我们正在积极接受全方位的职位申请，申请人之间的竞争十分激烈。但是，如果你有信心回答或编程解答以下的一部分或全部问题，请向我们发送你的简历和答案，或者原创几道问题并告诉我们你的答案——须知正确地提出问题有时比解答问题更为重要。

这些问题大部分都不能在其他地方找到。其中有些较为困难，只有顶级的对冲基金可以回答。当我们启动招聘流程时，将陆续处理所有申请。当然，你在我们的面试中会遇到更多有趣的问题：） 如果提交代码样本，我们建议使用Python。

本页面的末尾提供了一个准备金融面试的典型图书清单，可以作为茶余饭后有趣的消遣活动。

 

脑筋急转弯：

  1. 如果你是无所不能的神，你能造一块自己都举不动的石头吗？这意味着什么？
  2. 你的基因在子孙后代中传播有多快？如果可能的话，需要多少代才能覆盖全人类？估计一下此事发生的概率。提示：不妨反过来想想，一千年前你的祖先究竟有几人？
  3. 你认为AI奇点何时发生？我们能否设计并真正控制一个强人工智能？怎样才能办到？
  4. 我们都为了追求什么而活着？归纳分类所有人生目标。提示：种类并没有你想的那么多。学者，商人，医生，政治家，牧师都做些什么？我们是否有哪些共同爱好或是对什么上瘾？电子游戏玩家在虚拟世界里中都追求什么？有什么模式或者共同点吗？
  5. 如果能够把你的一切思维活动，包括意识，知识，记忆，个性等等全部上传到互联网，你会想做些什么？如果每个人都可以自由地做到这一点，社会形态将会如何演变？进一步地，如果这个过程是永久性的和不可逆转的呢？
  6. 如果一种致命的病毒会消灭10岁以上的所有人群，会发生什么情况？如果成人们还有1个月的时间，需要教给我们的孩子的最重要知识技能是什么？ 如果还有3个月呢？一年呢？
  7. 失去阳光之后，人类能够生存吗？如果可以，怎样才能办到？如果不能，我们能坚持多久？简单起见，让我们假设太阳只是永久性地变暗了，没有任何其他变化。进一步地，如果太阳突然完全消失了，会怎么样？
  8. 想象一下，假定每个人都有永恒的生命，社会形态将会如何演变。具体地说，我们假定没有疾病、水源、食品一类问题威胁人类的生存，但诸如飞机坠毁、车祸、谋杀、陨石坠落等事件仍然是致命的。提示：我们将怎样维持现状并保持整个世界正常运行？我们还会繁衍和进化吗？长寿究竟给文明带来什么？婚姻，家庭，财富积累，税收，政治，战争和宗教将会如何演变？永生的实现时间会影响你的答案吗，例如100万年前，5000年前，今天或是5000年以后？为什么？
  9. 太阳正在死去，我们必须将整个星球移动到4.2光年之外的阿尔法半人马座。你是地球首席科学家。不知你有何计划？进一步地，如果可能，我们如何才能在漫长的旅程中生存下来？会遇到哪些挑战？
  10. 一个敌对的外星舰队正从深空向我们进军！他们的旗舰与地球一样巨大。这是他们的全军总指挥，有可能是一个弱点。你是握有人类文明全部资源的最高军事指挥官。从今天开始，我们有几年时间做准备。你打算如何防守或反击？
