背景介绍:
Top4 数学系
GPA 3.64，Rank 5%
托福 109（S23），GRE V159+Q170
实习：三段量化私募QR（均非bigname）
科研：两段本校金工相关科研
推荐信：两封课程推+一封科研推+两封实习推
Ad：CMU MSCF，Cornell MFE，UChicago Finmath
Rej：MIT MFin，Baruch MFE，Columbia MAFN，NYU MFE
Pending：Columbia MFE，NYU MathFin，Gatech QCF
最终去向：CMU MSCF
01
关于MFE
MFE是一个就业导向的项目，其目的主要是为了帮助学生在北美找到quant的工作，课程较为速成和实用。因此，MFE需要学生在入学前已经有扎实的数理基础和代码基础，同时对行业有一定的了解和实践经历，这样才能在项目的帮助下找到工作。选择申请MFE前，大家可以考虑下自己的职业规划，比如是否想要回国，读master还是PhD，是否愿意进入一个已经高度内卷的行业。这些会是在申请文书和面试中反复出现的问题，提前考虑好这些问题再选择MFE，会使得申请过程更加自然。
做职业规划是一个持续的过程。就我而言，量化的高薪是最开始吸引到我的点，而我所在的数院，一直有不少同学选择做量化，我会多和学长学姐交流，同时也参加了量化相关的社团做一些简单的策略回测，慢慢产生了做量化的兴趣。后来在实习的过程中也不断加深了兴趣，从而慢慢清晰了自己的职业规划。
02
关于背景打造
背景打造主要分为GPA（选课），实习，科研，推荐信，语言五个板块。考虑到MFE还是很卷的，因此想申到top项目，这五个维度不能有短板，且最好有突出的点（比如实习）。此外，海外经历也是非常加分的，但因为我们这一届因为疫情，出国交流的很少，我也没有去交换，因此我就不详细展开说了。
一.选课和GPA
GPA的重要性就不多赘述，肯定越高越好，但是大多数项目也不会卡GPA，会结合我们的排名和课程硬核程度一起考虑。对于MFE，数学和编程课程非常重要。数学方面，需要大家掌握多元微积分、线性代数、概率论。此外，修一些进阶课程会很加分，比如ODE、PDE、随机分析、随机过程、实变函数，统计方面需要上回归分析，统计推断等。
编程方面，C++和Python至少都要上过课，并且要有一门比较精通。如果大家在国内做量化实习，一般Python都会用得比较好。C++的话我比较推荐Baruch
C++ Certificate，能够涵盖大部分面试C++的考察重点，这个证书Baruch和CMU都很认可。
数学专业课大部分都比较硬核，有时没学透的话很可能会拿一个很低的成绩，因此这一点需要大家权衡（数学系的同学们就没办法了）。对于像实变函数这种特别难的课程，如果怕学校里绩点爆炸，也可以考虑在去国外交换的时候修，或者上网课。国外给分会比国内好很多，考试也会简单，所以还是很香的。同时也不要为了刷GPA而上水课，这些在申请材料中都会体现的。
二.实习
实习应当围绕职业规划，作为读MFE后的找暑期实习的敲门砖。重要性方面，一定是相关性 >
Bigname，拒绝螺丝钉。主要是国内的bigname其实国外教授也不太了解，因此最后还是看我们的工作内容。
什么样的实习是与MFE相关的？一个简单的评判标准是：主要工作是写代码的实习就是相关实习，如果涉及金融交易会更好。公司选择上，我认为外资量化
> 量化私募（推荐）> 公募量化组 >=
券商金工 >=
大厂。我自己的实习都是在私募做的，量化私募的优点在于exposure比较好，能够很快的入门做策略，很少有杂活。而且通常用到的模型会比较前沿和灵活，能突显自己的研究水平。大家做实习也可以考虑接触不同的金融产品和策略类型，并尽可能地多点一些技能点（比如当下热门的机器学习）。
最后说说如何找实习。量化工作需要一定的数理和编程的知识储备，因此不用过早地找实习（即便是托关系），我是大二暑假做的第一段。在准备找实习前，我非常推荐“聚宽网”，上面有非常全面的数据以及较为完善的策略社区，可以帮助大家快速了解这一行的工作内容。此外，坚实的代码基础也是必不可少的，如Python中的Numpy、Pandas、Pytorch等库要熟悉如何使用。最后，可以多刷刷绿皮书，以及巩固概率论知识，这些是面试中的考察重点。找到第一段实习后，再找下一段就容易多了。
三.科研、推荐信、语言考试
这一块重要性相对弱一些，因此简练地讲一下。
