这是一篇利用春假时间撰写、迟到近一年的录取文暨就读了3/4个学年的心得文，希望藉
此提供有志申请北美金融工程科系的朋友们一些即时的资讯。
Admission (2017)
CMU MSCF (Computational Finance) w/ 27K merit scholarship
Columbia MSFE
U Chicago Financial Math w/ 30% tuition waive
Cornell MEng. FE
Duke MS Statistical Science
Rejection (2017)
NYU MS Math Fin
Berkeley MA Statistics
Harvard AM Statistics
Stanford MS&E
Decision
CMU MSCF (2017 Fall)
Education
NTU BBA Fin, 2009-2014 (Overall GPA: 4.24/4.3)
Relevant Courses (All A+ except audited courses): Calculus (1)(2), Statistics
(1)(2), Linear Algebra, Advanced Statistics (1)(2), Nonparametric Statistics,
Econometrics I, Differential Equations, Numerical Methods, Intro to
Mathematical Analysis (audit), Stochastic Processes (audit), Programming
Design (C++, Python)
(跟众多来自数学/资工的申请者比，我的相关课程完全是不够深且广的)
Test Score
TOEFL: 104 (2016/9)
GRE: V:153 Q:170 AWA:4.0 (2015/3)
Relevant Work Experience
Equity Research Intern, a private financial advisory firm (2012-2013)
Summer Financial Analyst, a foreign semi-conductor company (2013)
Full-time equity derivatives sales asst. (trading floor), a bulge bracket
bank (2015-2016)
Full-time RA in finance, college of Management, NTU (2016-2017)
Honors
Dean's List x 5
CFA scholarship (plus CFA level I passed)
Recommendation Letters
高统教授(着重数学)、财金系教授(着重财务金融)、银行交易室的老板(着重工作表现)
首先，关于什么是金融工程，我推荐大家可以先看i3koala于2016年发表的文章，有个基
本了解后再往下看。我是相当认同i3koala大大对MFE的介绍/看法的。
关于金融工程硕士(通称MFE)
金融工程是一个结合金融、数学、统计、计算机的硕士学位，内容涉及各类金融资产定价
、风险管理、投资组合管理等。这也是一个极度就业导向的学位，目前看来我们系应该不
会有人毕业后直接申请博士班(想申请博士班的同学我建议可以看redsa12、CTLien、
ianshadow以及pdeking的文章)，学位也没有论文要求。不同学校的金融工程学位名称有
所不同，课程内容则大同小异。差别在于，有些学校比较重视数学(NYU Math Fin->所以
我被拒了、UChicago Financial Math->近年有在转向)，有些学校比较重视程式，有些学
校则两者平衡(我觉得我们系属于这一类)。这些倾向从学位的名称大致可以看出来。值得
注意的是，现在很多学校都加入了更多程式或data science/ML的课程，因为这是业界招
人的趋势，尤其是某些buy side公司的quant职缺很重视资料的处理及分析。
金融工程硕士学位间彼此竞争激烈，相关排名可以参考Quantnet网站。如果某个program
有一年就业不好，隔年排名就会往下掉，所以有心经营的MFE program都会战战兢兢，尽
量帮助学生找到工作(各个program的career service的好坏在一亩三分地有众多讨论)。
也因如此，金融工程硕士的排名可以很好的反应学生毕业的出路，排名靠前的program可
以约可达到100%的实习率以及90%以上的毕业三个月内就业率，且学生任职的公司很多都
是北美的重量级金融公司。当然，有一定比例的人毕业后会在香港或亚洲其他国家就业，
但排名靠前的program这个比例应该都少于15%-20%。
至于大家都申请什么样的工作呢？根据小弟在CMU就读到现在的一手观察，以暑期实习为
例，我们这届有60%左右的人暑假会到全球前十大的投资银行工作，职位大多是所谓的”
Quant Research”(或”Strats”)，还有少数的”sales and trading”及”Risk
Management”。其中，Quant Research是一个很大的概念，因为底下有很多不同的team。
举例来说，有electronic trading、或以各种资产类别区分的quant team、或是建立
risk model的team等(我还在持续了解中)。这些team的共通之处是，需要大量的coding，
且拥有博士学位的人的比例在投行各个营业项目中偏高。另外，我们program约有20%同学
会去共同基金(如：Fidelity、Blackrock、Dimensional Fund Advisors)、避险基金(如
：AQR、Citadel)或prop trading firm(如：Chicago Trading Company)等buy side公司
工作，职位也多半是跟coding(开发软件或交易策略)或资料分析(协助经理人做投资决策)
相关。我认为某些buy side公司明显比投资银行难进的多，他们往往要求超高coding或数
理能力，且面试官很多都是看了会跪的人…。以我的profile来说，我只有面试过一次这
个类型公司。还有少数同学去商业银行的信用风险部门、信评公司的credit risk
modeling、金融服务公司(帮忙银行做financial asset valuation的公司)、金融资讯公
司(如：Bloomberg)或指数编制公司(如：MSCI)工作。基本上，全系95%以上的同学都会在
金融业工作。
申请、就读及找实习面试心得
起初我想申请统计硕士，但经过了解后发现，以我的背景而言，就读统计硕士并没有优势
