UCB金工硕士申请经验

【个人背景】

绩点：3.81/4.00（金融工程主修）辅修：计算机科学与技术托福：105（口语20）GRE：语文156+数学170+写作3.5实习：三段基金公司（详见正文）被拒：卡耐基梅隆大学 CMU 计算金融硕士 MSCF卡耐基梅隆大学 CMU 信息系统管理硕士 MISM 商业智能与数据分析方向 BIDA麻省理工学院 MIT 金融硕士 MFin纽约大学 NYU 金融数学硕士 MSMF哥伦比亚大学 Columbia 金融数学硕士 MAFN录取：加州大学伯克利分校 UCB 金融工程硕士 MFE纽约大学 NYU 金融工程硕士 MSFE哥伦比亚大学 Columbia 运筹学硕士 MSOR

【写在前面】

正文开始之前首先要说明的是，各种申请实际上还是一个黑箱模型，我们只知道输入（个人的条件）以及输出（录取与否），至于其中真正的运算逻辑是只有那个办公室里的人清楚的。不过由于现在各项目的信息愈发公开和前人们无私的分享，我们也能大致推测出一些指标的置信区间。

【前期准备】

1、课程与绩点

作为芸芸众生中的一员，我金融工程主修的GPA是3.81，在班级里可能都20%了吧。万幸的是，国外很多学校处理申请材料是按本科学校和专业分批来审核的，也就是说可能来自武大的申请资料都放一起，而我们班很多成绩很好的同学并没有选择出国，所以3.81在招生办那边看来也许不是那么狼狈。另外，对于金工金数专业，很多项目的申请界面会需要我们再填一下自己的那些数学、计算机相关课程的成绩，而我这些课基本都有90+，还算体面。换句话说学弟学妹们一定要把这些课考上90。

还有一点，就是我的公选课也都挺快乐的，只有五六分上了90，一堆88、89。其实很吃亏，因为打印的绩点证明是会包括公选的。除了金融工程，我还辅修了本校的计算机科学与技术，来提升我（账面上）的量化背景。为了拿到辅修证，我不得不修了几门与咱们专业毫无关系的课，所以还是建议大家直接从教务系统上选计算机学院的课。

数院的课慎选，给分过于快乐。仅有咱们学校金工培养方案上面那些课程申请金工硕士好像会比较吃亏（可能因为我GPA不高吧）。首先金工的时序、随过要学清楚；在学有余力的情况下，建议大家去修修计算机学院的算法、数据结构、数值分析；在Coursera上申请助学金白嫖一些证书，如机器学习、深度学习等。

这些内容在实习面试及学校的技术面试会有所涉及。实际上大家将来找Quant岗位、Data Science岗位的工作的面试阶段也会遇到这些问题，一个学校的Career Service再好，也无法帮你通过这些，也就是说硬实力方面还是需要大家自己把握好。

2、托福与GRE

我托福（105）与GRE（语文156+数学170+写作3.5）都是考到过线就没再继续刷了。值得注意的是，如果想申请康奈尔和芝加哥的金工金数，托福口语是一定要上22的。

我备考托福过程主要就是背单词->泛听泛读->刷TPO。第一次考只有95，在之后的一年里我读了挺多英文小说和教材，听了很多脱口秀、美剧和演讲，还经过了整个GRE的备考，再开始做托福TPO的时候，就觉得阅读和听力其实没那么难了。我一个同学告诉我，重新把英语语法完整地学一遍也对做阅读很有帮助。

至于口语，本社交孤儿常常一天连中文都说不到10句，考场上说那么久英文可难受了。不过其实口语的6题里，有4题考的本质上还是听力和阅读能力，一些点只要听到了记住了，按照模板说出来就好，不像雅思需要真人现场唠嗑。

备考GRE的过程就简单粗暴了许多，背单词->做题。背的是佛脚词汇，做的是题库题。不过GRE词汇生活里很难用到，我看的美剧里喜欢用GRE词汇的就只有《生活大爆炸》里的谢耳朵和《老友记》里的罗斯了，共同点是他们每次这样说话，旁边的人就会这样。

3、实习

我有三段基金公司的实习，简单介绍一下：第一段是武汉的一家私募，写些机器学习算法做基金策略识别的；第二段是北京的一家数字货币高频交易，做些高频的信号挖掘工作，很伤头发；第三段是武汉的一家股权基金，找找数据写写行研，比较轻松。

