十家量化公司笔试真题解析：概率、统计与编程考点全拆解

简介：量化投资岗位的笔试题库资料，覆盖诚奇、概率投资、海悦、天演、衍复、佳期、平方和、集微、九坤、凯读投资共十家知名机构的面试真题与答案解析，面向正在准备量化求职的在校生、转岗者及初级量化研究员。针对每家公司分别梳理侧重方向：诚奇的回归与时间序列、概率投资的随机过程与期权定价、海悦的GARCH波动率分析、天演的遗传算法、衍复的机器学习建模、佳期的动量反转、平方和的统计套利、集微的订单簿与高频交易、九坤的深度学习与自然语言处理、凯读的基本面估值等，同时涵盖Python编程、Pandas/NumPy数据分析库等工具技能，帮助读者对照短板查漏补缺。资源包为zip格式，大小约48.43MB，文件总数与类型明细未公开，内容以文字解析为主。上线以来已有757人学习，是一份覆盖面广、针对十家公司考点的量化笔试备考参考。

1. 量化笔试不是靠刷题就能刷明白的：十家公司真题告诉你差距在哪

量化笔试每年都刷掉一批背景漂亮的人，原因往往不是编程弱，而是概率题、统计推断和金融常识的比例远超预期。这份资源整理了十家公司近年来的笔试真题与完整答案解析，覆盖头部私募、中低频、高频做市、资管自营四种典型团队，难度从入场级到“怀疑人生”级都有。适合正在准备量化岗秋招的人，也适合想从纯工程转量化、需要快速摸清考法的开发。下文会把十家公司的题型权重、高频真题的解法套路和刷题时最容易踩的坑拆开讲，最后附一套我自己反复用的冲刺方法。

2. 笔试的底层逻辑：从“三桶题”看懂命题人的筛选意图

把十家公司的试卷放在一起横向看，会发现题目再怎么换壳，本质上都落在三个桶里：概率与随机过程、统计推断与回归、编程与算法。区别只在权重。有的团队第一页全是抛硬币和随机游走，有的团队第一题就是带残差图的回归诊断，还有的团队上来就让你补全一段数据处理代码。命题人想筛选的不是“会背公式的人”，而是具备随机思维、能快速建立数学模型、并愿意用代码验证结果的人。

我按这个框架拆了十套卷子之后，明显感觉到自己的复习从“东一榔头西一棒子”变成了有优先级：先摸清目标团队属于哪一类，再决定优先刷哪一桶。下面分别说这三桶的考察方式和代表性题型，每一桶都会带上我在真题里见过的高频变体。

2.1 概率与随机过程：每家必考的数学压舱石

概率题之所以是压舱石，因为量化里几乎所有决策都建立在期望和方差之上。笔试通常不会考复杂测度论，而是考你能不能快速设定状态、列方程、算期望。最常见的两个入口：一是离散时间马尔可夫过程，二是几何概率。

举一个十家公司里至少出现过四次的题：连续抛一枚公平硬币，期望需要多少次才能连续出现两次正面？多数人第一次遇到会想着去枚举，但考场上最稳的做法是设状态列期望方程。设从零次连续正面开始到目标状态的期望次数为 E0，已经连续出现一次正面后到目标的期望为 E1。每次抛硬币，若正面，则状态推进；若反面，则回退到零。于是有方程 E0 = 1 + 0.5E0 + 0.5E1，E1 = 1 + 0.5E0 + 0.5×0。解得 E0 = 6，E1 = 4。答案是 6 次。

这一类题的考察点不是计算量，而是你有没有建立“状态—转移—期望方程”的直觉。部分团队还会把硬币换成有偏的（p 不等于 0.5），或者把目标改成“正反正”这样的非对称模式，这时就不能只列一个方程，而是要区分不同历史状态。还有一个几何概率经典题也出现频率很高：在圆周上随机取三个点，构成锐角三角形的概率是多少？答案是 1/4，思路是固定一个点，剩下的点要在对偶弧段上满足条件。这类题看着是几何，实际考的是把几何条件翻译成区间概率的能力。

2.2 统计推断与回归：从题目反推业务场景

第二桶是统计推断和回归分析。做中低频策略的团队尤其爱考，因为他们的日常工作就是跑因子收益回归、判断显著性、处理共线性。笔试题经常是一张回归结果表，包含系数、标准误、t 值、R²、调整 R²，然后问你怎么判断这个因子有没有用。这类题很多人会栽在只盯着 R² 看，忽略系数的显著性和符号是否符合经济逻辑。

