1. 岗位能力画像与简历优化模板

量化研究员面试的第一道门槛，往往不是现场答题，而是简历筛选。很多候选人技术功底不差，却因为简历没有对齐岗位能力画像，在初筛阶段就被淘汰。本章的核心任务是：把“我想展示什么”转换为“岗位需要什么”，再用可验证的成果句式把能力证据写清楚。你需要先建立能力画像，再重构简历结构，最后用关键词和量化句式完成表达闭环。

一、核心原理：能力画像决定简历结构

量化研究员的岗位能力画像，通常由五个维度构成：数理统计基础、编程与工程能力、策略研究能力、数据与市场理解、协作与表达。不同公司权重不同：高频机构更看重低延迟工程与微观结构，资管机构更看重因子逻辑与组合归因，私募更看重独立策略闭环。简历不是经历罗列，而是能力画像的证据映射。

这张图的关键不是五个词，而是中心节点：策略研究闭环。面试官最终判断的是你能否独立完成“提出假设—构造因子—回测验证—归因迭代—上线跟踪”的完整链路。简历中每一段经历，都应尽量指向这个闭环中的某个环节，并说明你的贡献边界。

二、方法流程：从画像到简历的四步法

1. 拆解目标岗位JD：把JD中的动词和名词分类，例如“因子挖掘”“Python”“组合优化”“归因分析”，形成关键词清单。
2. 建立个人能力证据表：每项能力对应一个项目、一个动作、一个结果，避免只有课程名称或工具名称。
3. 重构简历结构：建议采用“教育背景—研究/实习经历—项目成果—技能证书”的顺序，研究经历放在最前。
4. 用量化句式改写：把“负责因子研究”改为“独立构造12个量价因子，样本外IC均值0.045，多空组合年化夏普1.8”。

三、简历结构模板与关键词清单

成果量化句式可以归纳为四类：效率类（提速、降本）、规模类（标的数、数据量）、质量类（IC、夏普、回撤）、影响类（上线、被采用、获奖）。写简历时优先使用“动作+对象+指标+对比”的结构。

差：负责多因子选股策略研究。
好：独立构建多因子选股模型，覆盖沪深300，样本外年化收益18%，最大回撤9%，夏普1.7。
差：使用Python处理数据。
好：用Python+Pandas清洗10年tick数据，将回测准备时间从6小时降至40分钟。

四、案例场景与常见误区复盘

场景：一位候选人有两段实习，一段做因子测试，一段做风险模型。原简历写成“参与因子测试和风险模型开发”，面试官无法判断能力深度。改写后：第一段写“独立测试12个量价因子，发现3个样本外失效并给出原因”，第二段写“基于Barra风险模型拆解组合暴露，将行业偏离控制在1%以内”。这样既体现独立研究能力，也体现风险意识。