  11. 你会如何解释费米悖论—— 宇宙惊人的年龄和庞大的星体数量意味着，除非地球是一个特殊的例子，否则地外生命应该广泛存在。那么，为什么我们没有看到任何地外文明的证据，例如飞船、探测器或电磁信号？
  12. 试回答李约瑟难题——尽管中国古代对人类科技发展做出了很多重要贡献，但为什么科学和工业革命没有在近代的中国发生？
  13. 我们的宇宙有可能正在被一台超级计算机模拟吗？为什么？提示：如果你有一台这样的计算机，并且想要模拟生命和文明的起源和演化，那么创造世界之前首先要问自己哪些问题，或是从第一原理出发制定何种规则？这和计算机的运算能力是否有限有关吗？为什么？
  14. 我们知道外星文明存在于某个坐标中。这就是我们所知道的全部，而他们并不知道我们的存在。我们应该怎么办？如果他们距离我们数百光年之遥呢？如果我们知道许多外星文明的存在，但他们并不知道我们的存在呢？
  15. 想象一下，如果每个人都可以即时读取他人当前的思维活动，社会形态将会如何演变。考虑这一形态下战争、政治、腐败、家庭、经济、比特币、以太坊将会如何。后续问题：如果我们不光能够读取他人当前的思维活动，甚至也能读取所有记忆呢？这会带来什么区别？
  16. 如果继续行驶，一列火车将轧过5个人。如果你将它重新定向到另一个轨道，将只牺牲一个人。你是列车调度员。你会怎么做？为什么？提示：从道德、法律、效率的角度考虑是否会有不同的结论？如果是在引爆核弹头和牺牲一个人之间进行选择呢？你必须做出选择，并且没有第三种选择。
  17. 一个非常先进的外星人文明（卡尔达夫规模II型）承诺提供许多远远超越我们时代的技术，但作为代价，每项技术必须牺牲一个送到他们飞船上进行实验的人。你是地球参议院议长。你该怎么办？假设外星人是中立（没有任何敌意）和具有高度荣誉感的种族，并且始终信守承诺，但是所有送上飞船的人类都会死去。注意：你的决定将在未来的许多年里对人类文明产生深远的影响。
  18. 阿尔弗雷德·诺贝尔发明了炸药，因为他认为如果存在一种强大的杀伤性武器可以瞬间消灭两军，就不会再有战争了。你同意吗？提示：考虑一下核武器和冷战。此类战略平衡是否稳定？随着人类技术持续进步，是否存在任何潜在的危险？你的解决方案是什么？
  19. 你击败了所有的对手并最终登上了幅员辽阔的罗马帝国的王座。现在你是皇帝和一支强大军队的最高指挥官。然而，你实际上借鉴了许多来自未来的知识，因为你在现代世界（公元2018年）获得了历史和计算机工程学双博士学位，并设法在时间旅行中保留了全部记忆。现在是时候向世界展示你的其他实力的时候了。首先，你希望尽快搭建出世界上第一台计算机原型。但是怎么才能做到呢？提示：最基本的现代计算机可视为数百万个逻辑门的集合。每个逻辑门执行下列运算之一：与，或和非（或者它们的某种组合，但简单起见我们只考虑这3种逻辑运算）。后续问题：很不幸地，你不太记得后世发展起来的材料科学细节。那么你该怎么办呢？

