不要翻车要翻盘，计算生物PhD怒转Quant！

作为一个曾经每天和蛋白质分子打交道的计算生物学PhD，我在量化交易圈里，找到了新的人生方向。

在实验室的第四个年头，我开始怀疑人生。

特别是当我看到师兄师姐们毕业后的去向时……要么继续做学术，拿着微薄的薪水熬资历；要么去生物技术公司，薪水一般天花板明显。

我突然意识到，是时候把我这些年积累的技能用到一个更有“钱途”的地方了，数学建模、数据分析、编程实现——同样可以用在Quant里。

现在的问题是，我的简历是典型的“四不像”，有生物领域的研究、堆着编程工具，却没一个能精准戳中 Quant 岗位的需求。更要命的，我没任何Quant相关的实习经历，对量化的概念和日常工作内容很模糊。“我需要系统性的指导”，就这样，我报课了。

导师首先帮我重新审视了自己的优势。他告诉我，计算生物学的背景其实是一个巨大的加分项，毕竟处理的数据规模比很多金融数据都要大，构建的模型也比很多量化策略都要复杂，关键是要学会如何包装和表达这些优势。

第一步，重构知识体系。导师从我熟悉的数学和统计学出发，逐步引入金融概念。比如，我在做蛋白质折叠预测时用到的马尔可夫链，在期权定价中同样适用；我在分析基因表达数据时用的主成分分析，在风险管理中也是核心工具……这种关联式学习让我很快就建立了金融量化的知识框架。

再加上大量的实际案例，不是那种教科书上的理论案例，而是导师工作中真实的交易策略分析，让我快速理解了量化交易的本质。

第二步，简历包装。在夯实基础的同时，导师也在重新梳理我的简历。简单来说，就是把生物场景翻译成Quant 语言，像是我之前做的基于机器学习的蛋白质功能预测项目，被重新包装为大规模数据挖掘和预测建模经验。导师还专门针对我的背景，提供了很多连接桥梁的表达方式。

第三步，强化面试技能。老师在每节课都会模拟真正面试问各种刁钻的问题，像是生物背景在量化交易中有什么劣势？设计一个交易策略从哪里开始？拿到面试后，老师会根据不同公司的面试特点，为我整理核心题型和大量变形题目。在一次次mock中，我已经可以详细解释我做过的每一个项目每一个细节，能够自信地展现自己。

Akuna Capital的Quant Strategist岗位发面试很快，OA题和面经里的差不多。

技术面有些不一样，问了一道hard算法题和一个设计问题，要求设计一个高频交易系统的核心组件。

Design对我来说曾经是弱项，但导师的针对性训练让我能够从架构设计、数据流处理、性能优化等多个角度来回答。我结合了这些要点硬着头皮冲了，期间面试官追问了几个优化细节，我也能顺着之前练过的思路回答。

终面则多了很多开放性问题，评估一个交易策略的有效性、处理市场数据中的噪声……

能拿到OFFER，我感到很幸运。毕竟大家都知道今年的行情，很多面试都取消了。

接下来，我可能还会继续投递其他 Quant 岗位吧。有了之前的积累和老师给的后续规划，我反而更有信心了，想看看其他公司的Quant岗位面试都是什么样的。

或许在未来，我也能帮助更多的跨专业同学走上量化这条路。