Point72(Cubist)量化研究员模拟面试

QR 在 Cubist Systematic Strategies——Point72 的量化 arm。按 pod 走 loop:~90 分钟 take-home,然后 5-6 轮技术面(每轮 1-2 小时),考概率、回归、ML、pod 策略匹配。NY / Chicago / Stamford。

  • 90 分钟
    Take-home(报道)
  • 5-6
    技术轮,每轮 1-2 小时
  • ~$425K
    Cubist QR 中位(Levels.fyi)
  • 免费
    第一次 mock

为什么 Cubist QR 结构上不同——两条 arm 的基金里按 pod 走的 loop

这个 loop 考的第一件事,是你分不分得清自己投的是哪家公司。Point72 有两条截然不同的线:discretionary long/short(基本面分析师,Point72 Academy 那条线)和 Cubist Systematic Strategies——跨流动资产类别做系统化策略的量化 arm,更接近 Two Sigma 或 D.E. Shaw(按 techinterview.org 的 Point72 指南)。QR 在 Cubist,招聘按 pod 走:Glassdoor 候选人报告每个 pod 单独发 take-home,再加 5-6 轮每轮 1-2 小时的技术面,深挖你的研究过程、过往业绩、跟那个团队策略的匹配。中文网络上铺天盖地的 Point72 Academy 经验贴说的是基本面线——拿去准备 Cubist QR 等于复习错了科目。

题目分布按 QuantVault 候选人报告题库(30 题,最新 2025 年 9 月):概率和期望值占大头——多一枚硬币的正面数比较、相邻子弹俄罗斯轮盘、最优停止掷骰子——配上扎实的回归/统计层:完全共线下的 LASSO、骰子公平性检验、随机游走平稳性。C++ 门槛比 HRT 的 QR 低(Cubist 全程 C++ 的是 Quant Developer loop,按一亩三分地报道),但研究方法论挖得深得多:techinterview.org 指出面试官会查你的验证习惯是不是真 out-of-sample。

Point72 官方面试博客把基调写明了:面试是「对话不是审讯」,说「I don't know」没问题,而且——因为多个团队都面你——「同一道题可能被问不止一次」。跨轮一致性本身就是信号。薪酬按 Levels.fyi:Cubist QR 中位 ~$425K,公布底薪区间 $150K-$300K 看具体 JD。

Loop 长这样

逐轮拆解

  1. 01

    Recruiter 筛选 + pod 匹配

    Pre-onsite
    30-45 分钟

    背景、研究方向、哪个 Cubist pod 或 central team 合适。先分清两个 arm:Point72 的 discretionary long/short 是基本面分析师(著名的 Point72 Academy 培养的就是这条线);Cubist 是系统化量化 arm,QR 在这边。在这轮说「我想选股」= 答错了 arm。

  2. 02

    Take-home 笔试

    Pre-onsite
    报道 ~90 分钟

    按 pod 单独发——Glassdoor 候选人报告每个面的团队各发一份 take-home。一亩三分地近期面经描述过一份 90 分钟的 Cubist QR take-home,混合技术题和金融文本分析。也有 modeling 练习的报道。

  3. 03

    技术电话面

    Pre-onsite
    每轮 45-60 分钟

    先概率统计,再数据结构/语言题(按 techinterview.org)。题目分布按 QuantVault 候选人报告题库:概率和期望值占大头,配回归、统计,偶尔脑筋急转弯。

  4. 04

    Pod 技术深挖 × 5-6

    Onsite
    每轮 1-2 小时

    按 Glassdoor 候选人报告:5-6 轮面试深挖你的研究过程、过往业绩、跟团队策略的匹配。建模、统计方法论、research workflow。多个团队都会面你,同一道题可能被问不止一次(按 Point72 官方博客)——前后一致性本身就是考点。

  5. 05

    Superday + 高层 review

    Onsite
    半天

    按 techinterview.org:在 Stamford(或 NY)4-6 轮连续面试,然后 senior leadership review。准备好推导 OLS、讲清 ridge vs lasso 什么时候用、被追问 out-of-sample 验证——他们真的会查你的研究习惯是不是 in-sample 过拟合。

题库

候选人报告的真实题目

  • 概率

    "两人抛公平硬币:A 有 n+1 枚,B 有 n 枚。A 的正面数严格多于 B 的概率?"