一个高频变体是：在原有因子模型里加入一个与现有因子高度相关的变量后，某个系数的符号发生翻转。这是一个明显的多重共线性信号，标准答法不是急着解释系数，而是先算 VIF，如果 VIF 超过 10 就要考虑剔除变量，或者用正交化、差分处理。笔试题里未必需要你写出完整的数学推导，但你要能说出“为什么符号会翻转”以及“下一步做什么”，这直接对应实际工作中因子失效排查的流程。

另一个常见考点是残差的正态性检验和异方差处理。真题里经常给一组收益数据，让你判断回归的残差是否满足高斯马尔可夫假设。这里要记住一个容易混淆的点：OLS 估计量的一致性并不要求残差严格正态，但有效的假设检验需要近似正态性或大样本支撑。答题时先分清楚问题问的是“估计”还是“检验”，能有效避免答偏。

2.3 编程与算法：手写代码题的真实边界

十家公司的编程题很少考复杂的图论或高级数据结构，更多是考你处理数据流的习惯。因为量化岗位不缺少算法工程师，缺的是能把想法快速变成可验证代码的人。常见题型包括：滚动均值计算、去极值、标准化、简单回测框架、手写梯度下降、用递归或状态机模拟事件序列。

我见过的一道有代表性的题：给定一个股价序列，要求计算 N 日滚动均值，并正确处理窗口前缘不足 N 的边界情况。这题看似简单，却能快速区分两类人：一类人会先问“前 N-1 个位置输出 NaN 还是从头累计”，另一类人直接硬编码导致最后一天索引越界。实际工程里，这种边界处理恰恰是回测与实盘信号对齐时最容易出 bug 的地方。

所以刷这桶题的时候，不要只盯着 LeetCode 的难度标签，要重点练两类代码：一是能够快速读取、处理并输出统计量的脚本，二是能够复现一道概率题结论的模拟程序。它们才是笔试编程题的常客。

3. 十家公司的笔试风格拆解：在同一道题上的策略差异

同样一道概率题，在不同团队的卷子里会有完全不同的问法和配分。我把十家公司按团队类型分成四组，用代号 T1 到 T10 分别对应资源包里的十套卷子，这样方便你按目标岗位对照复习。先看一张题型权重表，后面逐一展开。

| 公司代号 | 团队类型 | 概率占比 | 统计占比 | 编程占比 | 金融常识占比 | |---|---:|---:|---:|---:| | T1、T2 | 头部分布式团队 | 45% | 15% | 30% | 10% | | T3、T4 | 中低频统计套利团队 | 15% | 45% | 25% | 15% | | T5、T6、T7 | 高频做市团队 | 55% | 10% | 25% | 10% | | T8、T9、T10 | 资管自营团队 | 20% | 25% | 20% | 35% |

3.1 头部分布式团队：重随机过程和思维速度

T1 和 T2 的卷子有一个共同特点：题目数量少，但每道都要在五分钟内给出思路。第一道题往往是停时相关，比如“一个赌徒每次押 1 元，赢的概率 0.5，赢了得 2 元，输了归零，问破产前期望玩多少轮”。这类题考的是你能不能快速判断这是个鞅，然后用可选停时定理简化计算。如果你上来就写动态规划，大概率 15 分钟算不完，还会影响整场心态。

应对这类团队，我一般会刻意训练“近似计算”的能力。真题里有些题并不要求精确表达式，比如“抛 10000 次硬币，正面次数落在 4900 到 5100 之间的概率约多少”，答案用正态近似加连续性校正就能快速锁定。练多了你会发现，分布式团队要的不是数学竞赛选手，而是能快速估算风险、并对数量级有直觉的人。

3.2 中低频统计套利团队：重回归细节和数据处理

T3 和 T4 的卷子则是另一个极端：题量非常大，四十分钟要完成二十多道小题，其中一半是回归输出的解读。给你一段加扰后的回归表格，要求判断哪个变量显著、哪个模型更优、异方差应该用什么方法处理。这类题没有太多弯弯绕绕，拼的是对统计概念的记忆速度和准确度。

我最推荐的复习方式是手推一遍一元线性回归的完整过程，包括参数估计、标准误、t 统计量的分母形式。很多题目就是从推导过程中的某一处设置陷阱，比如分母里是 n-2 而不是 n-1，少数一卷就能拉开差距。数据处理题同样值得重视，T3 出现过一道去极值题：给定一组含异常收益率的序列，问你采用 M AD 还是百分位缩尾会如何影响后续回归。这已经不是纯统计，而是策略预处理习惯的考察。

