量化交易 2027 Summer Intern 全景：11 家 OA 形态、博弈轮与准备路线

💡 核心要点 (Key Takeaways)

• 量化条的淘汰机制和大厂完全不同：大厂是「轮次多、容错高、逐步筛」，量化是「一轮定生死、OA 就淘汰一大片」。同一场 OA 里可能同时有概率题、速算题、博弈题和 coding，任何一项崩掉都可能直接止步，所以要按「最弱项决定生死」而不是「平均分」来配时间。
• 「博弈轮」是量化条线最强的护城河，也是刷题完全练不到的一环：多个考季的信号都指向同一批形态——n 轮下注游戏（硬币 / 骰子 / 扑克）、market making（对未知量报买卖价）、最优停止（何时收手）、模拟经营（在 jupyter / Excel 里跑策略）。这类题考的不是算得快，而是敢不敢定价、怎么控制仓位、亏损后能不能继续理性决策。
• OA 形态高度分散，不能按大厂模板准备：有机考 coding（2 题限时）、纯概率选择题（20 题量级、限时极紧）、速算 + 数列找规律（8 分钟 80 题的强度）、market making 字母盘模拟，甚至还有 Excel 作业。动手前必须确认你收到的是哪一套。
• 招聘节奏反直觉：有候选人的 OA 过期未做，反而被 HR 主动捞起来直接约面；也有候选人做完 OA 十分钟就收到 VO 邀请、面试当天就考到完全没见过的题。「流程快」「题目固定」这两个在大厂成立的经验，在量化条线都不成立。
• 最狠的挂点不是不会做题，而是「会算但不会下注」：能算出哪些情况值得下注，却不知道仓位怎么分配，一手把本金亏掉一半——这是博弈轮最典型的死法。另一个高频死法是报完价不会应对 follow-up（对面问「那我跟你做这笔」时没有准备好被成交）。
• 数学基本功的性价比远高于刷题量：条件概率与贝叶斯、期望值与递推、最优停止、随机排列的次序统计量（例如逆序对期望、record maximum 期望）、比较模型下的信息量下界（找最大 / 次大需要多少次比较）、拍卖理论（二价拍卖的真实报价占优）。这些题在多个考季、多家公司反复出现，且都是可以靠推导而非背题拿下的。

这篇解决什么问题：为什么量化 Intern 不能按大厂模板准备

这篇写给正在准备量化交易公司 Summer Intern 的候选人，把 Optiver、Citadel、Jane Street、HRT、IMC、Akuna、Point72、WorldQuant、SIG、Squarepoint、DRW 这 11 家的招聘流程放在同一张表里横向对照。之所以要单独成篇，是因为量化条的淘汰逻辑和大厂是两套规则：

大厂逻辑是轮次多、每轮独立评分、容错相对高——第一轮发挥一般，后面几轮还能把总分拉回来。量化逻辑更接近「一轮定生死」：一场 OA 就能淘汰绝大多数人，一轮博弈或概率轮发挥崩掉，后面通常没有补救机会。这意味着备考资源分配方式完全不同——大厂可以按「总分最大化」排计划，量化必须按最弱项决定生死来排：如果你概率推导慢，刷一百道 LeetCode 也救不了那一轮。

还要先分清量化条线内部的岗位分野，它们的考法差异比很多人想象的大：Quant Trader / QT 走概率、博弈、估算、market making；Quantitative Researcher / QR 走统计数学推导 + 轻量编程，很多公司整轮不出 coding 题；Quant Dev / Algo Dev / SWE 走 C++ 与系统基础、低延迟、按长规格实现类。三套打法的准备资源几乎不重叠，投递前先确认你收到的是哪一条线。

本篇是横向对照篇：讲跨公司的形态差异、intern 招聘节奏、博弈轮到底在考什么、数学基本功清单、以及常见挂点。单家纵深请看站内已有深度篇——量化交易公司面试全流程、Optiver OA / QR Intern 面经、Citadel SWE / Quant Intern 面经、HRT SWE Intern / Algo Dev 面经、Akuna Capital 面经、Jane Street 面经、IMC Grad / Intern 面经。