    Source · QuantVault 候选人报告,2025 年 9 月
  • 概率

    "俄罗斯轮盘,两颗子弹在相邻弹仓。对手刚扣了一枪没死。你是重新转轮还是直接扣?算出两种条件概率。"

    Source · QuantVault 候选人报告,2025 年 9 月
  • 期望值

    "掷骰子游戏,最多掷三次:每次掷完可以停下拿骰面数的美元。最优停止策略下这个游戏值多少?"

    Source · QuantVault 候选人报告,2025 年 9 月
  • 概率

    "100 名乘客登机,第一个人丢了票随机坐;后面的人自己座位空就坐,不空就随机。最后一个人坐到自己座位的概率?"

    Source · QuantVault 候选人报告,2025 年 9 月
  • 概率

    "Penney's game 变体:反复抛硬币——谁在正面之后紧接着抛出反面谁赢。分析谁赢、为什么。"

    Source · QuantVault 候选人报告,2023 年 10 月
  • 统计

    "观察到一个骰子的 n 次投掷。设计一个检验判断骰子是否公平——用什么统计量、零分布是什么、power 怎么随 n 变化?"

    Source · QuantVault 候选人报告,2024 年 12 月
  • 回归

    "对两个完全共线的预测变量跑 LASSO,系数会怎样——换成 ridge 答案怎么变?"

    Source · QuantVault 候选人报告,2024 年 12 月
  • 时间序列

    "随机游走是平稳的吗?证明你的答案,再说明什么变换能让它平稳。"

    Source · QuantVault 候选人报告,2024 年 8 月
  • 机器学习

    "写 k-means 伪代码。收敛有保证吗?收敛到全局最优吗?什么情况会坏?"

    Source · Glassdoor,Point72 Cubist Quant Researcher Intern 面试报告
  • Coding

    "用 C++ 设计一个变长存储类型——内存布局、small-buffer optimization、move 语义。"

    Source · QuantVault 候选人报告,2024 年 10 月
  • 研究 deep-dive

    "把你的研究方向和论文讲给领域外的人听——对面的 pod PM 大概率不是你这个子领域的。"

    Source · Point72 官方博客「Tips for Interviewing with Cubist」
常见的信号问题

在这个职级容易被挂的地方

  • In-sample 本能

    按 techinterview.org 的 Point72 指南,Cubist 面试官会专门查你的验证是真 out-of-sample 还是 in-sample 拟合。你讲的每个 backtest 或论文结果都要带上数据切分方式——walk-forward、holdout 年份、embargo。「在数据上跑通了」但讲不出验证故事 = 过拟合本能,直接标记。

  • 跨团队答案不一致

    Point72 官方面试博客明说:多个团队的多个人都会面你,「同一道题你可能被问不止一次」。Pod 之间会对笔记。项目里的角色、数字在第 2 轮和第 5 轮讲得不一样,在这里比单 loop 公司暴露得更狠。把真实版本练熟,只讲一个版本。

  • 卡住硬编而不说「不知道」

    Point72 官方 tips 写得很直接:面试是「对话不是审讯」,「说 I don't know 没问题」。装出自信推一个错的,比承认盲区、再从已知的往外推理更糟——boundary-testing 的问题就是专门用来找你知识边界的,硬编等于把边界演给他们看。

  • 研究讲不给外行听

    按 Cubist 官方博客:「准备好把你的研究方向和论文讲给领域外的人」。评估你的 PM 可能做的是 intraday equities,不是你的子领域。1-2 小时的深挖轮里把对方讲丢在符号里,是 PhD 候选人最常见的挂点。

  • Pod 匹配轮答得太泛

    按 Glassdoor 报告,5-6 轮技术面会深挖「跟团队策略的匹配」。Cubist 按 pod 招人——「我热爱市场」不算答案。要接住 pod 具体的资产类别、频率、数据。说不清为什么是 intraday equities 而不是中频 futures,匹配轮会把你筛出来。

  • 推导没深度

    按 techinterview.org:准备推导 OLS 估计量、讲清什么时候用 ridge 什么时候用 lasso——只背定义、没有「何时为何」,撑不过共线预测变量的追问(真实报道过的题)。练的是在对话里推导,不是背诵。

Applr 的 Cubist QR 模拟面试是怎么对齐 rubric 的

Applr 的 Point72 Cubist QR mock 按 pod 的方式跑 loop:概率和期望值题按对话打分——出声的部分推理有分,自信硬编按 Cubist 自己的「说 I don't know 没问题」标准标记,mock 轮之间重复提问,检查你的故事前后是否一致。

回归和方法论轮直接打报道过的挂点:LASSO 对共线预测变量做什么、你的每个 backtest 论断有没有 out-of-sample 验证故事。研究 deep-dive 轮强制 Point72 官方要求的「讲给领域外的人」框架——如果一个不在你子领域的 PM 听不懂你的论文摘要,真 pod 听到之前你会先收到改写提示。

相邻 loop

相关练习

FAQ

Point72 和 Cubist 什么关系——我面的到底是哪个?

