学习路径 & 项目复盘

• 适合谁：知道自己想准备 QR，但概率统计、线性代数、时间序列基础不稳。
• 先看什么：数学与统计基础，重点是条件概率、CLT、MLE、协方差矩阵、SVD、平稳性、协整和 GBM。
• 暂时跳过什么：复杂深度学习结构、微观结构延伸阅读、过细的工具和平台列表。
• 输出物：能用自己的话解释 10 个核心数学/统计问题，并能说出它们在因子、风险或回测里的用途。

• 适合谁：会建模或写代码，但不熟悉因子研究、回测验证和金融数据中的坑。
• 先看什么：因子与 Alpha 策略、机器学习 / 深度学习在量化中的应用，尤其 IC/IR、回测偏差、时间序列交叉验证、特征工程和信息泄漏。
• 暂时跳过什么：泛泛的框架清单、偏 QD 的 C++ 工程细节、与当前目标岗位无关的资产方向。
• 输出物：把一个模型项目改写成 QR 面试口径：预测目标、样本划分、特征构造、验证方式、风险点和失败复盘。

• 适合谁：已经做过因子、策略、论文复现或比赛项目，但不确定怎么讲清楚研究价值。
• 先看什么：Q31-Q39，以及与你项目最接近的策略方向论文。
• 暂时跳过什么：入门概念解释、与项目无关的工具堆叠、不能支撑你项目叙事的论文列表。
• 输出物：形成一页项目复盘：假设、数据、处理、验证、结果、失败原因、下一步改进。

• 适合谁：已经有目标岗位或面试安排，只需要快速检查知识漏洞和表达短板。
• 先看什么：数理基础速查，再按薄弱项回到对应章节。
• 暂时跳过什么：长期学习路线、行业泛谈、暂时无法转化成面试表达的延伸阅读。
• 输出物：一份错题/卡壳清单，每道题都能在 2 分钟内讲出定义、直觉、量化应用和常见陷阱。

无论你是大一新生想提前理解研究范式，还是正在求职的候选人，要记住：面试官问这 8 个问题，本质是在验证"你是不是真的做过研究闭环，而不是跑通一段代码"。下面给出每一问的考察点和一个可套用的高分回答结构。

① Alpha 假设

• 面试官的考察点：你是先有市场直觉再找信号，还是先挖出一个数字再硬编故事？能不能区分真 alpha 和数据挖掘/运气。
• 高分回答骨架：先说一句市场低效的来源（行为偏差 / 结构约束 / 信息扩散慢）→ 再说为什么它短期难被套利掉 → 最后给出这个假设可被证伪的边界（在什么情况下它应该失效）。

② 预测目标

• 面试官的考察点：目标函数和最终 PnL 是否一致；你有没有想清楚预测"排序"还是"收益幅度"带来的差异。
• 高分回答骨架：说明你预测的对象（如未来 5 日超额收益排序）→ 解释为什么选它（与组合构建方式、换手、容量匹配）→ 指出它和直接最大化收益之间可能的偏差。

③ 数据口径

• 面试官的考察点：你知不知道金融数据的坑——幸存者偏差、前视偏差、复权、停牌涨跌停、point-in-time。
• 高分回答骨架：交代数据来源和时间戳口径 → 列出你专门处理过的偏差（如用 point-in-time 财报、剔除退市股保留历史成分）→ 说明哪些坑你还没完全消除以及影响多大。

④ 验证方式

• 面试官的考察点：是否理解时序数据不能随机 K-Fold；是否会用 embargo / purging 防泄漏。
• 高分回答骨架：说明切分方式（walk-forward / purged K-Fold）→ 解释 embargo 长度怎么和标签前瞻窗口对齐 → 强调所有预处理都在训练集 fit、测试集 transform。

⑤ 评价指标

• 面试官的考察点：能否用多个指标互相印证，而不是只盯一个漂亮的 Sharpe。
• 高分回答骨架：以 IC/RankIC 看选股能力 → 用分组单调性和多空收益验证 → 用换手、容量、回撤检查是否可落地 → 说明几个指标矛盾时你怎么取舍。

⑥ 失败案例

• 面试官的考察点：有没有定位问题的能力——能不能把一次回撤拆解到行情 regime、因子、模型还是执行。
• 高分回答骨架：举一个真实坏 case → 描述你如何逐层排查（先看行情环境，再看因子暴露，再看模型/执行）→ 给出最终归因和当时的应对。

⑦ 实盘落差

• 面试官的考察点：是否理解回测和实盘之间的距离，能不能量化交易成本和容量的影响。
• 高分回答骨架：列出主要折损项（滑点、冲击成本、撮合、延迟、容量）→ 说明你在回测里怎么近似它们（如平方根冲击模型）→ 给出加入成本后收益打了多少折。

⑧ 下一步改进

• 面试官的考察点：有没有研究判断力——知道在数据、标签、特征、模型、组合、执行里先改哪一个。
• 高分回答骨架：给出一个明确的优先级（如"先补数据质量，再改标签定义"）→ 说明排序依据（哪个环节当前误差/收益弹性最大）→ 用一句话说明怎么验证改进是否有效。