所有流程性陈述都标注了信息档位：官方岗位页口径、同学提供的面经信号（个体案例）、历史稳定项。轮次数量、题量、时长、结果周期都因条线、地区、学历而异，以实际收到的邀请为准。

Intern 招聘节奏：三条反直觉的实测信号

量化公司的招聘季启动得比大厂早，而且节奏不规则。以下三条都是多轮考季里反复出现的信号，值得先记住，因为它们会直接改变你的投递与应答策略。

信号一：不按「截止日」走，rolling 且容易被「捞」。多家公司的实习岗位在秋季前段就已经开放并滚动审阅。更反直觉的是「捞人」现象：有候选人的 OA 过期未完成，反而收到 HR 主动邮件询问原因并直接发出面试邀请；也有候选人没有投简历、只是被 HR reach out 就进流程。这说明收到的每一次 HR 联系都是可用的机会，不要因为「我还没准备好」而放掉。

信号二：流程速度的方差极大。快的一侧：做完 OA 十几分钟收到 VO 邀请；HR call 后一周内安排 technical screen；周四面完、隔天或几天内出拒信。慢的一侧：OA 完成后数周没有回音；onsite 之后数周无消息，需要候选人自己 follow up。因此「多久没回复算挂」在量化条线没有统一基准，把它当成 SLA 来焦虑没有意义。

信号三：同一个考季、同一家公司，不同条线的开放情况会变。有考季某公司的 QT 实习岗没有开放，而是用一个为期一周的带薪 short program（三轮 OA + Superday 结构）作为替代通道；也有公司把 Algo Dev 的 winter intern 和 summer intern 分开处理，甚至有 winter intern 直接跳过 OA 约面、且明确没有 return 的情况。投递前务必读官方岗位页的具体描述，不要用上一年考季的岗位结构做假设。

关于 return offer：量化条线的实习转正路径普遍存在，但不同公司、不同条线的确定性差异很大，公开信号不足以给出「转正率」这类结论。可操作的做法是：拿到实习 offer 后尽早和 manager 确认真实预期，而不是等到实习结束。完整的跨公司 2027 招聘季时间线见 2027 New Grad / Summer Intern 面试指南。

一张表看清 11 家的 OA 形态差异

量化条线的第一轮几乎都是在线测评，但「测评」这个词在这里的形态差异极大。按信号整理，常见的有六种形态，同一家公司不同考季可能切换：

① 机考 Coding（2 题 / 75–150 分钟）：Citadel、IMC、DRW 的 SWE 线常见。特点是有题库、原题复现率高。IMC 的题目在多个考季高度稳定（同一道业务场景题反复出现）；Citadel 有候选人反馈「自己只准备了十道左右就抽到原题」。DRW 的特点是 不提供 hidden case 的运行结果、提交后也没有反馈——你必须自己在本地把边界测试写足，否则等于盲交。

② 大规模概率选择题（20 题量级 / 30 分钟）：Citadel 的 trading 线出现过 21 道概率题 30 分钟，要求开摄像头、不许用计算器、只有纸笔、时间极紧。题目覆盖条件概率与贝叶斯、排列组合计数、骰子分布、逻辑推理（谁在说谎）。

③ 速算 + 数列找规律（8 分钟 80 题）：Akuna 的 trading 相关测评。强度远超常见的速算练习网站默认模式，还会出现数位特别多的数字；数列侧覆盖等差数列、高阶等差、等比、分数裂项，以及少量需要跳跃联想的字母规律题。

④ Market making 模拟盘（约 45 分钟、20+ 题）：Akuna 的第三轮出现过用两列字母模拟期权 bid/ask 的场景，还会考「交易员记忆」——例如最后几题直接问第一题当时是哪个字母。这类测评考的是报价直觉与短时记忆，不是知识量。

