Quant 面试数学全解：概率论、随机过程与 Brainteaser 完全攻略 2026
本文由 Citadel Securities Quant Researcher 撰写，系统拆解 Jane Street、Optiver、Citadel 面试中最高频的数学题型——从条件期望到鞅定理，从随机游走到最优停止问题，附 30 道真题精解，是量化求职者最值得收藏的备考手册。
## 为什么数学是 Quant 面试的核心
与 IB 或 Consulting 面试不同，Quant 面试的核心是**数学能力的实时展示**。面试官不仅关心你最终得出的答案，更关心你的解题过程——你是否能在压力下清晰地组织思路，是否能识别问题的数学本质，是否能在遇到障碍时灵活调整策略。 在 Jane Street、Optiver 和 Citadel 的面试中，数学题通常占据 60–80% 的时间。这些题目看似刁钻，但背后都有清晰的数学结构。本文将系统梳理最高频的六大题型，并附上真题精解，帮助你建立系统性的备考框架。 **重要提示**：本文假设读者具备本科水平的概率论基础（期望、方差、条件概率）。如果你对这些概念还不熟悉，建议先阅读 Sheldon Ross 的《A First Course in Probability》第 1–4 章。
## 题型一：条件期望与迭代期望（最高频）
条件期望是 Quant 面试中出现频率最高的数学工具，几乎每次面试都会涉及。核心公式：**E[X] = E[E[X|Y]]**（迭代期望定理）。 **经典真题 1：赌徒破产问题** > 你有 $a$ 元，对手有 $b$ 元，每轮你赢的概率为 $p$，输的概率为 $1-p$。游戏持续到一方破产为止。你最终赢得全部资金的概率是多少？ **解题思路**：设 $P_k$ 为你当前有 $k$ 元时最终获胜的概率。建立递推关系： $P_k = p \cdot P_{k+1} + (1-p) \cdot P_{k-1}$ 边界条件：$P_0 = 0$，$P_{a+b} = 1$。 当 $p \neq 0.5$ 时，解为： $P_k = \frac{1 - (q/p)^k}{1 - (q/p)^{a+b}}$ 其中 $q = 1-p$。当 $p = 0.5$ 时，$P_k = k/(a+b)$（公平游戏下，获胜概率与初始资金成正比）。 **面试技巧**：面试官可能会追问"如果游戏是公平的（$p=0.5$），你有 1 元，对手有 99 元，你获胜的概率是多少？"答案是 1%——这个结果非常直观，但能快速说出来体现了你对公式的内化程度。 **经典真题 2：期望掷骰次数** > 不断掷一枚公平骰子，直到出现 6 为止。期望掷几次？ **解题思路（迭代期望法）**：设 $E$ 为期望次数。第一次掷骰： - 概率 1/6 出现 6，游戏结束，共掷 1 次 - 概率 5/6 未出现 6，还需要期望 $E$ 次 $E = 1 + \frac{5}{6} E \implies E = 6$ **扩展题**：如果要求连续出现两次 6，期望掷几次？设 $E_0$（初始状态）和 $E_1$（已出现一次 6 的状态）： $E_1 = \frac{1}{6}(1) + \frac{5}{6}(1 + E_0)$ $E_0 = \frac{1}{6}(1 + E_1) + \frac{5}{6}(1 + E_0)$ 解得 $E_0 = 42$。
## 题型二：随机游走与鞅（Martingale）
随机游走和鞅理论是量化金融的数学基础，也是 Quant 面试中的高频考点。 **鞅的直觉理解**：鞅是一个"公平游戏"的数学模型——在已知当前信息的条件下，未来的期望值等于当前值。形式化定义：若 $E[X_{n+1} | X_1, ..., X_n] = X_n$，则 $\{X_n\}$ 是鞅。 **经典真题 3：对称随机游走的停止时间** > 从原点出发，每步以 1/2 概率向右走一步，1/2 概率向左走一步。第一次到达 $+a$ 或 $-b$ 的期望步数是多少？ **解题思路**：利用**可选停时定理（Optional Stopping Theorem）**。 设 $T$ 为停止时间，$X_n$ 为位置。由于 $X_n$ 是鞅，$E[X_T] = X_0 = 0$： $E[X_T] = a \cdot P(\text{到达} +a) + (-b) \cdot P(\text{到达} -b) = 0$ $\implies P(\text{到达} +a) = \frac{b}{a+b}$ 对于期望步数，利用 $X_n^2 - n$ 也是鞅： $E[X_T^2 - T] = 0 \implies E[T] = E[X_T^2]$ $E[T] = a^2 \cdot \frac{b}{a+b} + b^2 \cdot \frac{a}{a+b} = ab$ **面试技巧**：这道题的关键是知道 $X_n^2 - n$ 是鞅。如果你能在面试中流畅地构造这个鞅，会给面试官留下深刻印象。 **经典真题 4：St. Petersburg 悖论** > 一个游戏：连续抛硬币，第一次出现正面时停止。如果在第 $n$ 次出现正面，你赢得 $2^n$ 元。这个游戏的公平价格是多少？ **解析**：期望收益 = $\sum_{n=1}^{\infty} 2^n \cdot (1/2)^n = \sum_{n=1}^{\infty} 1 = \infty$。 尽管期望收益无穷大，但没有理性人愿意支付超过几十元来玩这个游戏。这个悖论揭示了**期望效用理论**的局限性，以及为什么 Quant 在实际工作中需要考虑风险厌恶和效用函数，而不仅仅是期望值。