三家基金公司都比较小，每家员工都不超过20个人的样子。建议申请金工金数的同学多去投投第二段这种数字货币的实习，能学到不少东西。

4、其他

除了上述的这些主要内容，我的简历上还列举了一些机器学习的实践、金工核心课程的结课项目论文以及一些零散的奖项。

【时间安排】

大二升大三的那个暑假，我开始学托福。暑假结束时考了一次，只有95分，但是因为大三上学期课程压力还挺大的，就搁置下来了。到了那个寒假，我又开始学GRE。

大三下学期没啥课，就开始慢悠悠地背单词、刷题，六月才考，有326就没继续刷了。同时找了一份学期内的实习，就是刚才提到的私募。结束私募的工作之后，暑假我去到北京实习。周末都宅在房间看托福或者看剧，没出门看看北京的大好河山，现在觉得有点可惜。

九月结束了这一段实习后，我在河南考了第二次托福，有了105。之后休息了快一个月就找了一份水水的实习，做到了今年一月。在这段实习的期间，也解决了网申的文书、视频录制等工作。从一月开始直到四月，网申结果就一个个地出了。

【UCB MFE面经】

1、如果有1000枚硬币，其中有1枚是双面都是头的特殊硬币，其余的是正常的一面头一面尾的硬币。现在我们随机抽出1枚，连掷10次结果都是头，请求这枚硬币是那枚特殊硬币的概率。解答：这题考的贝叶斯全概率公式，记事件A为连掷10次结果都是头，记事件S为抽出特殊硬币，事件N为抽出正常硬币。

要求的就是P(S|A) = P(S,A) / P(A)。P(S,A)简单，因为只要是特殊硬币，就一定会发生事件A，所以这个P(S,A)实际就是P(S) = 1/1000。对于P(A)就要用全概率公式了，P(A) = P(A|S) * P(S) + P(A|N) * P(N) = 1 * 1/1000 + (1/2)^10 * 999/1000。

写到这里我问他是要准确值还是列式子就好，他让我给他看下我的式子，看完问我(1/2)^10等于多少，我回答1/1024，他说近似处理成1/1000就好。于是我把999/1000也近似处理成1了，算出来P(A) = 2/1000，所以最后的答案P(S|A) = P(S,A) / P(A) = 1/2。

2、期权交易中的希腊值。解答：Delta、Theta、Gamma和Vega，分别是投资组合的价格对股价的导数、对时间的导数、对股价的二阶导和对波动率的导数，应用在各种风险的对冲中。

3、时间3:15的时候，时针和分针的夹角。解答：不考虑时针的旋转时，俩针都指向3。要求的就是15分钟里时针走了多少度，15/60 * 1/12 * 360° = 7.5°。

4、对x^x求导。解答：正常求法没法求，这里令y = x^x，等式两边同时取自然对数，得到lny = x * lnx，再等式两边同时对x求导，得到y' / y = 1 + lnx，把y带进去，y' = x^x * (lnx+1)。

5、你的简历上有很多机器学习的内容，你最想聊哪种机器学习算法？解答：我最想聊哪种……说明人家无意为难。因为昨晚刚看了Ridge和LASSO算法，就选了Ridge。他让我简述一下，我回答在最小二乘的cost function后加了个惩罚项，避免系数数量级过大即过拟合。

他问Ridge和LASSO在应用中的区别，我说两个都会缩小系数数量级，但随着lambda的增大，前者会让系数趋近于零而不等于零，而后者的系数会很快变为零，降维效果更好。

6、random forest & gradient boosted tree的联系与区别。解答：我说我不知道，他笑着说totally OK。

7、债券定价。解答：现金流贴现。后来他问啥是derive bond，我没有反应过来，一心想着为什么要对债券求导呀。我告诉他如果他说中文我应该知道。他也笑了，说fine。

8、我抽屉里有11只红袜子、13只蓝袜子和5只绿袜子，我要抽几只才能保证抽出一双一样的袜子。解答：他念题的时候我开始胡思乱想，为什么他的袜子全是奇数只啊，颜色也不是我能驾驭的。

他念完之后我就开始列排列组合的算式，写了可能接近一分钟，想到他说的“保证一双”，我想复杂了。我露出懊悔的表情，说“我想多了，就是4”。他又笑了，感觉这次是嘲笑。

9、聊了一下Python和R，libraries、packages、jupyter notebook等等，内容有点杂，就是聊天而已。10、你有啥问题要问我的？我问了三个：

1）这个项目gap九个月，这段时间可以做些什么？他说多多实习，提高编程等技能。

2）因为他是这个项目即将毕业的学生，我让他描述一下他在UCB的一天是怎样的。他直接描述了一整年的，说第一学期一边上课一边找工作面试，找到工作之后，后面三个学期就各种学习。

3）学金融工程建议买MacBook吗？这个问题纯粹是因为自己最近纠结买不买MacBook，他说挺值的，因为Mac OS也是Unix的一种，cmd、bash、shell啥的很方便，编程语言的环境变量也很好配置，有钱就买吧。

