开学的时候就会去项目里抢人，如果你准备得没有你同学充分，可能机会就要拱手让人了。
数学方面，最重要的probability，linear algebra。统计方面，数理统计一定要烂熟于心。Algorithm方面，多刷leetcode，基本算法的各种时间复杂度，空间复杂度， data structure的pros and cons一定要很熟悉。
2）Opportunities note
建一个excel，确保你已经保存你已经search过的机会，包括职位名称，open时间，可以potentially要refer的人的linkedin链接，是否已经投递。
当你投的职位非常多的时候，这点是很必要的。保持organized，可以让你效率倍增。
3）Resume note
准备一个resume note，把跟你的简历有关的所有细节，思考，reasoning，你实习时做法的pro and cons, 知识点都写在上边，每次面试前读一遍，对你面试会有非常大的帮助。
特别是如果别人问你简历，你会非常清楚你的project，以及其中的细节。
可能有些人会觉得在面试时，brainteaser，或者一些数学，统计的问题是最难的，其实能把你的简历说清楚才是难上加难。大部分的求职者，简历根本禁不住细细推敲。
4）Referral
Refer在现在这个竞争日渐激烈的求职市场变得越来越重要。
一般来讲，如果你所在的program是大行的target program，在投投行的岗位的时候，你可以不必纠结referral的问题。有最好，没有也没关系。Target program的简历，大行还是会好好看的，如果你的background足够match，拿面试不是什么难事。
如果你想拿buy side的面试，refer是非常重要的，没有refer，应届生基本拿不到面试。这就需要你积极的network学长，和一些在职人士。只要语气谦和，展现出你对这个position的热情，并且比较有条理的说明你的skill sets是如何match这个position的，拿refer并没有想象中那么难。
注意利用好校友资源，甚至是part time学生的资源。有些part time的学生很可能就是你相投的某个hedge fund的职工。
►MFE求职准备：
但是，想要混得好，不能只靠最开始的学历！虽然来自Top MFE项目的毕业生基本可以保证一份金融领域的工作。当然，也仅限于凤毛麟角的几个大学（如卡内基梅隆、巴鲁克、普林斯顿）。这些项目要么声誉够好，要么学校资源、Career Service够好，要么校友给力。这些项目的毕业生无论在北美还是回国，发展都很好。
在前些年，MFE的program还没有特别多。现在大家去瞧瞧，美国哪个学校没有MFE啊，而且现在越来越多中国年轻人为了短平快的找工作，都自费去读那些专业。
其实我们行内的都了解，那些基础不是特别好的同学，开始可能就业比较容易，因为工作职位多，竞争也少，可是这些年积累下来，再加上MFE毕业生越来越多，华尔街上的工作形势又那么差，所以很多MFE找不到好工作也是正常。不过比较Solid的PhD还是很容易在街上找到工作的。
因此，你需要持续学习，拥有许多技能才能进入投行的视线。
- 编程语言方面
今年最火的要属Python了，原因大家都知道。但是不能代表其他语言都不用了，一些公募还在用SAS，包括R、MATLAB等照用不误。
- 数据接口
除了编程，作为Quant，最避不开的就是和各种主流数据库和API接口打交道；如果因为某些原因而无法使用完善的API接口，从数据库里调用数据也是很花功夫的。
- 其他软技能
你必须有很强的好奇心和持续的兴趣，深入挖掘新想法和新技术，从而为不断出现的复杂问题寻求可能的解决方案。比如很火的AI与机器学习。
现在，很多量化机构将人工智能和机器学习与量化策略相结合。国内的一些顶尖私募，比如：九坤、幻方、朱雀等都在使用机器学习量化策略，从各大公司的招聘公告上也可以看出这点。海外的大型对冲基金公司更是如此。
►结语
PH求职会继续不忘初心！用最一手、最专业的信息与态度帮助大家用最触手可及的成本去最优化申请效果！