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。。。
|