⑤ 软件工程型测评（长时间 + 基础题）：HRT 的 CodeSignal 类 OA 为 70 分钟 4 题、整体简单到中等，明确注明允许 O(n²) 复杂度；Optiver 的 SWE 线 OA 分成三段——一段 75 分钟的系统设计实现题（例如设计新闻推送系统：接收、存储、按订阅者的兴趣与限制规则决定推送）、一段 20 分钟 20 道计算机基础题（不能回头改），再加一段测评。

⑥ 非常规作业：Jane Street 的 Sales and Trading 线出现过 Excel 数据分析作业——给一段时间的客户询价（RFQ）与报价竞争结果，要求自行分析，不给任何指向；Optiver 的 OA 里也出现过需要心算的市场场景。

准备动作因此很明确：先确认你收到的是哪一套。收到测评邀请后读一遍时长、题量、是否允许计算器、是否开摄像头，再决定当天之前的训练方式。跨公司 OA 的通用读题与限时方法见 SWE OA 与电面题型地图。

博弈轮与 market making：刷题练不到的那一环

这是量化条线真正区别于其他所有岗位的地方。多个考季、多家公司的信号都指向同一批形态，且这些题在 LeetCode 和常规八股里完全没有对应物：

n 轮下注游戏。典型结构是：给你一组随机事件（掷三次硬币出现指定模式、掷两次骰子的和落在某个集合、抽三张牌满足某种关系），每轮给出赔率，你自己决定下注多少；赔率和情况每轮随机变化，需要快速心算判断期望并决定仓位。有候选人的复盘很典型：「能大致算出哪些情况值得下注，但完全不知道该怎么分配投资」，起始资金亏掉一半后结束。面试官对这类题的解释是：想看候选人能否在高压下迅速识别市场机会。

Market making（对未知量报价）。面试官给一个你不知道答案的量——纽约有多少个地铁站、悉尼有多少家花店——先要你给一个 90% confidence interval，然后他就这个量跟你做市，问你的 bid/ask 和愿意成交的规模，之后往下问「如果我跟你成交了，你正负多少钱」。这类题考三件事：区间估算是否合理、报价是否敢于承担风险、被成交后能否解释自己的定价依据。

最优停止与期望递推。「最多掷三次骰子、每次可选择停止、最终收益是最后一次的点数，你愿意付多少钱玩」是经典形态，解法是从最后一次反推阈值（最后一次期望 3.5；两次机会时高于阈值才停，期望 4.25；三次机会时期望约 4.67）。变体包括：多次开箱找奖金、以及「已支付的成本是沉没成本、决策时不应计入」这类追问。

模拟经营类。Jane Street 的 onsite 信号里出现过：在 notebook 里跑一个小游戏并迭代策略——管理飞船货舱、在随机事件下用五次试跑优化装载；法师每天获得固定资源、面对不同怪兽迭代策略；或两队建塔的对抗博弈（每天只能执行一个动作，要针对对手的不同策略给出应对）。这类题没有唯一正确答案，面试官看的是你如何建立假设、如何用模拟数据验证、如何在信息不足时做决策。

Excel / notebook 商业游戏。出现过用 Excel 玩的入场费递增游戏、以及骰子组合定价游戏（例如十个骰子面数各不相同，每次重掷花固定成本，掷到指定点数有固定收益，需要给出策略并在游戏价值上反复做市）。

这类题该怎么练？没有题库可以背，但可以练三件事：① 把「期望值 + 递推 + 阈值」变成肌肉记忆，看到多头游戏先画决策树；② 强制自己每次都给出明确的仓位数字而不是「值得下注」这种定性结论，并说明为什么是这个数字；③ 练估算的 calibration——先做区间估算，再核对真实值，长期记录自己 90% 区间里真实值落入的比例。

概率与数学：真正会反复出现的高频题型

除博弈轮之外，另一条稳定的能力线是概率与数学推导。QR / QT 线尤其如此——有候选人的复盘是整场面试 Behavior 和数学题各占一半、完全没有 coding。以下题型在多轮考季、多家公司反复出现，属于必须练到能现场推导的程度：

