Quantitative Research Internship - Master's: Summer 2027

优缺点分析

角色解读

• 实习表现优异者可获得毕业后在香港办公室的全职录用机会
• 未来可发展为量化研究员、量化交易员或量化系统工程师，深入参与核心交易策略的研发与部署
• 运用概率论、统计分析和机器学习技术对海量市场数据进行建模，预测市场行为并生成交易策略（Alpha）
• 在模拟环境中执行和回测策略，并参与全面的教育计划与导师交流
• 扎实的数学/统计基础与出色的逻辑推理能力，能够熟练使用 Python 处理和分析大型数据集
• 具备战略思维，对博弈论或竞技类游戏有浓厚兴趣，且拥有优秀的沟通与团队协作能力

申请策略

• 提前了解 Susquehanna 的交易哲学和系统化交易背景，准备一些关于市场微观结构或机器学习在金融中应用的深刻见解
• 重点突出在数学建模、机器学习或统计分析方面的项目经验，以及使用 Python/C++ 处理大规模数据集的实际成果
• 展示在战略游戏、算法竞赛或竞技活动中的优异表现
• 深入学习时间序列分析、随机微积分等高级量化金融知识，并提升 C++ 底层编程能力以优化策略执行效率

面试指南

• 采用 STAR 原则（情境、任务、行动、结果）来结构化回答项目和问题解决经历
• 对于技术问题，先阐述核心数学/统计原理，再结合代码实现细节，最后讨论实际业务影响
• 请解释一个你使用机器学习预测时间序列数据的项目，遇到了哪些过拟合问题及如何解决？
• 如果让你设计一个基于订单簿数据的 Alpha 策略，你会如何提取特征？
• 请描述一次你在快节奏、高压力环境下解决复杂逻辑问题的经历
• 你最喜欢的战略游戏或竞技活动是什么？它如何锻炼了你的决策能力？
• 复习概率论、统计学基础及常见的量化面试题库，并准备一个能深入探讨的量化项目细节
• 熟悉 Python 数据处理库（Pandas, NumPy）及基本的机器学习算法