金融：

  1. 你认为阿尔法（alpha）的本质是什么？根据你的定义，阿尔法是否存在？你喜欢什么类型的阿尔法，并认为此种阿尔法可能持续存在？
  2. 你会如何设计一个基于数字货币的期权？这其中存在哪些挑战？股票的期权策略是否同样适用？你预计收益会更好还是更差？为什么？
  3. 你将如何处理和优化投资组合风险？
  4. 一些券商不会就你的股票现金账户中的交易量收取固定或某个成比例的费用（在不借入保证金或使用杠杆的情况下）。他们还能够获利吗？怎么实现？
  5. 如果你在加入交易成本之前有一个能够盈利的策略，但加入交易成本之后就没有利润了，你还能盈利吗？为什么？
  6. 研究交易策略的文章最常犯的错误是什么？为什么？
  7. 你找到了一个用来交易前20市值数字货币的策略。你会如何改进它？
  8. 你发现了1000个历史回测表现良好的数字货币交易策略。你怎么知道你的做法是正确的呢？如果你不能依赖任何实盘数据呢？
  9. 金融证券的波动是一个鞅（martingale）吗？为什么世界上绝大多数市场长期趋势向上？他们最本质的风险敞口（risk exposure）是什么？
  10. 如果你的策略一段时间内没有收益，你会怎么办？如何解决或处理市场格局的演变（regime change）？
  11. 有传言说全球热战即将到来。你会怎样保护你的资产？金融市场（股票，商品，数字货币及它们的期货）会怎么样？
  12. 有流言说一台强大的量子计算机将很快被部署用于商业用途。这将会在社会学、经济学和金融学层面带来哪些后果？
  13. 如果有人声称自己拥有一百万个阿尔法（alpha），那么你首先想问的几个问题是什么？你真的需要这么多的阿尔法吗？为什么？这个世界上真的有那么多阿尔法吗？如果不需要进行样本外测试（out-of-sample test），你能够仅仅通过历史回测找到这么多的阿尔法吗？怎样才能做到？需要多长时间？你认为它们实盘交易的成功率如何？
  14. 假设你确实找到了一百万个阿尔法，尽管其中一些看起来很可疑，有些可能实际上的确行得通。你会如何挑选并合并它们？提示：你需要使用哪些指标对它们进行适当的组合？你预计历史回测和实盘是否会有差异？你如何避免量化策略研究的一些常见误区？你怎么知道自己挑对了？
  15. 所有泡沫市场的参与者都热衷于寻找下一个百倍标的，特别是数字货币市场。这些百倍币预测中的潜在误区是什么？如果一个人试图预测几十个数字货币在未来几周的表现，会怎么样？纵然他不更改之前的预测，那些单币种预测的截图和分析值得信赖吗？对他而言，为什么会有动力持续发布这类预测？
  16. 如果你经常进行预测，并且许多读者参考了你的交易建议（不一定是完全参照，可能结合自己的判断做出决定），会发生什么情况？如果你只是一个预测能力平平的人，他们会相信你吗？你能想出在某些情况下几乎100%成功率的预测方法吗？当然，不许作弊。提示：像数字货币一样波动率极高并且不断增长的市场中，如果你只提供了一个入场点而没有提供出场点会怎么样？
  17. 为什么可审计或可验证的交易记录如此重要？为什么专业对冲基金总是强调“过去的业绩不能代表未来的基金表现”？他们为什么只接受来自合格投资者（accredited investor）的资金？
  18. 如果一个基金发行去中心化的通证以进行转账和价值储存，会有帮助吗？有什么优点或缺点？你可以想象哪些使用场景？你会如何定价通证？它会高于基金提供的赎回价格吗（如果适用的话）？为什么？数字货币基金应该筹集法币还是数字货币？在P&L计算中，他们应该使用什么货币标准？这对于共同基金和对冲基金有区别吗？
  19. 你会如何挑选合格的基金经理进行投资？换句话说，如果你是CEO，你会如何挑选合格的基金经理和量化分析师来为你工作？