，会面临coding不够强、统计学不够深的问题，且在申请学校上我的背景本身就比较吃亏
，所以申请到一半时我就打定主意往金融工程发展。原因是，我的既有领域是金融、且金
融工程也需要运用大量统计概念，同时也须学习程式与数学(例如：随机微积分)，这些都
是我喜欢的。
我的G/T成绩其实并不够高。在Quantnet的tracker上可以看到各个program录取者回报的
G/T成绩。以前十几名的program来说，我的成绩算是偏后，原因是，大陆的同学往往都会
把分数冲得很高(TOEFL 110，GRE 330)。但好险我的GPA及工作经验可能有替我加一些分
数，才让我有机会上前十名的program。
Admission Committee在审理申请者资料时，最重要的考量因素到头来只有一个，就是这
位申请者进来之后有没有机会在这个领域成功(学习良好、找到工作)，替program加分。
因此，GPA、相关数学程式课程(这个很多是硬标准、program网站会有列表)、project经
验、相关工作经验也就成了申请是否成功的重要因素。研究经验并不重要。小弟想特别讨
论一下英文。众所皆知，在金融领域英文很重要；但在英文标准考试达标的情况下，它占
录取与否的重要性为何，我并不知道。我可以确定的是，我们program的人英文听/说都巨
好。欧美人士人不用提，来自大陆的同学(约占65%)很多都毕业于美国的大学、新加坡的
大学(新加坡国立、南洋理工)或是在大陆的顶尖大学(北京、清华、上交、人民、武汉、
浙江、南京大学等学校)，英文水平都很高。这个是影响找工作是否顺利的一个重要因素(
另一个因素是申请者是否已经在面试季开始前将quant面试圣经刷好刷满XD…恩…非常有
难度)，毕竟从入学后的九月开始就会进入痛苦又漫长的面试季节，时间一点都不等人。
特别的是，CMU MSCF在正式开学前有一个月的强制暑期课程(教授math prep、
programming prep以及probability)，系上也会在课程之余举办一连串的resume
workshop并主持业界公司专门对我们系上的info session，所以八月就可以开始感受到压
力袭来。
在CMU的MSCF就读，我时常感到惶恐不安。同学太强了！时间太少了！我们一个学期固定
要修五门课，扣除一门可以花比较少时间的communication软实力课程，总共会有四门需
要大量时间写作业的课。我没有一个礼拜不面临4到5个deadline，每天都在疯狂赶作业，
常常有囫囵吞枣之感。同时，心里知道找工作也非常重要，因此每天也都要花时间透过校
级、系级、或者公司官方网站等管道投履历，深怕错过向往公司的application deadline
。再者，由于大公司几乎都在纽约，我从去年到今年初就已经从匹兹堡跑了纽约七次，参
加公司办的event、networking、或面试，十分折腾。因此，位于纽约的program在这方面
还算挺有优势的。统计了一下，2017年9月到2018年1月我总计投了140封左右的履历(听闻
跟某些领域比起来不算多XDDDD，大家都好辛苦)。所以说，希望以后要进入MFE就读的同
学，能比我准备的更加充分再入学，一切都会轻松不少。
关于面试，因为我很少面Buy side的公司，所以我在此跟大家分享我面sell side投行
quant research summer internship program的经验。要面sell side，主流的建议还是
刷题。什么题呢？以下这四本书的题：
1. Heard on The Street: Quantitative Questions from Wall Street Job Interviews
by Timothy Falcon Crack
2. Quant Job Interview Questions and Answers by Mark Joshi and Nicholas Denson
3. A Practical Guide to Quantitative Finance Interviews by Xinfeng Zhou
4. 150 Most Frequently Asked Questions on Quant Interviews (Pocket Book Guides
for Quant Interviews) by Dan Stefanica and Rados Radoicic
这些书大致涵盖了：brain teaser、衍生性产品问题、机率统计问题、数学问题(微积分
、随机微积分等)、跟一些程式、数值方法与算法的问题，以及面试必问的behavioral
问题。涵盖层面广，因此格外需要花时间才能有效掌握。当然，我们不可能样样精通，每
个面试官侧重的也不一样，但我认为最好有一个自己的强项，才有办法顺利通过某几次的
面试。
在我面过的所有面试中，我总共面了四间银行的quant internship program：暂称银行A
、B、C、D。A银行是on-site面试，因为有四个面试官，所以问得比较全面。总计问了我
brain teaser、手写程式(跟anagram有关)、期货与远期的观念及其在无风险测度下的性
质、微积分、线性规划的应用问题、统计上MLE的观念、以及不免俗的behavioral问题。B
银行是30分钟电面，先是 go over my resume并问了我data structure的问题。C银行也
是30分钟电面，问了我机率分配、如何用uniform distribution产生normal
distribution的随机变量(属于simulation的范畴)、布朗运动与随机微积分、以及线性代
数matrix decomposition在金融工程上的应用。D银行则是30分钟的on-campus
interview(CMU MSCF一年会举办三次的on-campus interview，每次大约会有10-15间公司
来面试我们的学生)，问的都是数学问题，这场面试我被问到的问题有：推导
Black-Scholes PDE/formula、put call parity的证明(有dividend的版本)、以及证明一
个process不是martingale。由此可见，什么问题都可能被问到，也没办法每次面试都刚
好问到自己最擅长的，所以我们能做的就是把其中一个类型的题目练得很熟，并尽量弥补
其他不熟的类型。以上是我些许的quant面试心得。
后记
最后，谢谢支持我的家人、曾经帮助过我的朋友、师长、老板以及留学版，转眼间，我也
在这个版潜水了六年以上了…。目前我有认识一些2017 Fall入学、在北美就读MFE
program的台湾朋友，人数不多，大家也都散落在不同的学校。如果你有相关问题，欢迎
写信问我；如果我回答不出来，我也会redirect或询问强者我朋友XD祝大家都能在这个变
化迅速的世界乐观向上、接受自己努力的一切结果、通往人生坦途！