q*****l
发帖数: 124 | 1 明年phd毕业，本想今年summer找个实习做做的。只拿到两个面试，结果连个onsite都
没拿到，尼玛还让不让人玩了。准备Q差不多半年多了，SHREVE红绿皮之类的也过了有3
到4周目，略sigh略不甘心的说。。。再想想读PHD这么久也没啥牛paper牛intern，真
心觉得人生真尼玛是一首操蛋的小情歌。。。 |
q*****l
发帖数: 124 | 2 顺手发点面经
1. LS and ML estimator, noise是exponential的时候咋办
2. 解释Kalman Filter，给出closed form solution。techniques for irregular
sampling
3. moment generating function for Gaussian
4. sum(1/(k^2))converge？并算出结果。 |
f*********5
发帖数: 367 | 3 楼主不要灰心，我觉得这个确实有不少运气和地理成分。
第4如果没看过的话现场能推出来的没几个吧？
楼主你是统计专业的吗？ |
f*****e
发帖数: 2992 | 4 应该是EE，qsignal嘛！统计信号处理。
【在 f*********5 的大作中提到】
: 楼主不要灰心，我觉得这个确实有不少运气和地理成分。
: 第4如果没看过的话现场能推出来的没几个吧？
: 楼主你是统计专业的吗？
|
s*********y
发帖数: 284 | 5 楼主加油，不要灰心
一方面尽可能多投点公司，哪怕是不起眼的小公司，有时候会有意外，多找有关系认识
的人推荐
另一方面多总结面试经验教训，同类型的错不允许犯第二次，能抓住机会
我第一次申intern也是被拒到爆，坚持就是胜利
有3
【在 q*****l 的大作中提到】
: 明年phd毕业，本想今年summer找个实习做做的。只拿到两个面试，结果连个onsite都
: 没拿到，尼玛还让不让人玩了。准备Q差不多半年多了，SHREVE红绿皮之类的也过了有3
: 到4周目，略sigh略不甘心的说。。。再想想读PHD这么久也没啥牛paper牛intern，真
: 心觉得人生真尼玛是一首操蛋的小情歌。。。
|
s******e
发帖数: 1751 | 6 just keep on trying... it's like playing lottery. |
H********d
发帖数: 67 | 7 感觉问题1和2像是buy-side的面经？
lz加油，找一次实习遇到些困难很正常，能够提供正经实习的地方并不多。你可以明年
再试一次，有了这次的经验肯定很有帮助的
【在 q*****l 的大作中提到】
: 顺手发点面经
: 1. LS and ML estimator, noise是exponential的时候咋办
: 2. 解释Kalman Filter，给出closed form solution。techniques for irregular
: sampling
: 3. moment generating function for Gaussian
: 4. sum(1/(k^2))converge？并算出结果。
|
t**********s
发帖数: 2968 | 8 不要灰心，运气来时，就会呼啦啦啦。本人建议，买些红的挂件或红线红绳的，挂扎在
自己床头，讨个好运，
反正这也没什么损失！ |
w**********y
发帖数: 1691 | 9 2,面试让你直接给closed form solution? general description还是让你推导啊?
能具体说说irregular sampling这个问题么? assuming many unobservable (missing)
data and combining them with existing one to get the regular sampling?
【在 q*****l 的大作中提到】
: 顺手发点面经
: 1. LS and ML estimator, noise是exponential的时候咋办
: 2. 解释Kalman Filter，给出closed form solution。techniques for irregular
: sampling
: 3. moment generating function for Gaussian
: 4. sum(1/(k^2))converge？并算出结果。
|
l******i
发帖数: 1404 | 10 noise是exponential，指的是regression里面的noise是exponential distribution
instead of Gaussian吗？
对了红皮绿皮你看了几遍呀，去面的时候能不能做到上面80%题滚瓜烂熟？
【在 q*****l 的大作中提到】
: 顺手发点面经
: 1. LS and ML estimator, noise是exponential的时候咋办
: 2. 解释Kalman Filter，给出closed form solution。techniques for irregular
: sampling
: 3. moment generating function for Gaussian
: 4. sum(1/(k^2))converge？并算出结果。
|
|
|
q*****l
发帖数: 124 | 11 先用bayesian estimator的framework解释一下kalman filter，分哪几部，然后问记最
后得出的公式是什么（不是推导）。irregular sampling指的是non-uniformly
sampling，就问了问知不道知道有哪些technique，感觉是他们group用过这个，就算答
不上来应该也没啥大伤。
missing)
【在 w**********y 的大作中提到】
: 2,面试让你直接给closed form solution? general description还是让你推导啊?