对于MFE，科研并不必要，但是科研能够提供一封高质量推荐信，其中凸显我们的软实力，所以如果有余力还是建议大家去做一下的，如果能做一些独立课题会更好。我因为没有修过金融课程，因此就在本校找了位老师做了金融的科研，对于股票多因子模型和期权定价有所涉及，从而补齐了我在金融方面的短板。
推荐信本来是很重要的一环，但是因为国内大都是学生自己写的，国外老师也知道这一点，所以效力就很弱了。我个人的理解是这一块不用特别去卷，如果能拿到大佬的推荐信肯定会加分，但是没有的话也不要紧。
语言考试方面，同样不需要花太多力气去刷高，托福105（S23+）与GRE325（Q169+）就足够了。唯一需要注意的点就是不要拖太晚，建议托福在大三上考出，GRE在大三下，尽量把大三暑假和大四上空出来全力搞实习和申请。
关于申请与世毕盟
世毕盟在金工申请上是非常专业的，主要是有一大批很优秀的金工学子成为了世毕盟的mentor，我就非常幸运地遇到一位非常优秀负责的，就读于普林MFin的mentor。在前期准备上，作为过来人的mentor让我少走很多弯路，个性化地帮助了我打造背景。在申请过程中，从文书的细节到面试的回答等，mentor都从业内角度提供很专业的建议，陪着我一遍又一遍的修改，从而能让我在最后关头脱颖而出。
我在世毕盟的培训师张老师一直能够迅速且耐心地解答我申请中遇到的种种问题，各种申请中的实时信息传达得及时高效。此外，我也满意世毕盟配套的native文书润色和模拟面试，尤其是模拟面试cover到了面试的所有内容，在面试中我也发挥得很好。最后我还想特别感谢下世毕盟吴老师，尽管不是我的培训师，却一直持续地给予我各种帮助（包括一些内推），还主动帮助我修改文书等。我能够拿到理想的offer离不开mentor和世毕盟的帮助，因此内心是非常感激的。
申请是很玄学的事，有没有offer的运气成分很大，也要考虑与项目的匹配程度。我拿到CMU的offer后还收到了不少tier2
MFE的拒信，好在第一个offer来的比较早，提前放松了心态。申请的战线很长，很考验心态，特别是到最后的面试阶段，临近结束时很容易疲劳松懈，看到别人收到offer时也容易焦虑，因此保证好心态非常重要（申请季也算是为秋招预热）。要时刻铭记，升学只是人生中的一个节点，在求职道路上，我们还要不断努力前行。
最后，祝愿大家在申请季一切顺利！
国内top4本，GPA3.64，CMUMSCF我来啦！！！
背景介绍:
Top4 数学系
GPA 3.64，Rank 5%
托福 109（S23），GRE V159+Q170
实习：三段量化私募QR（均非bigname）
科研：两段本校金工相关科研
推荐信：两封课程推+一封科研推+两封实习推
Ad：CMU MSCF，Cornell MFE，UChicago Finmath
Rej：MIT MFin，Baruch MFE，Columbia MAFN，NYU MFE
Pending：Columbia MFE，NYU MathFin，Gatech QCF
最终去向：CMU MSCF
01
关于MFE
MFE是一个就业导向的项目，其目的主要是为了帮助学生在北美找到quant的工作，课程较为速成和实用。因此，MFE需要学生在入学前已经有扎实的数理基础和代码基础，同时对行业有一定的了解和实践经历，这样才能在项目的帮助下找到工作。选择申请MFE前，大家可以考虑下自己的职业规划，比如是否想要回国，读master还是PhD，是否愿意进入一个已经高度内卷的行业。这些会是在申请文书和面试中反复出现的问题，提前考虑好这些问题再选择MFE，会使得申请过程更加自然。
做职业规划是一个持续的过程。就我而言，量化的高薪是最开始吸引到我的点，而我所在的数院，一直有不少同学选择做量化，我会多和学长学姐交流，同时也参加了量化相关的社团做一些简单的策略回测，慢慢产生了做量化的兴趣。后来在实习的过程中也不断加深了兴趣，从而慢慢清晰了自己的职业规划。
02
关于背景打造
背景打造主要分为GPA（选课），实习，科研，推荐信，语言五个板块。考虑到MFE还是很卷的，因此想申到top项目，这五个维度不能有短板，且最好有突出的点（比如实习）。此外，海外经历也是非常加分的，但因为我们这一届因为疫情，出国交流的很少，我也没有去交换，因此我就不详细展开说了。
一.选课和GPA
GPA的重要性就不多赘述，肯定越高越好，但是大多数项目也不会卡GPA，会结合我们的排名和课程硬核程度一起考虑。对于MFE，数学和编程课程非常重要。数学方面，需要大家掌握多元微积分、线性代数、概率论。此外，修一些进阶课程会很加分，比如ODE、PDE、随机分析、随机过程、实变函数，统计方面需要上回归分析，统计推断等。