## 题型三：最优停止问题（Secretary Problem）
最优停止问题是 Quant 面试中最考验数学直觉的题型，也是量化交易中"何时执行交易"这一核心问题的数学抽象。 **经典真题 5：秘书问题（Secretary Problem）** > 你要从 $n$ 位候选人中雇用最优秀的一位。候选人依次面试，面试后立即决定是否录用（不可反悔）。你能看到每位候选人的相对排名（比之前所有人好还是差），但不知道绝对排名。最优策略是什么？ **最优解**：先观察前 $n/e$（约 37%）位候选人，记录其中最优者的水平，然后录用第一个比这个水平更好的候选人。 **数学推导**：设观察期为前 $k$ 位，从第 $k+1$ 位开始录用。录用到最优候选人的概率为： $P(k) = \frac{k}{n} \sum_{i=k+1}^{n} \frac{1}{i-1} \approx \frac{k}{n} \ln\frac{n}{k}$ 对 $k$ 求导令其为零：$\ln(n/k) = 1 \implies k = n/e$，最优成功概率约为 $1/e \approx 37\%$。 **面试技巧**：这道题的答案（37% 规则）在 Quant 面试中非常著名。但更重要的是理解背后的直觉：观察期太短，你没有足够的参照系；观察期太长，你错过了太多好候选人。最优解在这两个极端之间取得平衡。
## 题型四：Brainteaser 与逻辑推理
Brainteaser 是 Quant 面试中用来测试候选人思维灵活性和创造力的题型。这类题目通常没有标准的数学公式可以套用，需要从第一原理出发进行推理。 **经典真题 6：100 个囚犯问题** > 100 个囚犯，每人有一个 1–100 的编号。房间里有 100 个盒子，每个盒子里随机放一张号码牌。每个囚犯可以打开最多 50 个盒子，如果所有人都找到了自己的号码，所有人获释。囚犯可以在进入房间前商量策略，但进入房间后不能通信。最优策略的成功概率是多少？ **最优策略**：每个囚犯从自己编号对应的盒子开始，然后打开盒子里号码对应的盒子，如此循环。这个策略的成功概率约为 **31.18%**。 **数学分析**：这个策略失败当且仅当存在一个长度超过 50 的循环。长度为 $k$ 的循环的概率为 $1/k$（$k > 50$），因此失败概率为： $P(\text{失败}) = \sum_{k=51}^{100} \frac{1}{k} \approx \ln(2) \approx 0.6931$ 成功概率 $\approx 1 - \ln(2) \approx 31.18\%$。 **为什么这个策略是最优的**：随机策略的成功概率为 $(1/2)^{100} \approx 10^{-30}$，而循环策略将成功概率提升到约 31%。这道题的深刻之处在于：通过利用排列的循环结构，将 100 个独立事件转化为一个相关事件，从而大幅提升整体成功概率。 **经典真题 7：称球问题** > 12 个球，其中一个比其他球重或轻（不知道是重还是轻）。用一个天平，最少称几次可以找出这个球并判断它是重还是轻？ **答案**：3 次。 **解题思路**：每次称量有三种结果（左重、右重、平衡），3 次称量最多可以区分 $3^3 = 27$ 种情况。12 个球（重或轻）共有 24 种情况，3 次称量理论上足够。具体策略：第一次称 4 vs 4，根据结果将问题规模缩小到 8 或 4 个球，然后用剩余 2 次称量确定答案。
## 题型五：组合数学与概率计算
**经典真题 8：生日悖论** > 一个房间里需要多少人，才能使至少两人生日相同的概率超过 50%？ **解析**：$n$ 个人生日各不相同的概率为： $P(\text{无重复}) = \frac{365}{365} \cdot \frac{364}{365} \cdot \frac{363}{365} \cdots \frac{365-n+1}{365}$ 当 $n = 23$ 时，$P(\text{无重复}) \approx 0.493$，即有重复的概率约为 50.7%。 **面试技巧**：这道题的答案（23 人）是一个著名的反直觉结果。更重要的是，你能否快速估算：利用泰勒展开 $\ln(1-x) \approx -x$，$P(\text{无重复}) \approx e^{-n(n-1)/730}$，令其等于 0.5 得 $n \approx 23$。 **经典真题 9：Coupon Collector 问题** > 每次随机抽取 $n$ 种优惠券之一，期望需要抽多少次才能集齐所有种类？ **解析**：当已有 $k$ 种时，下一张新券的期望等待次数为 $n/(n-k)$。