百亿量化私募核心岗位 技术笔试真题 + 实盘答辩题库
一、量化策略研究员（Alpha / 高频 / CTA）
技术笔试真题
- 因子挖掘题：给定沪深 300 成分股近 5 年的日频行情数据（开盘价、收盘价、成交量、换手率），要求构建 1 个基本面因子 + 1 个量价因子，完成因子 IC 分析、分层回测、中性化处理，并说明因子衰减周期和适用场景。
- 策略实现题：用 Python 编写一个基于均线交叉（5 日均线 + 20 日均线）的趋势策略，需包含仓位管理、止损止盈逻辑，输出策略年化收益、夏普比率、最大回撤，并分析策略在震荡市的表现缺陷。
- 高频策略题：简述订单流交易的核心逻辑，如何利用盘口挂单数据识别市场冲击成本？请设计一个基于 Tick 数据的做市策略，说明价差设定和库存管理的关键参数。
实盘答辩题库
- 请介绍你过往最成功的一个实盘策略，包括策略逻辑、因子来源、回测区间、实盘业绩（年化 / 夏普 / 回撤），以及策略在极端行情（如 2022 年 4 月、2023 年 8 月）的表现和应对调整措施。
- 你如何判断一个因子的有效性和可持续性？如果因子出现衰减，你会从哪些维度进行优化？请举例说明。
- 量化策略的容量上限由什么决定？你负责的策略当前容量是多少？如何提升策略容量同时不降低收益？
二、量化开发工程师（QD / 低延时）
技术笔试真题
- C++ 基础题：编写一个线程安全的订单薄（Order Book）类，支持添加订单、撤销订单、查询最优买卖价功能，要求时间复杂度不高于 O (logN)，并说明如何避免内存泄漏。
- 低延时优化题：列举 5 种降低 Linux 系统下高频交易系统延迟的方法（从内核、网络、编译三个维度），并解释每个方法的原理。
- 回测系统题：简述事件驱动回测系统和向量回测系统的区别，各自的适用场景是什么？如何解决回测中的幸存者偏差和前视偏差？
实盘答辩题库
- 请介绍你参与开发的低延时交易系统架构，包括行情接收模块、策略执行模块、风控模块的交互逻辑，系统的平均延迟是多少？如何进一步降低延迟？
- 你在开发过程中遇到过的最棘手的技术问题是什么（如并发冲突、行情丢包）？如何定位和解决的？
- 量化交易系统的稳定性和低延时哪个更重要？如何在两者之间做权衡？请举例说明你做过的稳定性优化措施。
三、AI / 深度学习研究员（AGI 方向）
技术笔试真题
- 模型搭建题：用 PyTorch 搭建一个基于 Transformer 的股票价格预测模型，输入为过去 60 个交易日的量价数据，输出为次日涨跌幅，要求包含数据预处理、模型训练、验证集调参的完整代码逻辑。
- 特征工程题：如何将文本数据（如财报、新闻、研报）融入量化策略？请设计一个基于 BERT 的文本情感因子，并说明因子有效性的验证方法。
- 强化学习题：简述强化学习在量化交易中的应用逻辑，Actor-Critic 算法相比 DQN 算法在策略优化中有什么优势？如何解决强化学习训练中的样本相关性问题？
实盘答辩题库
- 请介绍你将大模型应用于量化策略的落地案例，包括模型选型、数据来源、训练流程、实盘效果，以及相比传统量化策略的优势和不足。
- 大模型在量化投资中面临的最大挑战是什么（如过拟合、可解释性）？你是如何解决的？
- 如何评估一个 AI 量化策略的泛化能力？在不同市场环境（牛 / 熊 / 震荡）下，你会如何调整模型参数？
四、量化交易员（高频/做市）
技术笔试真题
- 做市策略题：假设你是某 ETF 的做市商，当前买卖盘口为买 1 3.00 元（1000 手）、卖 1 3.01 元（1000 手），请设计你的报价策略和库存管理规则，说明如何平衡买卖价差、成交量和库存风险。
- 交易所规则题：简述 A 股科创板做市商的资格要求和义务，做市过程中需要遵守哪些风控指标？如果触发价格波动限制，应该如何应对？
- 套利题：请计算沪深 300ETF（510300）和沪深 300 股指期货（IF2403）的期现套利成本，包括交易手续费、冲击成本、资金成本，并说明套利的触发条件和风险点。
实盘答辩题库
- 请介绍你过往的做市 / 高频交易业绩，包括日均成交量、滑点控制、胜率、最大连续亏损天数，你是如何优化报价策略来提升业绩的？
- 做市过程中遇到的最大风险是什么（如库存积压、突发行情）？请举例说明你是如何应对的？
- 如何判断一个品种是否适合做市？你会从哪些维度筛选做市标的？
五、量化风控经理（Risk Quant）
技术笔试真题
- 风险模型题：请计算一个投资组合的 VaR 值（置信水平 95%，持有期 1 天），给定组合近 1000 个交易日的日收益率数据，要求分别用历史模拟法和参数法计算，并对比两种方法的优缺点。
- 合规风控题：简述私募基金的风控指标要求（如杠杆率、集中度、回撤限制），如何设计一套实时监控系统来预警违规风险？
- 压力测试题：请设计针对股票量化组合的压力测试场景（至少 3 个），包括场景定义、冲击幅度、测试流程，并说明如何根据测试结果调整组合。
实盘答辩题库
- 请介绍你搭建的百亿级量化组合风控体系，包括事前风控（策略准入）、事中风控（实时监控）、事后风控（归因分析）的具体措施，该体系在极端行情下的表现如何？
- 如何识别量化策略的潜在风险（如因子拥挤、过拟合）？请举例说明你是如何通过风控手段限制这类风险的？
- 风控部门和策略部门之间如何平衡？当策略部门的需求与风控规则冲突时，你会如何处理？
六、数据工程师（Data Infra）
技术笔试真题
- 大数据处理题：用 Spark 编写一个 ETL 任务，处理 A 股市场的日频行情数据，要求完成数据清洗（缺失值、异常值处理）、数据转换（计算收益率、换手率）、数据入库（Hive），并优化任务的执行效率。
- 数据仓库题：请设计量化投资数据仓库的分层架构（ODS、DWD、DWS、ADS），说明每层的作用和数据模型设计原则，如何保证数据的一致性和时效性？
- 实时数据题：简述 Flink 在量化实时行情处理中的应用，如何解决实时数据处理中的乱序问题？如何保证数据处理的低延迟和高吞吐？
实盘答辩题库
- 请介绍你处理 PB 级金融数据的经验，包括数据存储方案、计算资源调度、性能优化措施，如何满足量化策略对数据时效性的要求？
- 量化策略研发对数据的核心需求是什么？你是如何与策略团队协作，提升数据服务的质量和效率的？
- 金融数据的安全性和合规性要求有哪些？你是如何确保数据处理过程符合监管要求的？
