Jane Street 量化面试题精解：100 道概率论 + Brainteaser 真题与解析

为什么概率论是 Quant 面试的核心

在 Jane Street、Optiver、Citadel 等顶级 Quant 机构的面试中，概率论题目占据了 Technical Interview 的 60–70%。这不是偶然的——量化交易的本质就是在不确定性中做出最优决策，而概率论是描述和量化不确定性的数学语言。

面试官真正在考察什么？

面试官并不只是在检查你是否知道公式。他们真正想看到的是：

1. 直觉先于计算：你能否在开始计算之前，先对答案的大致范围有直觉判断？
2. 结构化思维：面对复杂问题，你能否将其分解为可处理的子问题？
3. 压力下的清晰度：当面试官追问"为什么？"或"如果条件变成 X 呢？"时，你能否保持思维清晰？
4. 对边界情况的敏感性：你能否主动检验答案在极端情况下是否合理？

本文的使用方法

本文将 100 道题分为五大类，每道题都包含：题目、解题思路、完整解答和延伸思考。建议的学习方式是：先独立思考 3–5 分钟，再查看解析，重点理解解题思路而非记忆答案。

第一类：期望值计算（20 题）

期望值（Expected Value）是 Quant 面试中最高频的考点，也是量化交易决策的核心工具。

题目 1（经典入门）

*题目*：一枚公平硬币，连续抛掷直到出现正面为止。期望抛掷次数是多少？

• *解析*：设 E 为期望抛掷次数。第一次抛掷：
• 以 1/2 的概率出现正面，抛掷次数 = 1
• 以 1/2 的概率出现反面，还需要 E 次（问题重置）

因此：E = 1/2 × 1 + 1/2 × (1 + E) E = 1/2 + 1/2 + E/2 E = 1 + E/2 E/2 = 1 E = 2

*延伸*：如果是 p 概率出现正面，期望次数 = 1/p（几何分布的期望）。

题目 2（赌徒破产）

*题目*：你有 £3，对手有 £7。每轮以 1/2 概率赢 £1 或输 £1。你破产（£0）或对手破产（£10）游戏结束。你最终赢得全部 £10 的概率是多少？

*解析*：这是经典的赌徒破产问题（Gambler's Ruin）。对于公平硬币（p = 1/2），从位置 k 出发赢得全部 n 的概率为 k/n。

你的初始资金 k = 3，总资金 n = 10，因此： P(你赢) = 3/10 = 30%

*延伸*：如果 p ≠ 1/2，公式变为 P(赢) = (1-(q/p)^k) / (1-(q/p)^n)，其中 q = 1-p。

题目 3（圣彼得堡悖论变体）

*题目*：一个游戏：抛硬币，第一次正面得 £2，第二次连续正面得 £4，第 n 次连续正面得 £2^n。你愿意付多少钱玩这个游戏？

*解析*：期望收益 = Σ (1/2^n × 2^n) = Σ 1 = ∞（无穷大）。但实际上没有人愿意付超过 £20–30 来玩这个游戏。这就是圣彼得堡悖论——期望值无限大，但效用是有限的。

*面试要点*：面试官通常用这道题考察你对"期望值的局限性"的理解，以及效用函数（Utility Function）的概念。

题目 4（条件期望）

*题目*：一个骰子，如果点数 ≤ 3 就再掷一次，取两次点数之和；如果点数 > 3 就只用这一次点数。期望值是多少？

• *解析*：
• P(第一次 ≤ 3) = 1/2，此时期望 = E[X₁ + X₂ | X₁ ≤ 3] = E[X₁ | X₁ ≤ 3] + E[X₂]
• = (1+2+3)/3 + 3.5 = 2 + 3.5 = 5.5
• P(第一次 > 3) = 1/2，此时期望 = E[X₁ | X₁ > 3] = (4+5+6)/3 = 5

总期望 = 1/2 × 5.5 + 1/2 × 5 = 5.25

题目 5（最优停止）

*题目*：你依次观察 100 个数字（均匀分布在 0–1 之间），每次可以选择"接受"当前数字或"继续"。一旦接受就不能反悔，目标是最大化接受的数字。最优策略是什么？

*解析*：这是经典的"秘书问题"（Secretary Problem）。最优策略是：先观察前 100/e ≈ 37 个数字（不接受），记录最大值；然后接受第一个超过这个最大值的数字。这个策略的成功概率约为 1/e ≈ 36.8%。