编程方面，C++和Python至少都要上过课，并且要有一门比较精通。如果大家在国内做量化实习，一般Python都会用得比较好。C++的话我比较推荐Baruch C++ Certificate，能够涵盖大部分面试C++的考察重点，这个证书Baruch和CMU都很认可。
数学专业课大部分都比较硬核，有时没学透的话很可能会拿一个很低的成绩，因此这一点需要大家权衡（数学系的同学们就没办法了）。对于像实变函数这种特别难的课程，如果怕学校里绩点爆炸，也可以考虑在去国外交换的时候修，或者上网课。国外给分会比国内好很多，考试也会简单，所以还是很香的。同时也不要为了刷GPA而上水课，这些在申请材料中都会体现的。
二.实习
实习应当围绕职业规划，作为读MFE后的找暑期实习的敲门砖。重要性方面，一定是相关性 > Bigname，拒绝螺丝钉。主要是国内的bigname其实国外教授也不太了解，因此最后还是看我们的工作内容。
什么样的实习是与MFE相关的？一个简单的评判标准是：主要工作是写代码的实习就是相关实习，如果涉及金融交易会更好。公司选择上，我认为外资量化 > 量化私募（推荐）> 公募量化组 >= 券商金工 >= 大厂。我自己的实习都是在私募做的，量化私募的优点在于exposure比较好，能够很快的入门做策略，很少有杂活。而且通常用到的模型会比较前沿和灵活，能突显自己的研究水平。大家做实习也可以考虑接触不同的金融产品和策略类型，并尽可能地多点一些技能点（比如当下热门的机器学习）。
最后说说如何找实习。量化工作需要一定的数理和编程的知识储备，因此不用过早地找实习（即便是托关系），我是大二暑假做的第一段。在准备找实习前，我非常推荐“聚宽网”，上面有非常全面的数据以及较为完善的策略社区，可以帮助大家快速了解这一行的工作内容。此外，坚实的代码基础也是必不可少的，如Python中的Numpy、Pandas、Pytorch等库要熟悉如何使用。最后，可以多刷刷绿皮书，以及巩固概率论知识，这些是面试中的考察重点。找到第一段实习后，再找下一段就容易多了。
三.科研、推荐信、语言考试
这一块重要性相对弱一些，因此简练地讲一下。
对于MFE，科研并不必要，但是科研能够提供一封高质量推荐信，其中凸显我们的软实力，所以如果有余力还是建议大家去做一下的，如果能做一些独立课题会更好。我因为没有修过金融课程，因此就在本校找了位老师做了金融的科研，对于股票多因子模型和期权定价有所涉及，从而补齐了我在金融方面的短板。
推荐信本来是很重要的一环，但是因为国内大都是学生自己写的，国外老师也知道这一点，所以效力就很弱了。我个人的理解是这一块不用特别去卷，如果能拿到大佬的推荐信肯定会加分，但是没有的话也不要紧。
语言考试方面，同样不需要花太多力气去刷高，托福105（S23+）与GRE325（Q169+）就足够了。唯一需要注意的点就是不要拖太晚，建议托福在大三上考出，GRE在大三下，尽量把大三暑假和大四上空出来全力搞实习和申请。
关于申请与世毕盟
世毕盟在金工申请上是非常专业的，主要是有一大批很优秀的金工学子成为了世毕盟的mentor，我就非常幸运地遇到一位非常优秀负责的，就读于普林MFin的mentor。在前期准备上，作为过来人的mentor让我少走很多弯路，个性化地帮助了我打造背景。在申请过程中，从文书的细节到面试的回答等，mentor都从业内角度提供很专业的建议，陪着我一遍又一遍的修改，从而能让我在最后关头脱颖而出。
我在世毕盟的培训师张老师一直能够迅速且耐心地解答我申请中遇到的种种问题，各种申请中的实时信息传达得及时高效。此外，我也满意世毕盟配套的native文书润色和模拟面试，尤其是模拟面试cover到了面试的所有内容，在面试中我也发挥得很好。最后我还想特别感谢下世毕盟吴老师，尽管不是我的培训师，却一直持续地给予我各种帮助（包括一些内推），还主动帮助我修改文书等。我能够拿到理想的offer离不开mentor和世毕盟的帮助，因此内心是非常感激的。
申请是很玄学的事，有没有offer的运气成分很大，也要考虑与项目的匹配程度。我拿到CMU的offer后还收到了不少tier2 MFE的拒信，好在第一个offer来的比较早，提前放松了心态。申请的战线很长，很考验心态，特别是到最后的面试阶段，临近结束时很容易疲劳松懈，看到别人收到offer时也容易焦虑，因此保证好心态非常重要（申请季也算是为秋招预热）。要时刻铭记，升学只是人生中的一个节点，在求职道路上，我们还要不断努力前行。
最后，祝愿大家在申请季一切顺利！