Two Sigma 量化研究员模拟面试

3 个评估维度:数据分析、coding、统计。SWE 确认禁用 ChatGPT——QR OA 推定适用。L1 ~$325K / 中位 $300K。比 Citadel/JS 保守,谈薪难往上抬。Backtest 验证深度是建模轮的关。

  • ~$325K
    L1 第一年(Levels.fyi)
  • ~30 天
    招聘到 offer 平均
  • 3 维度
    评估
  • 免费
    第一次 mock

为什么 Two Sigma QR 结构上是「实战」loop,不是脑筋急转弯火力网

按 Two Sigma 官方 Quantitative Research & Modeling Interview 页(twosigma.com/careers/interviewing-at-two-sigma/interviewing-for-quantitative-research-modeling)、Glassdoor 候选人报告、聚合行业指南,Two Sigma QR 围绕 3 个评估维度构建:(a)数据分析 / 开放解决问题、(b)coding 和算法、(c)统计或研究领域(PhD)。官方框架是「实战」——Two Sigma 通过讨论和解决问题探索知识,不是脑筋急转弯火力网。报告 loop:recruiter screen → HackerRank/Codility OA(~3 题,典型 1 LeetCode + 2 pandas)→ 3 个技术轮 → 行为面。平均招聘到 offer ~30 天。

Backtest 批评是建模轮的过滤器。陷阱题是「我建了个 5 年 Sharpe 2.5 的信号,应该部署吗?」按 coachquant.com Two Sigma 指南:单说「过拟合」浅。强答案提 walk-forward 分析、regime 敏感性、部署规模下交易成本、10x AUM 下容量、feature 构建里的 look-ahead bias。Two Sigma 文化看重数据驱动严谨——表面验证思考标记缺少系统判断。

薪酬比 Citadel 和 Jane Street 保守。按 Levels.fyi:L1 入门 $325K total($240K 底薪 + $85.4K 奖金,$0 股权)、中位 $300K。Blind 报道 senior 偏高($400-420K)。按 TeamRora 明确:「你很难让 Two Sigma 匹配 Citadel offer」。Trade-off:Two Sigma 是顶 quant firm 里明确的 work-life-balance 和正面文化推介。SWE 确认禁用 ChatGPT;QR OA 当作推定适用。QR 不要求 C++——Python 配 pandas + numpy 是工作语言。

Loop 长这样

逐轮拆解

  1. 01

    Recruiter screen

    Pre-onsite
    30 分钟

    背景、动机、目标团队。QR/Modeler title 在招聘里常合并——澄清路线。Two Sigma 看重「经验和热情」框架。

  2. 02

    在线测试(HackerRank/Codility)

    Pre-onsite
    60-90 分钟

    ~3 题按 2025 年 2 月报告:典型 1 LeetCode-medium + 2 pandas/numpy 数据处理。SWE 确认禁用 ChatGPT;QR OA 推定适用。

  3. 03

    技术轮 1 数据分析

    Onsite
    60 分钟

    开放建模 case(比如「预测 Manhattan 租金」)。Feature engineering、验证策略、模型选择。期待 walk-forward 和 regime 敏感性。

  4. 04

    技术轮 2 live coding

    Onsite
    60 分钟

    Python 配 pandas + numpy 默认。任务如线性插值、温度预测、pandas 数据处理。QR 不要求 C++。

  5. 05

    技术轮 3 统计 / 研究领域

    Onsite
    60 分钟

    PhD:讨论之前研究、方法论、局限。所有人:OLS 推导、Lagrangian 优化、条件期望、从噪声 Gaussian 观察估计参数。

  6. 06

    行为面 / team-fit

    Onsite
    60 分钟

    文化适配(协作研究、可持续文化)、动机、过往项目 ownership。Two Sigma 「科技公司感」——比 Citadel 不那么激进。

题库

候选人报告的真实题目

  • OA Coding

    "OA:pandas 题——给定交易 DataFrame,按 symbol 计算滚动 P&L,正确处理部分成交。向量化,不用循环。"

    Source · Glassdoor Two Sigma QR 2025 年 2 月报告, twosigma.com careers/interviewing-at-two-sigma/interviewing-for-quantitative-research-modeling
  • 建模 case

    "建模 case:预测 Manhattan 公寓租金。走 feature engineering、验证策略(不只是 train/test split——讲时间验证)、模型选择。"

    Source · Glassdoor Two Sigma QR 2025 报告
  • 统计

    "统计:从噪声 Gaussian 观察估计参数。推导 MLE、讨论 bias/variance、被问就走 Cramér-Rao。"

    Source · Glassdoor Two Sigma QR 面试报告
  • 统计

    "OLS / 回归:推导系数、讨论多重共线性下什么变化、讲 ridge vs lasso 直觉。"

    Source · Glassdoor Two Sigma QR 报告
  • Coding

    "Live coding:Python 里的线性插值(不用 scipy)。Edge case:范围外 query、重复 x 值、大数组性能。"

    Source · Glassdoor Two Sigma QR 报告
  • 建模判断

    "Backtest 批评:「我的信号 5 年 backtest Sharpe 2.5。应该部署吗?」走 walk-forward 分析、regime 敏感性、交易成本、容量、look-ahead bias。"

    Source · coachquant.com Two Sigma 指南, twosigma.com careers QR/modeling 页
  • 研究展示

    "PhD 候选人:展示你的论文。方法论是什么?局限是什么?你会怎么扩展?会改什么?"

