- UID
- 1415230
- 在线时间
- 小时
- 注册时间
- 2019-8-15
- 最后登录
- 1970-1-1
- 主题
- 帖子
- 性别
- 保密
|
收到伯克利的面试邀请真的好开心呀!分享一下热乎乎的面经~
【总结】
官方说面试大概是30分钟,楼主前面那个同学面了30分钟,但楼主自己面了差不多1个小时(可能是因为楼主经常不能get面试官想问的点,就需要用蹩脚英语和面试官沟通想法,所以面的时间就挺长的)
根据往年面经和我昨天的亲身体验,面试问题主要关于你CV上提到的相关课程、实习,不同背景的人(纯商科/工程/数学……)面到的问题很不一样,所以别人的面经大家参考一下就行了,不用特别较真。像我之前在地里看到很多面试都喜欢问BS模型、call /put option,但因为楼主是工程背景,就完全没有问到这些知识。所以大家最最关键是把自己CV上列出来的相关课程熟悉一遍,面试官完全就是看你写了啥课程就问你相关内容的!比如说我写的微积分、线代、计量经济学、C语言就都问到了!
还有!很重要的一点是可以提前去linkedin上看看面试官的背景,这样就可以自己脑补一下面试官会对你的哪一方面什么感兴趣。楼主CV里面有两段机器学习的科研,而且我看到地里有些面经说面试官会问machine learning相关知识,但是我在Linkedin上看到面试官是Economics背景的,所以我估计他不会问我机器学习的概念、算法问题,最后证明楼主的猜想是对的!所以知己知彼很重要哦~
另外还有一点就是,尽量不要埋头计算或者埋头写模型公式写完给面试官一看就完事,要努力边写边给面试官介绍(用英语表达数学公式和概念真的好难,楼主本来以为自己托福口语有25已经蛮不错了,结果面试的时候讲英文照样呃呃啊啊,不过没关系一定要大胆讲,真诚交流最重要嘛!)
【面试题】
1. walk through CV,就主要讲讲自己学过哪些课,做过什么相关实习
2. 一道积分题
3. 矩阵特征值、特征向量怎么求,楼主回答的时候把特征向量求法[λ*E-A]X=0里的X向量给漏了,面试官提醒了才想起来,丢人(结果面试官居然说我已经是他今天面试的人里面能答出最多内容的了??!!!)
4. 线性回归最基本的表达;以及线性回归的基本假设(主要是误差项均值为0,并且同方差)
5. OLS相关问题(但楼主太菜了不太能get面试官的意思,说了一大堆OLS具体原理计算方法,最后都没答到点上)
6. 指针的定义,指针内部装的是value还是address(特别特别基础,我本来以为会问冒泡排序/快排啥的;另外我还学过OOP Java,不过因为面试官学的是C++没学过Java,所以就说不问我OOP了)
7. 因为CV里面提到了Fama-French模型,就让我写一下模型公式,解释一下变量含义,还有变量计算的方法
8. 因为CV里面提到了win rate,就问我那个项目里面胜率具体是怎么计算的
9. 如果你是投资经理,并且你能够预知各种资产的α和β,请问你选择怎么样的资产(我一开始讲了要看投资者不同的投资需求,比如是pension的话就买低风险的,收益不是很高也没关系;后来反应过来他是想问我对α和β含义的理解)
10. 问我还有什么他没问到但是我想告诉他的,我就介绍了自己金工实习里的一个project,里面用到了OLS、假设检验、虚拟变量、T检验,然后面试官就问得超仔细,问了具体有哪些假设、数据怎么来的、原始数据怎么处理成变量的,把这个项目里具体用到的OLS回归式写出来,介绍数据怎么带进回归方程的,假设检验怎么搞的,然后T检验拒绝/接受域的大概形式是怎么样的(最后问了T值大于某个临界值,是拒绝还是接受假设,超级基础的问题,结果楼主讲着讲着把自己绕晕了,然后就说反了,哭)
11. 最后问我有什么问题想问他的,我就根据他Linkedin上面的实习经历,问了一些金工具体研究方向选择(基金研究/trader这种)的问题,还有工作中用哪种programming language比较好
其实问到第9题的时候已经面试了30分钟了,结果第10题问得超级细,最后加起来就面了1一个小时~
写得好长,感谢大家不厌其烦读到最后哦! |
|