编程建模：

  1. 计算比特币的历史最大跌幅并给出峰值和谷值的日期。统计基于简单（每日相加）和复利（每日相乘）P&L的回撤频率和深度数据。
  2. 通过每天的价格数据计算指定的若干小币种和比特币之间的贝塔（beta）矩阵。提示：每天都会有和小币种相同数目的beta需要计算。如果所有需要的数据都已经事先定义好，那么单独计算这个矩阵需要几行代码？你能改进并让它变得更有效率吗？
  3. 构造一个即时更新（例如每天更新）的、市值最高20只加密货币的收盘价格矩阵。数据可以从CoinMarketCap免费下载。为什么数据的即时性（point-in-time）很重要？
  4. 计算上一年1000只市值最大加密货币的、平均权重（equal weighted）的投资组合的P&L。
  5. 计算我们在数字货币因子综述中提到的一些或所有策略。你能改进它们吗？怎样才能做到？
  6. 用你认为最好的方法构造20个市值最大数字货币的投资组合，或者上题提到的因子组合。
  7. 预测下个月的比特币价格。下周怎么样？明天呢？这样的预测变得更容易还是更难？为什么？你可以量化变容易或更难的程度吗？
  8. 典型的公司行为（corporate action）有哪些会改变股价，怎样改变？它们的处理方式是否可以进行分类？你将如何编程进行处理？后续问题：加密货币呢？都能找到对应的例子吗？举几个例子。
  9. 我们希望在一个100n x m的矩阵上执行n个操作（O1，O2，...，On），即每100行应用一个不同的操作。你会怎么处理？算法可以继续改进吗？如何改进？在阿尔法研究中举几个可能用到这种操作的例子。
  10. 为数据加载设计一个类（class）。提示：你真的需要一个类吗，为什么？什么函数停留在基本类（base class）中，需要进行继承？你是否需要数据存储功能，为什么？怎样才能做到？如果要加载的数据很大并超出内存限制，该怎么办？
  11. 设计一个阿尔法或贝塔的类。提示：为什么我们需要一个类？需要实现哪些属性（attributes）和功能（functions）？你是否需要一些对所有阿尔法或贝塔适用的基本配置（configuration）参数？它们是静态的还是动态的？哪些参数适合放在其中？你能对它们进行分类吗？业绩表现的各种指标适合放在其中吗，为什么？
  12. 在阿尔法类中进行交易成本分析。提示：它应该放在什么位置？有哪些交易成本需要考虑？你如何对它们进行建模？你的程序是可扩展（scalable）的吗？如果有大量的数字货币需要分析呢？
  13. 为阿尔法的组合设计一个投资组合的类。提示：你能从阿尔法类中继承什么？是否有哪些功能是缺失的？哪些操作在阿尔法或者投资组合管理中较为常用？
  14. 设计一个系统来检查阿尔法的健康程度和有效性。提示：参阅量化策略研究中的常见误区。你会建议哪些测试？如何实施？测试标准在历史回测和实盘测试中是否会有差别，为什么？如果可能的话，你能把整个过程自动化吗？后续问题：你能扩展这个系统并对数百万个阿尔法进行检查吗？怎样才能办到？
  15. 假设你有一百万个交易模型需要每天进行维护和更新。设计一个可扩展的稳定系统加以实现。提示：什么编程语言和数据结构会是你的首选？你会进行多线程操作吗？具体怎样实现？你将如何设计阿尔法类并进行兼容？

建议书单:

金融：

  • Rishi K. Narang, Inside the Black Box: A Simple Guide to Quantitative and High Frequency Trading
  • Richard C. Grinold,‎ Ronald N. Kahn, Active Portfolio Management: A Quantitative Approach for Producing Superior Returns and Controlling Risk
  • Xinfeng Zhou, Active Equity Management
  • Ramazan Gençay and Michel Dacorogna, An Introduction to High-Frequency Finance
  • Barry Johnson, Algorithmic Trading and DMA: An introduction to direct access trading strategies
  • Ganapathy Vidyamurthy, Pairs Trading: Quantitative Methods and Analysis
  • John C. Hull, Options, Futures and Other Derivatives
  • Riccardo Rebonato, Volatility and Correlation: The Perfect Hedger and the Fox
  • Jim Gatheral and Nassim Nicholas Taleb, The Volatility Surface: A Practitioner's Guide
  • Dennis Wackerly,‎ William Mendenhall,‎ Richard L. Scheaffer, Mathematical Statistics with Applications
  • Steven Shreve, Stochastic Calculus for Finance, I and II

脑筋急转弯和面试基本准备：

  • Xinfeng Zhou, A practical Guide to quantitative finance interviews
  • Mark Joshi, Quant Job Interview Questions And Answers
  • Timothy Falcon Crack, Heard on the Street: Quantitative Questions from Wall Street Job Interviews
  • http://wiki.xkcd.com/irc/Puzzles
  • http://bayesianthink.blogspot.com/

编程：

  • Wes McKinney, Python for Data Analysis
  • Stanley B. Lippman,‎ Josée Lajoie,‎ Barbara E. Moo, C++ Primer
  • Scott Meyers, effective C++: 55 Specific Ways to Improve Your Programs and Designs
  • Scott Meyers, More Effective C++: 35 New Ways to Improve Your Programs and Designs
  • Bjarne Stroustrup's C++ Style and Technique FAQ, http://www.stroustrup.com/bs_faq2.html
  • C++ tutorial, http://www.cplusplus.com/doc/tutorial/

算法：

  • Gayle Laakmann McDowell, Cracking the Coding Interview
  • Adnan Aziz,‎ Tsung-Hsien Lee,‎ Amit Prakash, Elements of Programming Interviews: The Insiders' Guide
  • John Mongan and Giguè, Programming Interviews Exposed
  • William Poundstone, How Would You Move Mount Fuji