*面试要点*：面试官通常不要求你推导完整证明，但需要你理解"探索-利用"（Explore-Exploit）的权衡逻辑。

第二类：条件概率与贝叶斯定理（20 题）

条件概率和贝叶斯定理是 Quant 面试中的第二大考点，也是量化交易中信息更新的数学基础。

题目 21（经典贝叶斯）

*题目*：一种疾病的发病率为 1%。一个检测方法的灵敏度（患病者检测阳性的概率）为 99%，特异度（健康者检测阴性的概率）为 95%。如果检测结果为阳性，实际患病的概率是多少？

• *解析*：设 D = 患病，T = 检测阳性
• P(D) = 0.01, P(T|D) = 0.99, P(T|¬D) = 0.05

贝叶斯公式： P(D|T) = P(T|D)×P(D) / [P(T|D)×P(D) + P(T|¬D)×P(¬D)] = 0.99×0.01 / [0.99×0.01 + 0.05×0.99] = 0.0099 / (0.0099 + 0.0495) = 0.0099 / 0.0594 ≈ 16.7%

*关键洞察*：即使检测方法很准确，当疾病发病率很低时，阳性结果的预测价值仍然很低。这就是为什么医学筛查通常只针对高风险人群。

题目 22（Monty Hall 问题）

*题目*：三扇门，一扇后面有奖品。你选了门 1，主持人打开了门 3（没有奖品）。你是否应该换选门 2？

• *解析*：应该换。
• 初始选择门 1 正确的概率：1/3
• 主持人打开门 3 后，门 2 正确的概率：2/3

直觉解释：你最初选择的门有 1/3 的概率是对的，2/3 的概率是错的。主持人的行为（打开一扇错误的门）将"错误概率"从 2/3 集中到了门 2 上。

题目 23（生日悖论）

*题目*：一个房间里至少需要多少人，才能使"至少两个人生日相同"的概率超过 50%？

*解析*：P(所有人生日不同) = 365/365 × 364/365 × 363/365 × ... × (365-n+1)/365

当 n = 23 时，P(至少两人生日相同) ≈ 50.7%

答案：23 人

*面试要点*：这道题的反直觉性（大多数人猜测需要 100+ 人）是面试官考察你是否能克服直觉偏差的工具。

题目 24（条件概率的独立性）

*题目*：抛两枚公平硬币。事件 A = "第一枚是正面"，事件 B = "两枚结果相同"。A 和 B 是否独立？

• *解析*：
• P(A) = 1/2
• P(B) = P(HH) + P(TT) = 1/4 + 1/4 = 1/2
• P(A∩B) = P(HH) = 1/4
• P(A)×P(B) = 1/2 × 1/2 = 1/4

因为 P(A∩B) = P(A)×P(B)，所以 A 和 B 独立。

*延伸*：如果改成三枚硬币，"第一枚是正面"和"三枚结果相同"是否独立？（答案：不独立）

第三类：随机游走与鞅（20 题）

随机游走（Random Walk）和鞅（Martingale）是量化金融的数学基础，也是 Quant 面试中的高频考点。

题目 41（简单随机游走）

*题目*：从原点出发，每步以 1/2 概率向右（+1）或向左（-1）。走 100 步后，期望位置是多少？期望距离原点的距离是多少？

• *解析*：
• 期望位置：E[X₁₀₀] = 0（对称性）
• 期望距离：E[|X₁₀₀|] ≈ √(100 × 2/π) ≈ √(63.66) ≈ 7.98 ≈ 8

更精确地，对于 n 步简单随机游走，E[|Xₙ|] = √(2n/π)。

题目 42（首次到达时间）

*题目*：简单随机游走，从 0 出发，首次到达 +1 的期望时间是多少？

• *解析*：设 T 为首次到达 +1 的时间。
• 第一步以 1/2 概率到达 +1（T = 1）
• 第一步以 1/2 概率到达 -1，然后需要首次到达 0（期望时间 = T），再首次到达 +1（期望时间 = T）

E[T] = 1/2 × 1 + 1/2 × (1 + 2E[T]) E[T] = 1/2 + 1/2 + E[T] 0 = 1

这是矛盾！说明 E[T] = ∞（首次到达时间的期望是无穷大）。

*关键洞察*：虽然随机游走以概率 1 最终会到达任何位置，但到达时间的期望是无穷大。这是一个重要的反直觉结论。

题目 43（鞅的应用）

*题目*：你有 £10，每轮以 1/2 概率赢 £1 或输 £1。你的策略是：赢了就继续，输了就翻倍下注。这个策略的期望收益是多少？

1. *解析*：这是著名的"马丁格尔策略"（Martingale Strategy）。从数学上看，如果你有无限资金，这个策略的期望收益确实是正的。但在现实中：
2. 你的资金是有限的（£10）
3. 连续输几次后，所需下注金额会超过你的资金
4. 在有限资金约束下，期望收益 = 0（公平游戏的鞅性质）

