逆转：全球招生二十来人，我居然进了
2023-08-05 10:06:31
标签： ggu 教育 世毕盟教育 世毕盟留学
背景介绍：
本科：上海交通大学 金融专业，辅修经济学
GPA：89.95/100
GRE：157+169+4.0
托福：114
我真正的申请季大概从10月份开始，一直到2月份收到第一个offer结束。而完整的时间线大概是：
1.
大二-大三：quant实习；相关课程修读(非常重要)；GT考试准备。
2.
大四上学期9-10月份：开始准备文书。这时候要开始思考过往的经历如何连成一个完整的故事线，如何匹配自己的职业目标等。
3. 10-1月:
根据每个项目等特点对文书进行修改；完成网申，VI等。
4. 1月-2月:比较密集的真人面试。
5. 2-3月: 等offer。
我在金融工程申请者里其实算比较特别的，因为我决定申请mfe方向已经很晚了（大三下），而正常的mfe申请者一般在大二甚至大一就做好决定并且开始做准备了。我的第一份量化相关的实习是在大三的寒假做的与衍生品交易相关的实习，第二份在大三暑假做的是股票相关的quant
research intern；第三份是在大四上做的alpha
research。这三份实习都是在title非常小的私募，但因为工作内容比较相关，面试的时候有很多能展开的地方。
那么接下来我将从背景打造，项目选择和申请过程三个方面进行分享。我的分享仅从我自己的申请经历中获得，不一定大家都适用，如果有其他问题也欢迎私信我交流。
一、背景打造
申请背景最重要的还是选课和实习，其次是科研，推荐信和语言。（国外的交换经历是一个很大的加分项！但由于我们这一届疫情等种种原因，我就没有去国外交换了，但事实证明这不会成为减分项。）
1. 选课（GPA）
MFE的申请对先修课程的要求很高，数学和编程是重中之重。数学方面，基础的概率论，线性代数和微积分是必修的；在此基础上可以修读随机过程，ODE，PDE等课程，以及一些回归分析，计量等统计课程。CS方面，机器学习，数据结构等会比较加分。编程语言一般用c++和python，并且最好能精通一项。
但我比较特殊，因为我很晚才决定申请美国的mfe，所以之前的选课并没有按照申请mfe的思路去走，这就导致我在申请的时候非常深刻的意识到了自己在选课方面的短板……所以在简历上，我重点突出了实习过程中所使用的技能和知识点；在文书中重点写了遇到没接触过的机器学习project，是如何自己学习和实践，突出了我在课程之外的学习过程。在选校方面，我也在传统的mfe项目之外加申了金融经济等偏量化+fin等项目。总而言之，选课非常重要，大一大二的朋友们最好能够尽早开始选择数学和编程相关课程。但学校的课程不是唯一的学习途径，在工作中展现的学习能力也是非常重要的，毕竟未来的几十年都是要边做边学的～
2. 实习
实习的有效性排名一定是relevant > big
name的（当然能找到即big name又relevant的最好的，但big name也仅限于外资，国内big
name与否对国外的教授来说都没什么差别）。
实习的工作内容最好与你的职业规划一致（当然，也可以是你的职业规划与实习工作一致，你懂的）。我的实习经历集中于国内的量化私募，并且工作都是quant
research。我后两份实习都是在title非常小的私募，这两份实习中我学到了很多东西，学习曲线非常陡峭，并且因为人少，leader也非常愿意带着你学习。所以大家不要因为一些私募name太小而不愿意去，这样的私募反而会让你的重要性更明显，能接触到更相关的工作。只要工作内容是相关的，硬核的，不是很水的那种，title其实没有那么重要（bb
quant或者二级外资大买这些除外）。
关于如何找实习，我的方法就很简单粗暴：海投。第一份实习永远是最难找到的，但找到第一份后，后面的就很快能找到了。在面试前复习一下python，统计和概率论相关知识，有余力者也可以刷一刷绿皮书。
至于实习的数量，我认为2-3份就足够了，太多实习反而会让招生官怀疑频繁更换实习的原因，重要要放在实习的内容是否硬核且相关。所以也不用太早开始焦虑实习（比如我大三暑假才开始做很硬核的实习）。
3．推荐信
mfe的申请推荐信一定要有一个professional推荐人，一般都是找实习的leader。然后还要有两位教授的推荐信。但其实推荐信作用并不大，除非超级牛推，我觉得committee在review的时候也不会给予太多考虑，达到数量要求，并且推荐人肯定了你的量化技能即可。