总期望次数： $E[T] = \sum_{k=0}^{n-1} \frac{n}{n-k} = n \sum_{k=1}^{n} \frac{1}{k} = n H_n \approx n \ln n$ 当 $n = 365$（一年中每天的生日）时，$E[T] \approx 365 \ln 365 \approx 2153$ 次。
## 题型六：市场微观结构与定价直觉
这类题目考察候选人对金融市场的直觉理解，是 Jane Street 和 Optiver 面试中特有的题型。 **经典真题 10：做市商定价** > 一枚硬币，正面概率未知，你需要为"正面出现"这个事件报价（买价和卖价）。如果对手接受你的买价，他们认为正面概率高于你的报价；如果接受卖价，他们认为低于你的报价。你应该如何定价？ **解析**：这道题没有唯一正确答案，但好的回答应该包含以下要素： 1. **信息不对称**：如果对手比你更了解这枚硬币，你的报价需要反映这种信息劣势（加宽买卖价差） 2. **风险管理**：你的仓位敞口需要控制在可接受范围内 3. **价格发现**：随着交易的进行，你应该根据对手的行为更新你对正面概率的估计 **面试技巧**：这类题目没有标准答案，关键是展示你的**思维框架**和**对市场机制的理解**。面试官想看到的是：你能否在不确定性下做出合理决策，并清晰地解释你的推理过程。 ### 想系统掌握这套数学框架？ **AT&T Career Quant Track 提供从概率基础到 Superday 的全流程数学训练。** 我们的导师团队来自 Jane Street、Citadel、Optiver，使用真实面试题库进行系统训练。 **预约免费 Quant 数学诊断，了解你的备考差距 →**
## 备考资源推荐与学习路径
**书籍推荐** | 书名 | 适用阶段 | 核心内容 | |------|---------|--------| | A Practical Guide to Quantitative Finance Interviews（绿皮书） | 所有阶段 | 最全面的 Quant 面试题库，必读 | | Heard on the Street | 所有阶段 | 经典 Brainteaser 和概率题集合 | | Fifty Challenging Problems in Probability | 进阶 | 高难度概率题，适合冲刺 Jane Street | | Stochastic Calculus for Finance I & II（Shreve） | 进阶 | 随机微积分的标准教材 | | Options, Futures, and Other Derivatives（Hull） | 金融基础 | 衍生品定价的权威教材 | **在线资源** - **Optiver 80 in 8**：官方心算练习工具，每天练习 15 分钟，4 周内可显著提升 - **LeetCode**：Quant Developer 岗位的算法题库，重点练习 Medium 难度的数学和动态规划题 - **Probability and Statistics（MIT OpenCourseWare）**：免费的概率论课程，适合系统复习 - **Jane Street 官方博客**：包含多篇关于量化思维和面试技巧的深度文章 **备考时间规划** | 准备时间 | 建议重点 | |---------|--------| | 6 个月以上 | 系统学习概率论 + 每日心算练习 + 编程能力提升 | | 3–6 个月 | 绿皮书刷题 + Mock Interview + 公司研究 | | 1–3 个月 | 真题精练 + 弱点攻克 + 心理状态调整 | | 1 个月以内 | 高频题目复盘 + 模拟面试 + 放松心态 |
没有学过随机微积分，能通过 Quant 面试吗？
对于 Quant Trader 岗位（Jane Street、Optiver），随机微积分不是必须的，重点是概率论直觉和心算能力。对于 Quant Researcher 岗位（Two Sigma、Citadel），了解随机微积分的基础（布朗运动、伊藤引理）会有帮助，但不是决定性因素。最重要的是扎实的概率论基础和清晰的数学思维。
绿皮书（A Practical Guide to Quantitative Finance Interviews）真的有用吗？
非常有用，是 Quant 面试备考的必读书目。但要注意：绿皮书的题目代表了 10 年前的面试风格，现在的面试题目更注重思维过程而非死记硬背答案。建议将绿皮书作为题型熟悉的工具，而不是死背答案的手册。
Quant 面试中遇到不会的题怎么办？
这是正常的，面试官通常会出一些你没见过的题目来观察你的反应。正确做法是：大声说出你的思考过程（即使方向不对），主动寻求提示（"我可以从这个角度思考吗？"），展示你的数学工具箱（"我想用条件期望来处理这个问题"）。沉默是最差的反应，面试官想看到的是你在不确定性下的思维方式。
心算测试（Optiver 80 in 8）如何快速提升？
心算能力是可以通过练习显著提升的。建议：每天使用 Optiver 官方练习工具练习 15–20 分钟；重点练习分数运算和百分比计算（这是最常见的失分点）；学习一些心算技巧（如 11 的乘法规则、平方数速算）。一般来说，坚持 4–6 周的每日练习，可以将准确率从 60–70% 提升到 85–90%。
AT&T Career