这是一个很纯粹的申请经验总结，所以不过多抒发结束申请季的心情。
背景介绍
院校：非中外合作双非金融学两年+UK某QS80左右院校Econ &
Fin两年+港大学期交换
GPA：WES换算是3.93/4，国内92.4，英国86.1，都是专业第一
GRE：166+170+3.5
TOEFL：108
实习：三段量化私募QR，一段券商金工组
科研：三段RA（人大Quant
Finance，港科NLP，Emory时序DL），三篇publication（两篇独立一作，一篇共一（JMLR, under
review））
推荐信：Emory的Advisor，港科的Advisor（业内大牛，h-index
100+），以及两篇实习带教人推荐信（一位是CMU MSCF校友）
其他：Kaggle银牌区，GitHub 250+ Stars项目，校内Quant
Club创始人，CPPIB策略Vendor
申请策略：金工为主（tier 2及以上），DS为辅（基本都是tier 1）
我的申请情况：
Admission: CMU MSCF, Columbia MSFE, NYU FinMath, NYU MFE
Reject: Princeton MFin, Stanford ICME, Harvard DS, CMU DS
Waiting list: UCB MFE
Pending: Cambridge MLMI, Yale AM, Columbia MFE
DS申请反思
在讲MFE之前，我先简要分享一下自己对于今年辅申DS的总结。三个字，全聚德。其实一开始也没有预料到，因为我的两个QR实习都是跟DL和NLP强相关，两份科研是纯ML，并且有还不错的NLP相关publication。反思之后，我认为还是自己的履历透露出很明显的quant倾向，文书虽然竭力避免，但是CV上是藏不住的。所以，DS的申请结果不是很好。个人认为，在DS申请越来越卷的当下，辅申DS想捡几个offer的可能性越来越少。
MFE申请总结
接下来，就都是关于MFE申请。我个人为MFE申请的各维度排了个序：院校=实习>GPA=课程>科研>推荐信=GT。但MFE申请一年比一年卷，top金工更是年年神仙打架，所以我认为想申到QuantNet前三，这几个维度都不能有明显短板，且必须有突出长板。我自己是最初院校很一般，课程不量化，那就必须在其他所有维度都能算得上长板，并且尽量补好这两块短板才行。
如何提升院校背景？
先说院校短板，我的院校背景算是劣势较为明显，我申请的基本所有项目都没有先例。我个人认为，处于这种情形下的同学最先要做的就是打通信息渠道，我因为没有足够的信息，所以大学第一年方向不是很正确，容易死努力。
后面接触了更多的清北复交的同学，以及加入了世毕盟之后，才开始有了金工的申请目标，知道该准备什么。除了打通信息渠道外，便是要想办法提升一下院校背景。相比实习科研和三维，提升院校背景，我个人认为是最不好操作的。有几种方法：一是直接转学，一劳永逸，再不受之前的院校束缚，但是花费高，无论是钱还是时间；二是一些院校有2+2的双学位项目，我就是通过这样的方式，能让院校背景不至于那么被动，花费也要低于转学，但有部分观点是2+2并不太受一些项目认可；三是学期交换，可以一定程度提高院校背景，但是作用不如直接多个学历，聊胜于无。
如何提高课程硬核度？
除了院校背景外，我的专业是纯金融和经济，也属于比较劣势的专业，这也是由于大一方向不对，然后2+2没什么专业选择，没有方法转专业。所以，我这边也有一些在专业不够量化的情况下，如何解决课程不够硬核的几个tips。
首先，如果学校给你的选课自由度比较高，那恭喜你，你只要把Stat，Math，CS的课都选上，并且保持GPA就好了。但一部分同学面临的问题是选课自由度不够，我这边主要讲这块，因为我就是这个情况。这种情况下，你可以做的第一件事，就是软磨硬泡。比如，我在英国的时候，Syllabus里规定我没法选随机过程，所以我就发邮件给学院的lead，去阐述自己对随机过程的重视以及为什么想选随机过程，最终成功。
第二件事，就是看看能否去交换。交换一般课程选择范围广，我在最后一年的上学期去了港大交换，就是为了选五门我认为对MFE申请非常有帮助的课程，虽然上课很辛苦，但我觉得是值得的。
第三件事，就是上些网课，我个人觉得edx的课程平均质量比Coursera高蛮多，我建议既然是想学东西，还是去选一些含金量高的网课。我个人会推荐MIT的MicroMaster系列，我修完了全部的Statistics