逆转：全球招生二十来人，我居然进了
背景介绍：
本科：上海交通大学 金融专业，辅修经济学
GPA：89.95/100
GRE：157+169+4.0
托福：114
我真正的申请季大概从10月份开始，一直到2月份收到第一个offer结束。而完整的时间线大概是：
1. 大二-大三：quant实习；相关课程修读(非常重要)；GT考试准备。
2. 大四上学期9-10月份：开始准备文书。这时候要开始思考过往的经历如何连成一个完整的故事线，如何匹配自己的职业目标等。
3. 10-1月: 根据每个项目等特点对文书进行修改；完成网申，VI等。
4. 1月-2月:比较密集的真人面试。
5. 2-3月: 等offer。
我在金融工程申请者里其实算比较特别的，因为我决定申请mfe方向已经很晚了（大三下），而正常的mfe申请者一般在大二甚至大一就做好决定并且开始做准备了。我的第一份量化相关的实习是在大三的寒假做的与衍生品交易相关的实习，第二份在大三暑假做的是股票相关的quant research intern；第三份是在大四上做的alpha research。这三份实习都是在title非常小的私募，但因为工作内容比较相关，面试的时候有很多能展开的地方。
那么接下来我将从背景打造，项目选择和申请过程三个方面进行分享。我的分享仅从我自己的申请经历中获得，不一定大家都适用，如果有其他问题也欢迎私信我交流。
一、背景打造
申请背景最重要的还是选课和实习，其次是科研，推荐信和语言。（国外的交换经历是一个很大的加分项！但由于我们这一届疫情等种种原因，我就没有去国外交换了，但事实证明这不会成为减分项。）
1. 选课（GPA）
MFE的申请对先修课程的要求很高，数学和编程是重中之重。数学方面，基础的概率论，线性代数和微积分是必修的；在此基础上可以修读随机过程，ODE，PDE等课程，以及一些回归分析，计量等统计课程。CS方面，机器学习，数据结构等会比较加分。编程语言一般用c++和python，并且最好能精通一项。
但我比较特殊，因为我很晚才决定申请美国的mfe，所以之前的选课并没有按照申请mfe的思路去走，这就导致我在申请的时候非常深刻的意识到了自己在选课方面的短板……所以在简历上，我重点突出了实习过程中所使用的技能和知识点；在文书中重点写了遇到没接触过的机器学习project，是如何自己学习和实践，突出了我在课程之外的学习过程。在选校方面，我也在传统的mfe项目之外加申了金融经济等偏量化+fin等项目。总而言之，选课非常重要，大一大二的朋友们最好能够尽早开始选择数学和编程相关课程。但学校的课程不是唯一的学习途径，在工作中展现的学习能力也是非常重要的，毕竟未来的几十年都是要边做边学的～
2. 实习
实习的有效性排名一定是relevant > big name的（当然能找到即big name又relevant的最好的，但big name也仅限于外资，国内big name与否对国外的教授来说都没什么差别）。
实习的工作内容最好与你的职业规划一致（当然，也可以是你的职业规划与实习工作一致，你懂的）。我的实习经历集中于国内的量化私募，并且工作都是quant research。我后两份实习都是在title非常小的私募，这两份实习中我学到了很多东西，学习曲线非常陡峭，并且因为人少，leader也非常愿意带着你学习。所以大家不要因为一些私募name太小而不愿意去，这样的私募反而会让你的重要性更明显，能接触到更相关的工作。只要工作内容是相关的，硬核的，不是很水的那种，title其实没有那么重要（bb quant或者二级外资大买这些除外）。
关于如何找实习，我的方法就很简单粗暴：海投。第一份实习永远是最难找到的，但找到第一份后，后面的就很快能找到了。在面试前复习一下python，统计和概率论相关知识，有余力者也可以刷一刷绿皮书。
至于实习的数量，我认为2-3份就足够了，太多实习反而会让招生官怀疑频繁更换实习的原因，重要要放在实习的内容是否硬核且相关。所以也不用太早开始焦虑实习（比如我大三暑假才开始做很硬核的实习）。
3．推荐信
mfe的申请推荐信一定要有一个professional推荐人，一般都是找实习的leader。然后还要有两位教授的推荐信。但其实推荐信作用并不大，除非超级牛推，我觉得committee在review的时候也不会给予太多考虑，达到数量要求，并且推荐人肯定了你的量化技能即可。