    Source · twosigma.com careers/interviewing-for-quantitative-research-modeling 官方
  • 行为面

    "为什么 Two Sigma(vs Citadel、Jane Street)?Two Sigma 的数据驱动研究焦点和 work-life balance 区别——展示对 Two Sigma research 博客或开源的具体参与。"

    Source · twosigma.com careers 官方, teamrora.com quant 谈判
常见的信号问题

在这个职级容易被挂的地方

  • 表面验证思考

    说「过拟合」不讲 walk-forward 分析、out-of-sample attribution、regime 敏感性、turnover 分析——标记建模判断浅(按 coachquant.com Two Sigma 指南)。Backtest 批评被反复考——「高 Sharpe」是陷阱如果你不立即提验证关切。

  • 不能端到端推理候选信号

    Two Sigma 要能从数据质量 → backtest 设计 → 部署风险 → 实时监控思考的候选人。孤立优化一个阶段的候选人——标记缺少系统思考。

  • 泛泛「我想做 quant」答案

    Two Sigma 官方页明确强调「经验和热情」。泛泛金融兴趣挂。引用 Two Sigma research 博客、开源贡献,或者具体共鸣的工作——区分 Citadel/JS。

  • OA 时被怀疑用 AI 工具

    按 Two Sigma 官方工程面试页确认 SWE disqualifier:「严格禁止使用 ChatGPT 或任何其他 AI 工具,被察觉使用这类工具可能导致申请取消资格」。这语言没在 QR/Modeling 页明确镜像但当作推定适用——Two Sigma 可能通过代码模式检测,即使没直接观察到。

  • Live coding 时 Python/pandas 熟练度差

    Pandas 是 QR 工作语言。向量化操作、multi-index 处理、时间序列重采样、group-by 模式应该是自动的。默认 Python 循环或不能流利处理 DataFrame 的候选人——标记缺少日常练习。

Applr 的 Two Sigma QR 模拟面试是怎么对齐 rubric 的

Applr 的 Two Sigma QR mock 模拟 3 维度评估格式——数据分析、coding、统计一起算分。建模 case 轮提示全栈推理(数据质量 → backtest 设计 → 部署风险),配明确的验证深度算分(walk-forward、regime 敏感性、容量)。

Coding 轮提示向量化 pandas——掉回 Python 循环被标记。行为面提示 Two-Sigma 特定动机;泛泛「我想做 quant」答案被改写,引用 research 博客参与和跟 Citadel/JS 区别的 work-life-balance/正面文化。

相邻 loop

相关练习

FAQ

Two Sigma QR 需要 PhD 吗?

Senior 路线 QR 配 publication:是(按 Two Sigma QR/Machine Learning 招聘)。但初级招聘明确接受「正在攻读 MS……配最多 3 年专业经验」(按 Two Sigma 校招招聘 careers.twosigma.com)。强 MS 候选人能通过校招通道进。要求:量化学科学位(stats、math、physics、EE、CS)、强 Python。Two Sigma 从 BS 到 PhD 都招(按他们 Quant Research & Data Science 页 twosigma.com/careers/quantitative-research-data-science)。对留学生:CMU、Columbia、NYU、Berkeley 的 stats/CS 顶尖 US MS 项目通过校招有 Two Sigma 放榜记录。

Two Sigma QR 薪酬?

按 Levels.fyi(2026 年 5 月):L1 入门 $325K total($240K 底薪 + $85.4K 奖金,$0 股权)、L4 $373K、整体中位 $300K。Blind 报道更高中位($400-420K)被 senior 拉高。轶事初级 offer:~$300K 底薪等价 + $75K 签字;L3 顶 ~$200K 底薪 + $150K 奖金目标 + $100K 签字(按 TeamRora)。按 TeamRora 明确:「你很难让 Two Sigma 匹配 Citadel offer」——确认 Two Sigma 保守薪酬 + 谈薪更难的声誉。Trade-off:更好 work-life balance 和正面文化推介。

ChatGPT 真的禁用吗?

SWE 明确确认。按 Two Sigma 官方工程面试页:「严格禁止使用 ChatGPT 或任何其他 AI 工具,被察觉使用这类工具可能导致申请取消资格」。这语言没在 QR/Modeling 页明确镜像,所以 QR 候选人面对的语言未确认——但 QR 在线测试也类似 proctored。当作推定适用。Two Sigma 可能通过代码模式检测,即使没直接观察到。

Two Sigma QR 需要 C++ 吗?

不。QR 不要求 C++(按多个 Glassdoor 候选人报告)——那是 QD/SWE 期待。Python 配 pandas + numpy 是 QR 工作语言。你需要的:向量化 pandas 操作(multi-index、时间序列重采样、group-by)、numpy 线性代数熟练、不掉回 Python 循环就能处理 DataFrame 的能力。OA 之前具体练这些。

QR 跟 Modeler 在 Two Sigma 怎么不一样?

Two Sigma 的 QR/Modeler title 在招聘里基本合并(按 careers.twosigma.com listing)。统一面试 rubric 涵盖两个。从公开材料的实战区分:Modeler 倾向聚焦特定资产类或信号类配更长模型生命周期 ownership;QR 可能轮岗或跨资产工作。两个共享 3 维度评估:数据分析、coding、统计/研究领域。具体团队跟 recruiter 确认。

Backtest 批评题怎么样?

被反复考——按 coachquant.com Two Sigma 指南。陷阱题是「我建了个 5 年 backtest Sharpe 2.5 的信号,应该部署吗?」单说「过拟合」浅。强答案提:(1)walk-forward 分析(它在 out-of-sample 窗口里 hold 吗?)、(2)regime 敏感性(不同宏观环境下?)、(3)部署规模下交易成本和滑点、(4)容量(策略在 10x AUM 还工作吗?)、(5)feature 构建里的 look-ahead bias。建模轮之前练端到端 backtest 批评框架。

准备好用 Applr 练 Two Sigma 的面试了吗？

免费开始 →