Study Guide

量化面试指南

知识大类: 6
学习条目: 14

概率分布 Probability Distributions 基础概率分布，包括二项分布、正态分布、泊松分布等。 常用公式与定理 Formulas and Theorems 条件概率、贝叶斯定理、相关性以及期望的性质。 马尔可夫链 Markov Chains 中心极限定理、大数定律与随机游走。

线性回归 Linear Regression 一元线性回归、多元线性回归与偏差-方差权衡。 分类模型 Classification 逻辑回归、生成式模型与朴素贝叶斯。 树模型 Tree Methods 决策树与集成模型（bagging 和 boosting）。

神经网络 Neural Networks 激活函数、损失函数、反向传播、正则化与过拟合。 大语言模型 Large Language Models Transformer 架构、训练范式与应用。

矩阵代数 Matrix Algebra 矩阵基础、类型与性质。 矩阵分解 Matrix Decomposition 奇异值分解与矩阵投影。

微积分基础 Calculus Fundamentals 导数、积分与泰勒级数近似。

做市 Market Making 限价订单簿、库存风险管理与绩效指标。 期权理论 Options Theory 债券、期权、合约与 Black-Scholes 模型。 投资组合理论 Portfolio Theory 投资组合优化与定价模型。