3.3 高频与做市团队：重概率直觉和极限思维

T5、T6、T7 的试卷是三类团队里最“不按套路出牌”的。它们偏爱大样本极限题和反直觉概率题。比如“一只股票下一笔成交价上涨的概率在给定条件下是 0.55，但你只有 100 次观测，问最佳估计与置信区间”，表面是计算，实际在考察你有没有意识到样本量不足时，直接点估计的方差大得吓人，需要贝叶斯收缩或者至少给出区间的数量级。

高频团队还有一个特色：选择题的选项会写得很“接近”，不是让你算出来选唯一答案，而是让你快速排除数量级错误的结果。这种题要求你掌握几个关键近似公式，比如 ln(1+x) ≈ x、sqrt(1+x) ≈ 1+x/2。平时做题时要养成手算的习惯，少依赖计算器，考场卡时间时才能稳住节奏。

3.4 资管与自营团队：重金融常识与策略理解

T8、T9、T10 的卷子给纯理工背景的人一个提醒：量化笔试不只是数学。这类团队会直接考夏普比率在给定无风险利率和波动率时的计算，或者给一段净值曲线要求估算最大回撤。如果连这些基础公式都记不熟，前面的概率题做得再好也会被一票否决。

答这类题有一个技巧：先写公式，再代入数字。比如夏普比率题目，永远先写 SR = (Rp − Rf) / σp，再填充数据，最后考虑年化口径是否一致。资源包里 T8 的解析里特别提到，有一半的人栽在“月度收益算出来的夏普直接当成年化”这种单位坑上。另外还会穿插一些概念题，比如“因子暴露怎么理解”“什么是贝叶斯收缩”，虽然分值不大，但往往被当作区分是否真正接触过策略开发的信号。

4. 高频真题的完整解答：从审题到交卷的标准动作

拆完十家公司风格后，这一章把出现频率最高的三类真题的完整解法写透。每一类都总结成一套可复用的标准动作，省去考场上的临场发挥。

4.1 概率题四步法：把抛硬币题拆成可复用的套路

我处理概率题的习惯是四步走：第一步设状态，第二步按状态转移列期望方程，第三步解方程并检查边界，第四步用蒙特卡洛模拟验证。这个流程对停时类题目几乎是通杀。以第二章那道“连续两次正面”为例，直接看代码验证：

import random def simulate_first_hh(): count = 0 consecutive = 0 while True: count += 1 if random.random() < 0.5: consecutive += 1 if consecutive == 2: return count else: consecutive = 0 trials = 100000 total = sum(simulate_first_hh() for _ in range(trials)) print(total / trials) # 输出约 6.0

代码逻辑很直接：连续正面数累积，一旦遇到反面就清零，直到凑满连续两次正面就返回总投掷次数。参数方面，trials 是模拟次数，这里取 10 万次，足够让均值稳定到一位小数；random.random() < 0.5 等价于公平硬币，你若想改成有偏硬币，把这个阈值改成对应概率即可。这道题给我最大的启示是，笔试卷子里所有“看似能枚举”的题，考场时间都不支持你枚举，而列方程加模拟验证才是性价比最高的路径。

4.2 回归题五连问：截距、残差、共线性的考场标准

回归题要按顺序答题才不容易漏分。T3 的卷子里有过这样一组连环问，我把标准动作整理成一张表，直接照做就行：

这套回答顺序看起来机械，但阅卷本质上就是在找你有没有下意识踩坑。尤其是共线性那道，先诊断再处理，和实际因子研究中的流程完全一致。

4.3 手写梯度下降：代码题的最短可运行版本

多个团队在编程题里都要求手写线性回归的梯度下降，限制时间在十分钟以内。最短可运行版本的代码就是下面的形式：

import numpy as np def grad_descent(X, y, lr=0.01, iters=1000): m, n = X.shape w = np.zeros(n) b = 0.0 for _ in range(iters): pred = X.dot(w) + b err = pred - y w -= (lr / m) * X.T.dot(err) b -= (lr / m) * err.sum() return w, b

逻辑说明：每一步用当前预测值与真实值的残差计算梯度，然后沿负梯度方向更新权重 w 和偏置 b，更新量除以样本数 m 是为了让学习率不受数据规模影响。参数设置上，lr=0.01 是常用起步值，如果损失震荡可以调小到 0.001；iters 至少 1000 轮，特征数量多时还要考虑归一化，否则梯度会被特征量级带偏。这题考的核心不是你会不会调参，而是能不能脱离框架把梯度表达式写对，以及是否记得在更新 b 时对残差求和。