条件概率与贝叶斯。经典形态：某疾病在人群中患病率极低、检测有假阳性与假阴性，求检测阳性时真实患病的概率；三个盒子分别装不同组合的球，连续抽出同色球后判断来自哪个盒子。共同点是必须用贝叶斯而不是直觉，且要能把算式讲清楚。

期望值与递推。四面骰子的最优停止、开箱找奖金的递推、收集齐 n 种玩具的期望花费、掷骰子点数和的分布计算。这里的关键是建立递推关系（V_n 用 V_n-1 表示）并说明边界条件。

随机排列的次序统计量。随机排列中逆序对的期望个数；遍历数组时「当前最大值被刷新」的次数期望（record maximum）。后者的经典形式是随机排列 1 到 n 时刷新次数的期望等于调和级数；追问会变成「如果最大值出现两次会怎样」。这类题的解法通常是指示变量 + 线性期望，练熟之后是性价比最高的一类。

比较模型下的信息量下界。典型题：32 个重量互不相同的球、每次只能比较两个，找最重需要 31 次（n−1），找第二重需要 35 次——先用淘汰赛找最大（31 次），最大值一路淘汰了 log₂32 = 5 个球，第二重必在这 5 个里，再花 4 次找出。考的是你知不知道信息量下界这件事，而不是能不能穷举。

拍卖与博弈论。二价拍卖（Vickrey）中真实报价是占优策略，因此最优出价等于自己的估值；追问方向包括「这算统计套利还是无风险套利」（答案是后者，因为策略不依赖概率预测），以及「换成最高价拍卖，最优策略怎么变」。

统计基础。有些公司的 QR / ML 相关轮会考：bagging 与 boosting 的区别、随机森林、bias-variance tradeoff、假设检验与 goodness-of-fit、相关系数的传递（已知 corr(a,b) 与 corr(b,c)，推断 corr(a,c)）。还有候选人被要求口述编程算法——面试官要的不是手算结果而是解题思路。

心算与估算能力是上面所有题的地板：多位数的乘除、分数与小数快速换算、数量级估算。有候选人明确建议针对速算做专项训练，并且要练到能在有干扰的环境下保持速度。

Coding 与工程轮：量化版本的考法和科技大厂不一样

量化公司的 coding 轮，题目难度往往低于大厂，但形式更偏工程与建模，而且 follow-up 的压迫感更强。按信号整理，有四类典型形态：

① 长规格建模题（给一大段 skeleton code）。Optiver 的 technical screen 出现过这类：给一个运输调度系统，包含订单、货物、飞机容量、起飞时间等一整套已经写好的类与 helper function，只让你实现其中一个处理订单的函数，要求判断能否接单、给出分配方案、更新内部状态。写完之后面试官会连续追问：哪些地方可能有 bug、哪些 corner case 没处理、时间复杂度怎么优化、订单量变大怎么办、查找能否换成堆或树、这段代码是不是 thread-safe、要支持并发订单怎么办。这类轮次考的是读大代码库的能力、debug 能力与 trade-off 表达，不是算法技巧。

② 按规格实现一个 class（OOP 味重）。Citadel 的实习轮出现频率很高：给一个抽象类、要求写一个类实现其全部函数（例如实现支持递归与记忆化的 worker、实现 OOD 与算法结合的 merge K sorted arrays）；也有考手写 2048 的模拟、把编码/解码/压缩塞进一个 64 位整数、以及实现支持按权重随机抽样的结构（候选人用倍增树状数组 + 动态扩展解决）。共同点是代码里会套类型别名与智能指针，读代码本身就占掉不少时间。

③ 算法题但带业务外壳。Citadel 出现过股票买卖系列的三级递进：单次交易求最大收益 → 不限次数但不同时持股 → 限制 k 次交易，面试官重点追问如何 generalize、时间复杂度、空间优化、边界；也出现过拓扑排序（把课程表类问题改成返回排序后全部节点、且节点是字符串）。IMC 出现过按规则计算总浪费并返回最优容器集合下标；Akuna 的 Python 线出现过变位词去重与异常处理类的实现题。

