Quant 面试数学全解：概率论、随机过程与 Brainteaser 完全攻略 2026

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？

1. 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：
2. 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）
3. 风险管理：你的仓位敞口需要控制在可接受范围内
4. 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 |