*面试要点*：这道题考察你对"鞅"的理解——公平游戏的累积收益是鞅，其期望值等于初始值，无论采用什么策略。

第四类：博弈论与最优策略（20 题）

博弈论题目在 Jane Street 面试中尤为常见，考察你在竞争环境中的策略思维。

题目 61（Nim 游戏）

*题目*：桌上有 21 根火柴。两人轮流取，每次可以取 1–3 根。取走最后一根的人输。先手是否有必胜策略？

• *解析*：分析关键位置：
• 1 根：先手取走 1 根，先手输 → 先手必败
• 2–4 根：先手可以留 1 根给对手 → 先手必胜
• 5 根：无论取几根（1–3），都会留 2–4 根给对手 → 先手必败
• 规律：5k+1 根时先手必败

21 = 5×4+1，所以 先手必败。

必胜策略（后手）：每次取完后保证剩余数量为 5k+1。

题目 62（价格发现游戏）

*题目*：一个物品的真实价值在 0–100 之间均匀分布，你知道真实价值，对手不知道。对手出价，你决定是否接受。对手的最优策略是什么？

*解析*：这是"柠檬市场"（Market for Lemons）的简化版本。

如果对手出价 p，你会接受当且仅当真实价值 ≤ p（因为你知道真实价值，只有在真实价值低于出价时才接受）。

对手知道这一点，所以如果他出价 p，他实际上买到的物品的真实价值在 [0, p] 之间均匀分布，期望价值 = p/2。

对手的期望利润 = p/2 - p = -p/2 < 0（对任何 p > 0）。

因此，对手的最优策略是出价 0，即不参与交易。

*面试要点*：这道题展示了信息不对称如何导致市场失灵，是量化交易中逆向选择（Adverse Selection）问题的直觉基础。

题目 63（拍卖策略）

*题目*：密封价格拍卖（Sealed-bid First-price Auction），两个竞拍者，各自的估值独立均匀分布在 [0, 1]。均衡出价策略是什么？

*解析*：在对称均衡中，每个竞拍者的出价是其估值的线性函数：b(v) = v/2。

直觉：你不想出价等于你的估值（利润为 0），也不想出价太低（可能输掉）。最优出价是在赢得拍卖的概率和利润之间取得平衡。

对于 n 个竞拍者，均衡出价为 b(v) = v × (n-1)/n。

第五类：组合数学与计数（20 题）

组合数学题目在 Quant 面试中通常作为"热身题"出现，但也可能出现在 OA 中。

题目 81（路径计数）

*题目*：从 (0,0) 到 (5,5) 的网格路径，只能向右或向上，有多少条路径？

*解析*：需要走 10 步（5 步向右 + 5 步向上），从 10 步中选择 5 步向右： C(10,5) = 10!/(5!×5!) = 252

题目 82（容斥原理）

*题目*：1 到 100 中，能被 3 或 5 整除的数有多少个？

• *解析*：
• 能被 3 整除：⌊100/3⌋ = 33 个
• 能被 5 整除：⌊100/5⌋ = 20 个
• 能被 15 整除（重复计算）：⌊100/15⌋ = 6 个
• 答案：33 + 20 - 6 = 47 个

题目 83（鸽巢原理）

*题目*：从 1 到 200 中随机选 101 个数，证明其中必有两个数之和为 201。

*解析*：将 1–200 分成 100 对：(1,200), (2,199), (3,198), ..., (100,101)。选 101 个数，根据鸽巢原理，至少有两个数来自同一对，它们的和为 201。

题目 84（概率与组合的结合）

*题目*：一副 52 张牌，随机抽 5 张，恰好有 2 张 A 的概率是多少？

• *解析*：
• 从 4 张 A 中选 2 张：C(4,2) = 6
• 从剩余 48 张中选 3 张：C(48,3) = 17,296
• 总的 5 张组合数：C(52,5) = 2,598,960

P = 6 × 17,296 / 2,598,960 = 103,776 / 2,598,960 ≈ 3.99%

想要完整的 100 题题库和详细解析？

AT&T Career Quant Track 提供包含 500+ 真题的完整题库，以及 1 对 1 Mock Interview 服务。 我们的导师来自 Jane Street、Citadel、Optiver 等顶级机构，能够模拟最接近真实面试的体验。

预约免费 Quant 面试诊断 →