【面试准备】

1、硬件部分

金融工程面试一般就数学、计算机和金融部分。

1）数学微积分部分，Quora上有人推荐了一个MIT的积分比赛的网站，我做了一套，回忆起了很多东西，上面那个x^x的求导我面试前一天就正好有求过。（网站链接：http://www.mit.edu/~pax/integrationbee.html，最下面是历年真题和答案。）概率部分就百度概率论面试题，其实看看贝叶斯全概率公式的例题就足够了。

2）计算机因为辅修了计算机，所以有点担心他问OOP的一些概念。也是直接搜Java OOP面试题，简单过了一遍。

3）金融金融部分是浏览了一下 Frequently Asked Questions in Quantitative Finance 这本书（文末附有网盘链接）。同时重新看了下伊藤引理，证了证BS微分方程和公式，因为网上面经很多都考了这个。YouTube上有很多科普性的小视频，正好是英文。准备期间遇到不好说的概念就直接在YouTube上搜着看了。

4）其他对于自己简历提到的东西要熟悉，因为这个面试一般是会给你分配一个背景相似的人，他会很了解你做的事情，也很感兴趣。

2、软件部分

第一次参加这种视频面试，有很多与专业无关却值得注意的东西。

1）面试官背景面试邀请的邮件里有面试官的名字，我就在LinkedIn上搜了搜，看完大概也能猜到会侧重什么方面。后来还去看了看他的Facebook，每张照片上都笑出一口大白牙。

2）电子设备试试你的Skype、网络、麦克风、扬声器好不好使，非常重要。我面试前一天晚上要是没和汪昊演习一下，就不会发现原来我电脑的上述每一样都有问题。挂VPN之后Skype会无法连接、麦克风把电脑风扇的声音全收进去了、扬声器也一卡一卡的，搞了半天才解决。

3）环境与着装视频面试的背景要干净，灯光最好是在人的前上方。关掉所有其他的网页和应用，你不会希望这些东西在你面试的时候突然弹出来的。家里的猫猫狗狗也伺候好，告诉他们过会不要说话。服装上，上衣穿正装打领带就好，裤子穿不穿无所谓。

4）视线与表情为了保证你的视线和摄像头平行，最好在电脑下面垫几本厚书。因为你平视摄像头就意味着平视对方，这种视角是比俯视对方好很多的。另外建议大家不面试的时候也在电脑下垫几本书，对颈椎好。

面试时最好要保持微笑。我平时面无表情惯了，一微笑就像要去刺杀蝙蝠侠似的，如上图。但其实可以想象一些让人害羞的东西，那样笑容会更自然，如下图。

5）感谢信面完可以给面试官发封邮件，感谢一下他付出的时间、准备的问题。再就之前面试提到的一两个小问题各补充一句想法就行。

【其他建议】

1、早日翻墙Google可以搜到几乎所有项目的就业报告；YouTube如果用得好也是学习利器；不挂VPN去上传学校要求的视频很容易就上传失败。

2、自主搜索一亩三分地、QuantNet这些论坛都是非常好的平台，网友们很乐意分享信息。

像一亩三分地的录取汇报板块可以看到很多很多人申请的输入和输出信息，很多项目看完这些之后自己心里基本就有数了；院系介绍板块会有学长学姐们详细描述在这个项目就读的体验；还有个讲亲密关系的板块，里面的帖子可有意思了，各种吐槽男/女朋友的，“他今天居然没看出来我把头发拉直了，我觉得他不爱我了”这种哈哈哈哈哈哈哈哈哈哈哈，这种事情不发生在自己身上的时候实在是太好笑了，给我带来了很多欢乐。

3、多多交流经常和你信任的好朋友交流，既能多了解一些信息，又能在得到好消息时让他们替你开心、在得到坏消息时收到鼓励，总比自闭好。在这里感谢汪昊和柯达两位好朋友。

4、不要干等offer提交完申请之后，会有很长一段时间会比较闲。生活不是从拿到offer才开始的，每天都是生活，要用心去过。看几本名著、多做些运动、学点东西充实自己都很不错。我有时候会焦虑地一上午刷几百遍邮箱或者论坛，其实很没必要。尽人事，听天命就好。转移一下注意力，不就是个offer吗，多大的事。

5、不要有执念什么学校都要有人读的，申到喜欢的固然会很幸福，但被拒了也真不用自怨自艾。申请就跟搞对象似的，没申到就是没缘分而已，不用与自我价值挂上太大的钩。你不需要他们来决定你优不优秀。

6、做好吃苦的准备出国念书是一件很艰苦的事情，无论于脑还是于心。做了这个决定之后应当严格要求自己，何况学费生活费还那么贵。建议早一点做好身心准备，该预习预习。