and Data Science，里面还有个以MIT MFin对标的Finance MicroMaster，修完了可以抵MIT
MFin的学分，并且对申请也会有点帮助，总体认可度比普通网课要高，但相应workload非常大，做好心理准备。此外，Baruch的Pre-MFE课程也不错，除了有名的C++外，Dan教授的Numerical
Linear Algebra也讲的非常好，课程表现优秀还可以拿到Dan的推荐信，对于Baruch的技术面也很有帮助。
如何找quant实习？
除了院校外，最重要的就是实习，并且得是量化相关的实习，Title不如匹配度重要。这里得分成大陆和海外来说。对于大陆学生而言，劣势是比较难找到国际big
name的quant岗，因为外资体量放在这。而国内的big
name，比如几家千亿的量化私募，在美国的Committee眼中跟10亿的量化私募没啥明显差异。之前有幸进了某家近千亿私募做QR，但是exposure并不比我在十亿的地方高多少，所以不必只盯着几家百亿投，会很卷。大陆学生的优势，就是可以比较容易找到小私募的量化实习积累经验，并且除了暑期，日常实习也比较多，甚至还会有些远程机会，只要有时间精力，这些都可以投。对于没有关系，没有校友的同学来说，第一步一般都是最困难的，所以可以先从小私募量化岗投起，很多门槛不会特别高。或者，可以去一些大平台做其他岗位，然后跟一些里头做量化的同事多沟通，混脸熟，之后可以让他推你进组，我自己是这种方法先进的大FOF，后面去了量化岗，所以也讲出来供参考。
对于海外学生，进big name的可能性会更大，但是像UK，非牛剑去big
name的公司做量化的可能性也很低，所以在一二月份没拿到offer的情况下，可以三四月份开始考虑国内的机会。就算没有big
name的量化实习，也不妨碍你拿到顶尖的金工offer。国外的招聘流程和国内侧重点差异比较大。国内更注重你的quant经验，所以第一步难走。国外更注重你的思维交流等能力（比较玄学），所以第一步反而可能没有那么困难。海外同学在第一年的时候就可以关注spring
week机会，这会对倒数第二年的summer申请有很大帮助。
如何找RA以及Publication重要性
科研方面，我就尽量简洁。RA申请几个渠道，自己学校的老师是最好进组的，校外的话就是套磁，一天发个20-30封邮件，总有人会要你。可以适当关注Linkedin和小红书等平台，我在Emory的RA是Linkedin找到的，之前在小红书找到了个IC的教授进行面试，但最后没去那边，去了港科的实验室（公众号找到的）。所以，找RA思维可以开阔一些，因为没有死板的流程，各类平台都利用起来。Publication的话，除非是特别牛的ML顶会，或者Portfolio方面的顶刊，再多EI，SCI三四区啥的意义都不大。
文书，面试以及世毕盟
GPA，GT，推荐信就略过，这主要取决于个人情况，没有总结性的经验。唯一可以提的点，就是推荐信一定要多几个plan
B，我中途就有被教授鸽了的情况，所以得预先做好最坏准备，然后注意长假时间。最后就是文书和面试准备。CV不多讲了，SOP的话注意不能是履历堆砌，得有清晰逻辑链条，有一定故事性。
这里得感谢我在世毕盟指导我的普林金融的Mentor学姐，帮我缕清了逻辑。此外，可以多找一些学长姐去给你的SOP提建议，千人千面，也因此能集思广益。面试的话，世毕盟的面经就足够好用了，日常注意多用英语表达。面试时记得戴耳机（面剑桥MLMI就是因为这，直接崩了，很难听清教授讲啥），表达要自信，最好能让面试官觉得你是个有趣的人，而不是书呆子，所以开朗积极的面试状态很重要。除此之外，非常感谢我在世毕盟的培训师刘老师在整个申请季的全方位的指导，无论是选校，文书还是面试，都给了我非常专业的建议。并且，从我大二下加入世毕盟开始后，刘老师就帮我打破了信息壁垒，对我的生涯规划带来了很重要的影响，也帮我确立了申请金工的目标。
总结
Anyway，无论是申请还是面试，都是不确定性很大的。很多时候没拿到offer可能真的只是因为运气不好，不要过于在意。我面UCB时，感觉非常顺利，一路顺利答到bonus
question，并且还答出了大半，面试官当场反馈也不错，但是UCB给了我wl。抱怨没有用处，只能抚平心态，再接再厉，准备好其他面试。最后，祝愿各位都能有好的申请结果！