Point72 是多策略基金,有两条截然不同的投资线。Discretionary long/short 是基本面——行业分析师和 PM 选股(著名的 Point72 Academy 培养的就是这条线)。Cubist Systematic Strategies 是量化 arm——跨流动资产类别的系统化策略,更接近 Two Sigma 或 D.E. Shaw 做的事(按 techinterview.org)。量化研究员岗位在 Cubist 里,虽然 JD 挂在 Point72 的招聘页上。如果你的「why us」答成了选股,就是答错了 arm——真实存在而且完全可以避免的挂点。留学生尤其注意:网上大量 Point72 Academy 的经验贴说的是基本面分析师路线,别拿来准备 Cubist QR。

Cubist QR 需要 PhD 吗?

不是每个 JD 都硬性要求。Point72 Greenhouse 上现挂的一个 Cubist Quantitative Researcher 岗位要求「数学、统计、计算机或类似量化学科的本科及以上」加 3 年以上系统化 alpha 研究经验。Cubist Quant Academy(对应届生友好的入口)要求量化学科的 MS 或 PhD。实际上多数 Cubist QR 是高学历,Glassdoor 面经里还有面试官问数学奥赛背景的记录——但门槛是能证明的研究能力,不是文凭本身。

Cubist Quant Academy 是什么?

Cubist 内部为期一年的轮岗项目,2021 年启动,有量化研究员轨道和(2023 年起)量化开发轨道——按 Point72 自己的启动公告和五周年回顾博客。你在 Cubist 多个团队轮岗,走完从市场数据到 post-trade 分析的完整交易生命周期,成功的 fellow「加入 PM pod 或 central team」。JD 要求:量化学科 MS/PhD、能用大数据集做独立研究、Python/C++/MATLAB/R 至少一门过硬。如果你没有直招 QR 要求的 3 年 alpha 研究经验,这是结构化的入场路径——留学生应届想进 Cubist,主要投这个。

Point72 Cubist QR 到底给多少钱?

Levels.fyi 列 Cubist QR 中位 ~$425K 总包(2026 年 6 月更新),Point72 QR 中位 ~$400K、最高报告 $630K。Point72 自己公布的底薪区间:Entry-Level QR $150K-$200K,QR - Machine Learning $200K-$300K,都不含酌情奖金。Quant Blueprint 的报告数字:应届 QR 总包 ~$225K-$310K,中级 ~$325K-$525K,资深 ~$450K-$900K。低于 HRT(报道 Y1 ~$651K),但公开区间更透明,而且 pod 盈利年份的资深总包远超中位数。

Take-home 长什么样?

两条一致的信息:Glassdoor 候选人描述每个面的 pod 单独发一份 take-home,之后是 5-6 轮每轮 1-2 小时的技术面。一亩三分地 2025 年前后的面经描述过一份 90 分钟的 Cubist QR take-home,混合技术题和金融文本分析。因为是按 pod 发,题目风格会跟着 pod 的策略走——别假设只有一份通用建模题,几个团队同时看上你的话,要预留做几份的时间。

QR loop 用 Python 还是 C++?

现挂的 Cubist QR JD 同时要求 C++ 和 Python(Linux 环境)。候选人报告按轨道分:QR loop 偏概率/统计/ML,coding 到 Python 级别(k-means 伪代码、LASSO 行为——按 Glassdoor 和 QuantVault 报告);Cubist Quantitative Developer 的 loop 在一亩三分地上的报道是全程 C++。QR 标签的 QuantVault 题库里也出现过一道 C++ 题(变长存储类型),所以简历上写了 C++ 就要准备好被问。

Point72 给留学生 sponsor 签证吗?

Point72 在 New York、Chicago、Stamford 的 Cubist QR 岗位招国际候选人,sponsor 记录跟顶级量化基金一致。但这个 loop 拖得长——按 pod 发的 take-home 加上跨团队 5-6 轮长面试。如果你在 F-1/OPT 时钟上,第一轮 recruiter 电话就把时间线讲清楚,并在 superday 之前(不是之后)确认具体 pod 和主体的 sponsor 政策。

准备好用 Applr 练 Point72 的面试了吗？

免费开始 →