④ 低层与系统基础。HRT 的 SWE 线 onsite 有专门的 C++ 与系统轮：虚函数的实现机制与 CRTP 这类替代方案、new/delete 与 placement new 的区别、内存对齐、实现固定大小分配器（链表式 free list，有人被要求写 slab allocator）并追问「如果数据类型是 9 字节，怎么优化分配器」、TLB 与 MMU 与虚拟内存。量化条的 system design 也和大厂不同：出现过「在交易所旁边有机房、交易员在城市另一边办公，你需要什么基础设施」——考的是 TCP/IP、带宽、时延与服务器布点，而不是大厂那套微服务拆分。

Intern 级别的一个好消息：多家公司的实习 coding 轮难度明显低于全职，且部分公司允许在面试中使用 AI 辅助或查阅文档（有候选人明确记录「coding 没考算法，用自己的题目，可以用 AI」）。但这不意味着可以裸考——C++ 基础八股、智能指针、文件流 API（例如 for 循环读文件时获取总长度、用 seekg 移动读位置）这类细节依然会随口被问。

常见挂点：量化条线特有的五种死法

把多轮考季的挂经信号归拢，失败原因高度集中在下面五类，而且每一类都有明确的补救动作：

① 会算不会下注（博弈轮头号死法）。能算出期望，但给不出仓位；或者给出仓位后在被成交时无法解释定价依据。补救：所有博弈题都强制输出一个数字 + 一句理由，并练到能在 30 秒内完成。

② 概率推导速度不够。OA 的时限极紧（21 题 30 分钟、不许计算器），推导慢等于做不完。补救：把高频题型练到条件反射（贝叶斯、指示变量期望、递推、比较下界），而不是临场重新推导。

③ 沟通崩掉而不是写不出来。典型的挂经复盘是「交流非常不顺畅，有一个点面试官没理解、我也没弄清他为什么没理解，双方互相卡着，最后只写了点伪代码」。这在 OOD / 建模轮尤其致命——面试官要的是先澄清需求、再给假设、再动手。补救：养成「先复述问题与假设 → 确认 → 再写」的固定开场，卡住时明确说「我卡在 X，我打算先用 Y 简化，你认可吗」。

④ 工具链不熟导致时间耗尽。挂经里反复出现：不熟悉 shared_ptr、不知道 ifstream 怎么获取文件长度与移动读位置、没法修改传入参数导致浪费时间、以为面试官会预先备好测试用例结果对方是现场手敲。补救：面试前把目标语言的容器、智能指针、文件流、常用 API 过一遍，并默认测试用例要自己写。

⑤ 在最后一轮行为面上翻车。有候选人的整条技术线都过了，最后挂在 behavioral——问了「为什么选 SWE、为什么选这家、你的兴趣是什么、你最大的弱点、同事会怎么描述你」。量化公司的 BQ 轮权重不低，且往往安排在最后，体能与状态管理和技术准备同等重要。

另外两个容易被忽略的细节：投递通道本身会出问题（有候选人的学校邮箱一直没收到确认信与 OA，换邮箱重投才成功）；onsite 是马拉松（五轮连面、含多轮 notebook 游戏与 Excel 游戏，有候选人明确说「面到这轮感觉很累所以盲猜是这轮挂掉的」）。这两件事都可以提前防：投递后确认收到确认信，onsite 前把睡眠与节奏当成准备的一部分。

7 / 14 / 30 天路线：按你收到的轮次类型选版本

量化的备考计划和科技大厂不能共用一份，因为概率与博弈的权重远高于算法题量。按距目标轮次的倒计时选版本：

30 天（系统版）。第 1 周：确认目标公司与你收到的是哪条线、哪一套 OA，把官方岗位页读一遍，建立投递记录表。第 2 周：概率与数学专项——贝叶斯、指示变量期望、递推与最优停止、次序统计量、比较下界、拍卖理论，每天 10 道并强制写推导过程。第 3 周：coding 与工程——按目标语言过一遍容器 / 智能指针 / 文件流 API，重点练「读别人写好的骨架代码并在其中实现一个函数」以及 OOD 实现类，每天 1 道限时 + 1 道口述。第 4 周：博弈轮专项——每两天一场模拟（n 轮下注 + market making + 估算题），并录下自己的口述回听。

