2026年量化分析师AI面试题库

2026年量化分析师AI面试题库1.数学与统计基础（5题，每题10分）题目1某投资组合包含两种资产，A和B，期望收益率分别为12%和8%，权重分别为60%和40%。市场波动率分别为15%和10%，资产间的相关系数为0.4。计算该投资组合的期望收益率和波动率。题目2给定一组数据：[10,12,14,16,18]，计算其均值、中位数、方差和标准差。题目3假设某股票的价格服从几何布朗运动，S₀=100，μ=0.1，σ=0.2，T=1年。计算该股票在一年后的期望价格和波动率。题目4证明高斯分布的均值和方差是其唯一的最小二乘估计量。题目5在多因素模型中，解释Fama-French三因子模型的三个因子及其经济含义。2.金融市场知识（5题，每题10分）题目6解释什么是久期和凸性，并说明它们在债券投资中的应用。题目7比较久期和ModifiedDuration的区别与联系。题目8什么是市场有效性？请解释弱式、半强式和强式有效市场假说。题目9解释什么是基差风险和交叉汇率风险，并举例说明。题目10描述量化交易中常用的几种交易策略，如均值回归、动量策略和统计套利。3.机器学习与数据挖掘（5题，每题10分）题目11解释线性回归和逻辑回归的区别，并说明它们各自的适用场景。题目12什么是过拟合和欠拟合？请提出至少两种解决过拟合的方法。题目13解释决策树和随机森林的区别，并说明随机森林如何提高模型的泛化能力。题目14什么是梯度下降法？请解释批量梯度下降、随机梯度下降和小批量梯度下降的区别。题目15解释PCA（主成分分析）的基本原理及其在数据降维中的应用。4.量化策略与风险管理（5题，每题10分）题目16解释什么是市场中性策略，并说明其优缺点。题目17什么是价值投资和成长投资？请比较两者的风险收益特征。题目18解释VaR（风险价值）的计算方法，并说明其局限性。题目19什么是压力测试？请解释其在风险管理中的重要性。题目20描述量化交易中常用的几种风险管理指标，如SharpeRatio、SortinoRatio和CalmarRatio。5.编程与算法（5题，每题10分）题目21请用Python编写一个函数，计算一组数据的均值和标准差。题目22请用Python编写一个简单的线性回归模型，并解释其计算过程。题目23请用Python编写一个函数，计算股票的SharpeRatio，输入参数包括日收益率和风险-freerate。题目24请用Python编写一个简单的策略回测框架，输入参数包括交易信号、初始资金和交易成本。题目25请用Python编写一个函数，实现K-means聚类算法，并解释其计算过程。答案与解析答案1期望收益率=0.612%+0.48%=10.8%波动率=√[(0.6²15%²)+(0.4²10%²)+20.60.415%10%0.4]=11.49%答案2均值=(10+12+14+16+18)/5=14中位数=14方差=[(10-14)²+(12-14)²+(14-14)²+(16-14)²+(18-14)²]/5=8标准差=√8≈2.83答案3期望价格=S₀e^(μT-0.5σ²T)=100e^(0.11-0.50.2²1)≈110.6波动率=σ√T=0.2√1=0.2答案4高斯分布的概率密度函数为f(x|μ,σ²)=(1/√(2πσ²))e^(-(x-μ)²/(2σ²))。根据最小二乘法，目标是最小化Σ(xi-μ)²。对μ求导并令其为0，得到μ=Σxi/n，即均值。对σ²求导并令其为0，得到σ²=Σ(xi-μ)²/n，即方差。答案5Fama-French三因子模型包括市场因子(Mkt-Rf)、规模因子(SMB)和价值因子(HML)。-市场因子：市场回报率与无风险利率之差-规模因子：小盘股回报率减去大盘股回报率-价值因子：高估值股票回报率减去低估值股票回报率答案6久期衡量债券价格对利率变化的敏感度，凸性衡量久期随利率变化的程度。久期越长，债券对利率变化越敏感；凸性越大，债券价格随利率变化越平滑。答案7ModifiedDuration=MacDURATION/(1+YTM/C),其中MacDURATION是麦考利久期，YTM是到期收益率，C是每年付息次数。ModifiedDuration更准确地衡量利率变化对债券价格的影响。答案8弱式有效：价格已反映所有历史价格信息半强式有效：价格已反映所有公开信息强式有效：价格已反映所有公开和内幕信息答案9基差风险：现货价格与期货价格之间的差异变化带来的风险交叉汇率风险：不同货币汇率变化带来的风险答案10均值回归：价格向均值回归的策略动量策略：利用价格趋势的策略统计套利：利用统计关系获利答案11线性回归：预测连续值，假设因变量与自变量线性关系逻辑回归：预测二元结果，使用logistic函数答案12过拟合：模型对训练数据拟合太好，泛化能力差欠拟合：模型对训练数据拟合不足解决过拟合方法：增加数据、正则化、交叉验证答案13决策树：基于规则分层分类随机森林：集成多个决策树，提高泛化能力答案14梯度下降法：通过迭代最小化损失函数批量梯度下降：使用所有数据计算梯度随机梯度下降：每次使用一个样本计算梯度小批量梯度下降：使用一小部分数据计算梯度答案15PCA通过线性变换将数据投影到更低维的空间，同时保留最大方差。答案16市场中性策略通过同时做多和做空，消除市场风险。答案17价值投资：投资低估股票成长投资：投资高增长股票答案18VaR=μ-zσ,其中μ是预期回报率，σ是波动率，z是置信水平对应的z-score。答案19压力测试通过模拟极端市场情况评估投资组合表现。答案20SharpeRatio=(Rp-Rf)/σpSortinoRatio=(Rp-Rf)/σd,其中σd是下行标准差CalmarRatio=(Rp-Rf)/|Rpmin|答案21pythonimportnumpyasnpdefmean_std(data):mean=np.mean(data)std=np.std(data)returnmean,std答案22pythonimportnumpyasnpfromsklearn.linear_modelimportLinearRegressiondefsimple_linear_regression(X,y):model=LinearRegression()model.fit(X.reshape(-1,1),y)returnmodel.coef_[0],ercept_答案23pythondefsharpe_ratio(returns,risk_free_rate):excess_returns=returns-risk_free_ratereturnnp.mean(excess_returns)/np.std(excess_returns)答案24pythondefbacktest(signals,initial_capital,transaction_cost):capital=initial_capitalpositions=0forsignal,return_inzip(signals,returns):ifsignal==1:#buycapital-=transaction_costpositions+=capital/current_priceelifsignal==-1:#sellcapital+=positionscurrent_price-transaction_costpositions=0capital+=positionsreturn_returncapital答案25pythondefk_means(data,k):centroids=data[np.random.choice(range(len(data)),k,replace=False)]whileTrue:clusters=[[]for_inrange(k)]forpointindata:distances=[np.linalg.norm(point-centroid)forcentroidincentroids]closest=np.argmin(distances)clusters[closest].append(point)new_centroids