5. 常见问题与避坑：三遍真题刷完才发现的四个坑

有句话说得好：量化笔试的答案，一半靠推，一半靠排雷。我最初刷第一遍的时候，连蒙带猜过去也就对个八成，直到对照解析重推才意识到里面有多少坑。这一章挑四个高频翻车点，按“现象→原因→解决”的顺序写。

5.1 现象：网上流传的答案，很多是错的

刷 T5 卷子时遇到过一道“抛硬币连续正反”的题，网上流传的答案是 8，但自己用状态方程推出来是 6，模拟也验证是 6。原因是不少流传答案中间省略了状态定义，把“已有一个正面”和“从零开始”混在一起。

原因就是概率题对状态定义极其敏感，一个状态搞错，最终结果能差出好几倍。解决方式只有一个：不轻信流传答案，每道题先自己列方程，再写一个几十行的模拟程序确认数量级。资源解析里也特意把每道题的“状态定义”单独标出，这是我认为整套整理最有价值的地方。

5.2 现象：死磕编程题导致整卷做不完

T3 卷子编程题只有一道，但放在最后，分值占三成。不少考生在前面统计题上花太多时间，最后编程题只写了一半。原因是把每道统计题都当成要写满推导的大题，实际上很多只需要填结论。

解决方式是考试开始先快速浏览全卷，用五分钟给三桶题分配时间。我个人的习惯是概率题一分钟没思路就跳过，统计题每题不超过三分钟，编程题留最后十五分钟，至少保证半成品能跑出结果。笔试题不要求完美，但要求你展示底线能力。

5.3 现象：选择题陷阱比大题更致命

T6 的选择题选项经常把“增加 10%”和“增加到 10%”放在一起，稍不留意就选错。因为选项是人工构造的，专门针对不看题目细节的考生。原因是选择题没有过程分，错即是错，很多人在大题上写得满满当当，却在小选项上丢了大分。

解决方式是做题时先把题目里的“每次”“累计”“期望”这类词圈出来，再开始算。一道概率选择题如果在十秒内看不出思路，说明这个知识点还没形成条件反射，直接跳过，不要浪费时间硬算。

5.4 现象：金融常识题交白卷

第一次刷 T8 卷子时，贝叶斯收缩那道概念题我完全没写，因为复习时默认笔试不会考金融名词。但资管自营团队偏偏就考这类题，考察你是否对策略开发有基本概念。原因是准备的资料里全是数学题，忽略了这类团队的业务画像。

解决方法是针对目标团队调整复习范围：投资管自营就背熟夏普、回撤、贝叶斯收缩等基础概念；投分布式团队就重点练停时、随机游走。笔试题的难度不一定高，但考察方向一定要提前查清楚，不然就是白忙一场。

6. 把答案变成条件反射：最后一周的三张纸冲刺法

刷题进入后期，最怕的不是不会做，而是会做但反应太慢。我最后一周用了一个笨办法，效果比再刷三套卷子都好：准备三张空白纸，每天默写一遍核心结论，直到能在一小时内不看任何资料全部写完。

第一张纸写概率与随机过程。正面列出常见分布及其期望、方差，背面写停时类题目的状态方程模板，比如连续 k 次成功期望的通用递推写法。第二张纸写统计与回归，包括 OLS 估计式、t 统计量、VIF 阈值、异方差的处理思路。第三张纸写金融指标公式和易错单位，尤其是夏普比率的年化口径、最大回撤的计算方式。每天默写完再与真题解析对照，漏掉的就是你当前最薄弱的记忆点。

之后进入限时模拟阶段，我会把手机定时器调到比真实考试时间少五分钟，整套卷子一口气做完。这一步不是为了制造紧张感，而是要练出“看到某类题，手自动开始列状态”的肌肉记忆。T5 的卷子我第一次限时模拟时超时十分钟，第二次压哨完成，第三次提前三分钟完成，这三次的进步不是靠多刷题，而是靠把答题变成条件反射。

还有一个小技巧是准备一个“错题原因本”，只记录错误类型，不抄完整题目。比如“概率：状态定义没分清”“统计：忘了写显著性阈值”“编程：边界索引越界”。我那次笔试前的晚上翻了一遍错题本，发现很多错误都是循环出现的。这比反复做新题更值得花时间。

从那以后我每次参加量化笔试前都强制自己走一遍三张纸流程，数学功底好的同学可能觉得没必要，但对我这种容易在基础题上翻车的人来说，它确实最稳。这套方法帮我避免了很多低级失分，希望也能帮到你。

本文还有配套的精品资源，点击获取