: 能具体说说irregular sampling这个问题么? assuming many unobservable (missing)
: data and combining them with existing one to get the regular sampling?
|
q*****l
发帖数: 124 | 12 YES，问了Gaussian跟exponential，然后95%的confidence interval。
红绿皮每个章节看的不太uniform，感觉总的看了有三四遍吧，题滚瓜烂熟说不上但还
是自己能做出来。不过这就是郁闷的地方啊，花了不少在红绿上，结果上面的概率，算
法跟stochastic calc的东西都没被问到的说。。。
【在 l******i 的大作中提到】
: noise是exponential，指的是regression里面的noise是exponential distribution
: instead of Gaussian吗？
: 对了红皮绿皮你看了几遍呀，去面的时候能不能做到上面80%题滚瓜烂熟？
|
q*****l
发帖数: 124 | 13 多谢啦~我是EE的phd。其实4当时想到了用傅里叶变化做，就是弄死推不出1/k的DTFT，
早知道面试的时候就带着本子了QAQ。
【在 f*********5 的大作中提到】
: 楼主不要灰心，我觉得这个确实有不少运气和地理成分。
: 第4如果没看过的话现场能推出来的没几个吧？
: 楼主你是统计专业的吗？
|
A****F
发帖数: 1133 | 14 楼主在纽约吗？好像不少地方都倾向从local招人。其实运气也挺重要的，祝你好运！ |
l******i
发帖数: 1404 | 15 我觉得楼主不要气馁，先把简历相关的skill弄得滚瓜烂熟最重要。
红绿题型主要针对投行的desk quant吧，确实过于强调概率和brain teaser了，忽略了
统计和econometrics的知识。
【在 q*****l 的大作中提到】
: YES，问了Gaussian跟exponential，然后95%的confidence interval。
: 红绿皮每个章节看的不太uniform，感觉总的看了有三四遍吧，题滚瓜烂熟说不上但还
: 是自己能做出来。不过这就是郁闷的地方啊，花了不少在红绿上，结果上面的概率，算
: 法跟stochastic calc的东西都没被问到的说。。。
|
s*********y
发帖数: 284 | 16 嗯，其实找bank和buy side的quant职位对于需要的skill set还是有不少差别的，准备
的时候也应该有所区别
他们的overlap大概就是brain teaser, probability
bank会问一些mathematical finance的东西
而buy side更喜欢问statistics/data analysis以及programming
我觉得楼主不要气馁，先把简历相关的skill弄得滚瓜烂熟最重要。
红绿题型主要针对投行的desk quant吧，确实过于强调概率和brain teaser了，忽略了
统计和econometrics的知识。
【在 l******i 的大作中提到】
: 我觉得楼主不要气馁，先把简历相关的skill弄得滚瓜烂熟最重要。
: 红绿题型主要针对投行的desk quant吧，确实过于强调概率和brain teaser了，忽略了
: 统计和econometrics的知识。
|
s********i
发帖数: 111 | 17 求和和求积分差不多，猜一个f(k)使得f(k+1)-f(k)=1/k^2就行了。
【在 q*****l 的大作中提到】
: 多谢啦~我是EE的phd。其实4当时想到了用傅里叶变化做，就是弄死推不出1/k的DTFT，
: 早知道面试的时候就带着本子了QAQ。
|
B******5
发帖数: 4676 | 18 Kalman filter是做这个research才熟吧。。。 |
y********r
发帖数: 2 | |
C******n
发帖数: 9204 | 20 本质上就是conditional normal dist。我面的时候也问过bivariate normal, given一
个值，另一个多少。
【在 B******5 的大作中提到】
: Kalman filter是做这个research才熟吧。。。
|
