核心痛点：双非学历是硬门槛，但量化行业看重代码、实盘、数学建模能力，可通过硬核技能、竞赛、实习、项目积累对冲学历劣势，分阶段落地完成行业入局与成长。
一、先明确量化岗位分类与适配门槛（找准目标）
1）量化研究员 / 策略研究员（股票、CTA、期权、套利）
3）算法交易、高频交易（门槛偏高，侧重数学功底与底层开发能力）
券商金工实习生、期货公司量化、中小型私募量化、基金数据岗、自营交易助理
纯销售、理财、普通投行、信贷，和量化技能不互通，不要浪费实习时间。
量化头部机构（幻方、九坤、明汯、中信自营、华泰量化）校招简历初筛普遍卡985 / 两财一贸 / 海外 QS 前 100，双非本科很难直接通过校招上岸，可参考两条解决方案：
目标院校梯度：
2 档（保底跳板）：苏大、华师、深大、暨南、辽大等量化资源较强院校
避坑：金融学（纯宏观）、MBA，数学、编程课程占比偏低
路线 B：海外硕士（适合预算充足人群）
地区：美国（金数）、英国（曼大、华威、帝国理工）、新加坡南洋 / 国大、香港科大 / 港中文
路线 C：不读研直接就业（仅适合天赋极强人群）
三、硬核技能树（双非逆袭核心，分数学、编程、金融量化三层）
必修吃透：
随机过程、时间序列、泛函分析、优化理论、数理金融（BSM、伊藤积分）
自学渠道：《随机过程》Ross、《数理金融》、B站随机过程公开课
必学核心
库：NumPy、Pandas、Matplotlib、Scikit-learn、Statsmodels、PyTorch/TensorFlow（机器学习因子）、Backtrader/VectorBT（回测框架）
数据结构、算法、内存管理、多线程、Linux 基础
4）加分技能：Linux、Git、Docker、MATLAB（院校建模常用工具）
1）通过 Python 落地完成完整因子回测项目
3）熟练掌握 Linux 服务器操作，行业内量化策略均依托 Linux 系统运行
核心：多因子模型（Barra）、动量 / 价值 / 质量因子、CTA 趋势策略、统计套利、期权波动率交易
四、优质竞赛（弥补学历短板，丰富简历内容）
全国大学生数学建模竞赛（国赛 / 美赛 MCM）—— 行业认可度高，锻炼建模、数据处理核心能力
蓝桥杯、ACM（算法竞赛，适配高频、量化开发岗位求职）
竞赛产出要求：不止完成参赛，赛后需整理完整策略报告，将代码上传至 GitHub 沉淀成果。
需筹备至少 3 套完整可运行项目，上传至 GitHub 并配套清晰文档说明：
CTA 期货趋势策略（双均线、MACD、布林带、通道突破，配套完整风控逻辑）
加分项目：期权波动率套利、日内回转交易、C++ 简易撮合交易引擎
六、实习规划（本科全程时间线安排）
夯实高数、线代基础，自学 Python 技能
校内科研：对接统计、金工方向导师，参与量化相关课题研究
可选：期货公司量化部、小型私募、券商分支机构金工、量化平台运营研究
大三寒暑假（核心实习，影响校招结果）
渠道：
远程量化实习（聚宽、中小私募远程岗位）
实习产出：独立撰写因子、输出研究报告、协助落地实盘策略，争取留用机会或获取实习证明、导师推荐信
研一暑期、研二全年持续参与实习，累计至少 2 段量化相关头部实习经历，提升校招竞争力
简历避坑
量化经历量化描述：“构建 200 个股票因子，IC 均值 0.04，年化夏普 1.8，最大回撤 12%”，拒绝空泛表述
笔试重点（双非考生差异化核心）
刷题清单：
算法：LeetCode 100 道中等高频题
面试高频准备
数学推导：伊藤引理、BS 公式、协整检验、均值回归证明
市场认知：主流量化策略类型、成交量、手续费、滑点对实盘落地的影响
大一：夯实基础
大二：积累技能与竞赛成果
大三：积累实习经历、筹备硕士
积累 1-2 段量化相关实习；完善 GitHub 项目库；针对性刷算法笔试题
完成量化建模方向毕业设计；通过远程实习积累策略落地经验
研一：补充随机过程、C++、机器学习知识；争取暑期券商金工实习
研三：秋招投递私募、券商自营、公募量化岗位，主攻研究员、开发岗
实盘交易积累：使用小额资金（几千元）运行自主策略半年以上，留存完整实盘记录，提升面试说服力
优先内推渠道：通过 LinkedIn、校友群、竞赛导师、实习领导内推，规避简历初筛壁垒（双非网投通过率偏低）
首份工作选择：中小型量化私募、券商分公司金工、期货量化研究员
十、避坑提醒
不要只做模拟回测忽略风控：行业面试官注重策略完整性，反感只展示收益、忽视回撤、滑点、过拟合问题的策略方案
不要忽视学历提升：双非本科直接通过校招进入九坤、幻方、中信自营的概率较低，读研是适配多数人的稳妥提升路径
微信扫一扫