14 天（标准版）。概率与数学只做二刷与弱项（每天 6 道限时推导）；coding 保持每天 1 道限时 + 1 道口述；每周 2 场博弈模拟，重点练下注数字的表达；第 1 天就把「先复述假设再动手」的开场话术固定下来。

7 天（冲刺版）。D-7 到 D-4：只练目标公司对应的形态（例如收到概率选择题就只刷概率限时，收到速算就只练速算与数列）；每天 1 场 short mock 并计时。D-3 到 D-2：博弈与 market making 各 1 场完整模拟；把 behavioral 的四个高频故事练到 90 秒版本。D-1：把目标语言 API 与自己的边界测试清单过一遍，确认测评规则（是否能用计算器、是否开摄像头、能否回头改），不做新题。D-0：确认设备与网络，提前进考场，留满时间余量。

无论哪个版本，都保留两个不变量：概率推导的速度下限永远优先；最后 1–2 天只做模拟与状态调整，不学新东西。具体到某一家公司的轮次结构与题型分布，用上面对应的单家公司深度篇做最后校准。

FAQ：量化 Intern 面试高频问题

Q1：量化 Intern 什么时候开始申请？有统一截止日吗？
没有统一截止日，多家公司在秋季前段就已经开放并滚动审阅，也有候选人是在没有投递的情况下被 HR 主动联系。可操作的做法是盯住官方学生岗位页、看到目标岗位就投，而不是等一个「正式截止日」。岗位开放情况每个考季会变——有公司某个考季的 QT 实习岗改为短期带薪项目，也有公司把 winter intern 与 summer intern 分开处理，务必以官方岗位页为准。

Q2：量化 Intern 面试几轮？
差异极大，无法给统一数字。信号覆盖的范围从「OA → 一轮技术面 → 拒信」到「五轮 onsite」，也有「三轮 OA + Superday」这种结构。条线（QT / QR / Dev）、地区、学历都会改变轮次数量，以实际收到的邀请为准。想了解某一家的大致结构，看站内对应的单家公司篇。

Q3：QR / QT 会考算法题吗？
QR 线有候选人明确记录「整场 Behavior 与数学题各占一半、完全没有 coding」；但也有人在同一家的 QR 线被要求当场写逆序对统计函数、或口述算法思路。QT 线的 coding 权重通常更低，重点在概率与 market making。Quant Dev / Algo Dev / SWE 线则一定有 coding，且偏 C++、系统与低延迟。

Q4：OA 到底考什么？我该按什么准备？
先看你收到的那一套的参数：时长、题量、能否用计算器、是否开摄像头、能否回头改题。六种常见形态（机考 coding、概率选择题、速算 + 数列、market making 模拟盘、软件工程型测评、Excel 作业）的准备方式几乎不重叠。做完 OA 后不要把它当成面试邀请——可靠的下一步信号是技术面排期邮件。

Q5：面试结果多久出？没消息是挂了吗？
快的一侧可以是隔天出拒信、几天内约下一轮；慢的一侧 OA 后数周无回音、onsite 后数周无消息。量化条线没有统一的 SLA，慢不代表挂，也不代表一定会推进。建议保持 3–5 个机会并行，2 周以上无回应可以发一次简短的跟进邮件表达继续兴趣，不要反复催。

Q6：我同时投科技大厂和量化，时间怎么分？
两条线的备考资源重叠度很低。如果目标公司是量化，算法题量应该主动降下来，把时间让给概率推导、博弈模拟与目标语言的基础 API；大厂那套「刷 200 道题 + 系统设计模板」在量化条线的边际收益很低。跨公司 2027 招聘季的总时间线见 2027 New Grad / Summer Intern 面试指南。