翻盘：从双非出发，到全球招生最少金融硕
这是一个很纯粹的申请经验总结，所以不过多抒发结束申请季的心情。
背景介绍
院校：非中外合作双非金融学两年+UK某QS80左右院校Econ & Fin两年+港大学期交换
GPA：WES换算是3.93/4，国内92.4，英国86.1，都是专业第一
GRE：166+170+3.5
TOEFL：108
实习：三段量化私募QR，一段券商金工组
科研：三段RA（人大Quant Finance，港科NLP，Emory时序DL），三篇publication（两篇独立一作，一篇共一（JMLR, under review））
推荐信：Emory的Advisor，港科的Advisor（业内大牛，h-index 100+），以及两篇实习带教人推荐信（一位是CMU MSCF校友）
其他：Kaggle银牌区，GitHub 250+ Stars项目，校内Quant Club创始人，CPPIB策略Vendor
申请策略：金工为主（tier 2及以上），DS为辅（基本都是tier 1）
我的申请情况：
Admission: CMU MSCF, Columbia MSFE, NYU FinMath, NYU MFE
Reject: Princeton MFin, Stanford ICME, Harvard DS, CMU DS
Waiting list: UCB MFE
Pending: Cambridge MLMI, Yale AM, Columbia MFE
DS申请反思
在讲MFE之前，我先简要分享一下自己对于今年辅申DS的总结。三个字，全聚德。其实一开始也没有预料到，因为我的两个QR实习都是跟DL和NLP强相关，两份科研是纯ML，并且有还不错的NLP相关publication。反思之后，我认为还是自己的履历透露出很明显的quant倾向，文书虽然竭力避免，但是CV上是藏不住的。所以，DS的申请结果不是很好。个人认为，在DS申请越来越卷的当下，辅申DS想捡几个offer的可能性越来越少。
MFE申请总结
接下来，就都是关于MFE申请。我个人为MFE申请的各维度排了个序：院校=实习>GPA=课程>科研>推荐信=GT。但MFE申请一年比一年卷，top金工更是年年神仙打架，所以我认为想申到QuantNet前三，这几个维度都不能有明显短板，且必须有突出长板。我自己是最初院校很一般，课程不量化，那就必须在其他所有维度都能算得上长板，并且尽量补好这两块短板才行。
如何提升院校背景？
先说院校短板，我的院校背景算是劣势较为明显，我申请的基本所有项目都没有先例。我个人认为，处于这种情形下的同学最先要做的就是打通信息渠道，我因为没有足够的信息，所以大学第一年方向不是很正确，容易死努力。
后面接触了更多的清北复交的同学，以及加入了世毕盟之后，才开始有了金工的申请目标，知道该准备什么。除了打通信息渠道外，便是要想办法提升一下院校背景。相比实习科研和三维，提升院校背景，我个人认为是最不好操作的。有几种方法：一是直接转学，一劳永逸，再不受之前的院校束缚，但是花费高，无论是钱还是时间；二是一些院校有2+2的双学位项目，我就是通过这样的方式，能让院校背景不至于那么被动，花费也要低于转学，但有部分观点是2+2并不太受一些项目认可；三是学期交换，可以一定程度提高院校背景，但是作用不如直接多个学历，聊胜于无。
如何提高课程硬核度？
除了院校背景外，我的专业是纯金融和经济，也属于比较劣势的专业，这也是由于大一方向不对，然后2+2没什么专业选择，没有方法转专业。所以，我这边也有一些在专业不够量化的情况下，如何解决课程不够硬核的几个tips。
首先，如果学校给你的选课自由度比较高，那恭喜你，你只要把Stat，Math，CS的课都选上，并且保持GPA就好了。但一部分同学面临的问题是选课自由度不够，我这边主要讲这块，因为我就是这个情况。这种情况下，你可以做的第一件事，就是软磨硬泡。比如，我在英国的时候，Syllabus里规定我没法选随机过程，所以我就发邮件给学院的lead，去阐述自己对随机过程的重视以及为什么想选随机过程，最终成功。
第二件事，就是看看能否去交换。交换一般课程选择范围广，我在最后一年的上学期去了港大交换，就是为了选五门我认为对MFE申请非常有帮助的课程，虽然上课很辛苦，但我觉得是值得的。
