我是在2022年上半年参加的CQF项目，人在上海。最开始做IBD，但是没法长期熬夜了，所以想着给自己找个退路。平时自己有做交易，国内的量化资管在20年，21年都是融资大年，所以想着储备下技能，看看后面有没有机会去量化私募基金或者投行的自营部门。因为是商科的本硕，所以最初在接触CQF项目的时候内心不是很有底气，所以提前看了普林斯顿的三剑客教材，比较有启发。在某站上白嫖了MIT的线性代数，布朗运动，金融数学，随机过程，伊藤积分，鞅等，算是稍微有点基础了。
没记错的话是从3月中旬开始考试的。第一次考试的内容相对简单，凭借商科的底子还是可以应对大部分题目的。对于做资产配置，就是投行的资管部或者PB，family office这些业务，之前没有接触过，学起来非常有意思。
第一次对于数学的符号，均值可以代表收益，方差代表风险，然后整个投资组合给定目标收益比如10%（年化），风险波动(5%)，然后去计算资产配置的比重。这个非常有意思的，算是FOF研究的实习的一部分内容，以后如果有想去做FOF的同学，可以结合这个题目，最后的final去选第一个资产配置的选题，我们那一期呢限定用black-litterman模型去做资产配置，就是在马科维茨马老爷子的CAPM模型的基础上进行优化。会用到一部分偏微分方程去算拉格朗日参数，这个正课都是有讲的，难度还好。主要是用Excel也可以做不影响评分，所以对我这类代码不是很强的选手来说还比较友好。
第一次对于数学的符号，均值可以代表收益，方差代表风险，然后整个投资组合给定目标收益比如10%（年化），风险波动(5%)，然后去计算资产配置的比重。这个非常有意思的，算是FOF研究的实习的一部分内容，以后如果有想去做FOF的同学，可以结合这个题目，最后的final去选第一个资产配置的选题，我们那一期呢限定用black-litterman模型去做资产配置，就是在马科维茨马老爷子的CAPM模型的基础上进行优化。会用到一部分偏微分方程去算拉格朗日参数，这个正课都是有讲的，难度还好。主要是用Excel也可以做不影响评分，所以对我这类代码不是很强的选手来说还比较友好。
学姐可以把当时上岸的备考规划给你。少走1个月的弯路，同时我把备考的资料分享给大家，都是课程的内部资料，大家需要的可以戳下面卡片领取↓↓↓
第一次考试结束之后一个月，迎来第二次考试。考题就一道题，这个题目在final里面应用的话推荐想去投行做期权的选手深耕一下。因为题目就一道题，给奇异期权定价。种类呢每年都会换。其次还要研究对期权价值影响最大的希腊字母（Greeks）。希腊字母不需要全都做分析，选自己感兴趣的去研究，可视化，得出结论就可以了。曾经畏惧金工没敢选衍生品定价的选修课，CQF项目会介绍三种衍生品定价的方法，分别是利率二叉树，有限差分，蒙特卡洛模拟。考试约束只能用蒙特卡洛模拟来做。这次考试就必须上代码了，后面的也全都是代码了。当时的状态是白天看视频课，晚上回去敲代码，具备这种条件是因为上海封城了。家里没有足够的吃的，但是精神是吃的很饱。手动Doge。
一个月之后迎来第三次，因为这次呢题目很费解，读题就花了差不多一周。所以果断延期了。2周的考试时间延长到了四周。这次考试是启发做量化交易策略。机器学习有一个特点，非常吃因子，所以因子的有效性，时效性，都需要去做研究。这个后来了解到做量化的朋友才知道，这是实习生日常挖因子的工作。在机构里面有人工因子，有机器挖因子，机器挖因子的算法很多，曾经火了一段时间的遗传算法，大多数是比较常规的技术指标的参数研究。我当时的题目是用SVM去做，因为股票数据不好拿，就果断用了ETH的。最后模拟交易的收益率年化40%+，很多同班的同学做成了“避雷针”索性在试卷中明确标注了，策略的亏损不参与考试评分。
两个月之后考试做final。四个选题，第一个是资产配置，是延续第一次考试内容下来的，我的数据没有那么容易找，果断pass；第二个题目是pair trading，虽然很感兴趣，奈何代码可能跟不上，也pass；第三个题目是time series in deep learning，可以延续第三次考试深入去做，ok就你了。在做final的时候主要是把核心算法从SVM做成了LSTM，CNN，RNN等简单的深度学习，效果比单纯的SVM要好一些。还是非常激动从零基础来时学代码，学数学然后遇到了一群非常可爱的CQFer，大家都非常上进，中间因为难度一度也想过退缩，CSDN直接充了会员，GitHub，kaggle为了这俩网站直接买了一年的梯子，被大神（人家考试拿满分的）鼓励了很多，最后还是坚持下来了，索性自己也成功持证，也认识了比较多量化圈子的选手，从最初的仰慕到可以聊聊相关的话题，切实感觉到了自身的提升，这个项目的知识体系还是非常棒的。
一个月之后迎来第三次，因为这次呢题目很费解，读题就花了差不多一周。所以果断延期了。2周的考试时间延长到了四周。这次考试是启发做量化交易策略。机器学习有一个特点，非常吃因子，所以因子的有效性，时效性，都需要去做研究。这个后来了解到做量化的朋友才知道，这是实习生日常挖因子的工作。在机构里面有人工因子，有机器挖因子，机器挖因子的算法很多，曾经火了一段时间的遗传算法，大多数是比较常规的技术指标的参数研究。我当时的题目是用SVM去做，因为股票数据不好拿，就果断用了ETH的。最后模拟交易的收益率年化40%+，很多同班的同学做成了“避雷针”索性在试卷中明确标注了，策略的亏损不参与考试评分。
两个月之后考试做final。四个选题，第一个是资产配置，是延续第一次考试内容下来的，我的数据没有那么容易找，果断pass；第二个题目是pair trading，虽然很感兴趣，奈何代码可能跟不上，也pass；第三个题目是time series in deep learning，可以延续第三次考试深入去做，ok就你了。在做final的时候主要是把核心算法从SVM做成了LSTM，CNN，RNN等简单的深度学习，效果比单纯的SVM要好一些。还是非常激动从零基础来时学代码，学数学然后遇到了一群非常可爱的CQFer，大家都非常上进，中间因为难度一度也想过退缩，CSDN直接充了会员，GitHub，kaggle为了这俩网站直接买了一年的梯子，被大神（人家考试拿满分的）鼓励了很多，最后还是坚持下来了，索性自己也成功持证，也认识了比较多量化圈子的选手，从最初的仰慕到可以聊聊相关的话题，切实感觉到了自身的提升，这个项目的知识体系还是非常棒的。