第三件事，就是上些网课，我个人觉得edx的课程平均质量比Coursera高蛮多，我建议既然是想学东西，还是去选一些含金量高的网课。我个人会推荐MIT的MicroMaster系列，我修完了全部的Statistics and Data Science，里面还有个以MIT MFin对标的Finance MicroMaster，修完了可以抵MIT MFin的学分，并且对申请也会有点帮助，总体认可度比普通网课要高，但相应workload非常大，做好心理准备。此外，Baruch的Pre-MFE课程也不错，除了有名的C++外，Dan教授的Numerical Linear Algebra也讲的非常好，课程表现优秀还可以拿到Dan的推荐信，对于Baruch的技术面也很有帮助。
如何找quant实习？
除了院校外，最重要的就是实习，并且得是量化相关的实习，Title不如匹配度重要。这里得分成大陆和海外来说。对于大陆学生而言，劣势是比较难找到国际big name的quant岗，因为外资体量放在这。而国内的big name，比如几家千亿的量化私募，在美国的Committee眼中跟10亿的量化私募没啥明显差异。之前有幸进了某家近千亿私募做QR，但是exposure并不比我在十亿的地方高多少，所以不必只盯着几家百亿投，会很卷。大陆学生的优势，就是可以比较容易找到小私募的量化实习积累经验，并且除了暑期，日常实习也比较多，甚至还会有些远程机会，只要有时间精力，这些都可以投。对于没有关系，没有校友的同学来说，第一步一般都是最困难的，所以可以先从小私募量化岗投起，很多门槛不会特别高。或者，可以去一些大平台做其他岗位，然后跟一些里头做量化的同事多沟通，混脸熟，之后可以让他推你进组，我自己是这种方法先进的大FOF，后面去了量化岗，所以也讲出来供参考。
对于海外学生，进big name的可能性会更大，但是像UK，非牛剑去big name的公司做量化的可能性也很低，所以在一二月份没拿到offer的情况下，可以三四月份开始考虑国内的机会。就算没有big name的量化实习，也不妨碍你拿到顶尖的金工offer。国外的招聘流程和国内侧重点差异比较大。国内更注重你的quant经验，所以第一步难走。国外更注重你的思维交流等能力（比较玄学），所以第一步反而可能没有那么困难。海外同学在第一年的时候就可以关注spring week机会，这会对倒数第二年的summer申请有很大帮助。
如何找RA以及Publication重要性
科研方面，我就尽量简洁。RA申请几个渠道，自己学校的老师是最好进组的，校外的话就是套磁，一天发个20-30封邮件，总有人会要你。可以适当关注Linkedin和小红书等平台，我在Emory的RA是Linkedin找到的，之前在小红书找到了个IC的教授进行面试，但最后没去那边，去了港科的实验室（公众号找到的）。所以，找RA思维可以开阔一些，因为没有死板的流程，各类平台都利用起来。Publication的话，除非是特别牛的ML顶会，或者Portfolio方面的顶刊，再多EI，SCI三四区啥的意义都不大。
文书，面试以及世毕盟
GPA，GT，推荐信就略过，这主要取决于个人情况，没有总结性的经验。唯一可以提的点，就是推荐信一定要多几个plan B，我中途就有被教授鸽了的情况，所以得预先做好最坏准备，然后注意长假时间。最后就是文书和面试准备。CV不多讲了，SOP的话注意不能是履历堆砌，得有清晰逻辑链条，有一定故事性。
这里得感谢我在世毕盟指导我的普林金融的Mentor学姐，帮我缕清了逻辑。此外，可以多找一些学长姐去给你的SOP提建议，千人千面，也因此能集思广益。面试的话，世毕盟的面经就足够好用了，日常注意多用英语表达。面试时记得戴耳机（面剑桥MLMI就是因为这，直接崩了，很难听清教授讲啥），表达要自信，最好能让面试官觉得你是个有趣的人，而不是书呆子，所以开朗积极的面试状态很重要。除此之外，非常感谢我在世毕盟的培训师刘老师在整个申请季的全方位的指导，无论是选校，文书还是面试，都给了我非常专业的建议。并且，从我大二下加入世毕盟开始后，刘老师就帮我打破了信息壁垒，对我的生涯规划带来了很重要的影响，也帮我确立了申请金工的目标。
总结
Anyway，无论是申请还是面试，都是不确定性很大的。很多时候没拿到offer可能真的只是因为运气不好，不要过于在意。我面UCB时，感觉非常顺利，一路顺利答到bonus question，并且还答出了大半，面试官当场反馈也不错，但是UCB给了我wl。抱怨没有用处，只能抚平心态，再接再厉，准备好其他面试。最后，祝愿各位都能有好的申请结果！