信息补充:
UC Berkeley的MFE(Master of Financial Engineering:金融工程硕士)项目是全球最顶尖的金融工程硕士之一,由 其商学院 Haas School of Business开设,2001 年创立。它的核心定位是:利用数学、统计学、计算机科学和金融学的交叉方法,为资本市场、投资管理、金融科技(FinTech)、风险管理等行业培养高端量化和金融科技人才。
学制与课程设置
时长通常为12个月(比一般硕士短,但强度极大)。除了量化经济和金融之外,同时强调编程(Python、C++、R、Matlab)和实操建模。
实践导向则是有 10 周的实习(internship),项目方会直接安排学生进入对冲基金、投行、资产管理公司等真实环境。Berkeley 位于硅谷辐射区附近,校友资源强大,很多毕业生进入华尔街顶级投行、量化基金,也有人走向 FinTech创业。
该学校和项目常年在全球金融工程/量化金融硕士排名中位列前二(和哥伦比亚、普林斯顿、NYU Courant 等项目竞争)。
背景呢,需要强数理基础(数学/物理/工程/计算机/经济金融的本科或硕士背景)。
申请要素是GRE/GMAT 高分(尤其是量化部分),编程能力(C++/Python),行业内的推荐信,相关实习或科研经历。
录取率——自查符合公开分数线后,自主报名;其中进行筛选和面试,最终录取大约 5–8% 左右,非常严格。
毕业生通常进入:投行(高盛、摩根大通,等)、量化基金(Citadel、Two Sigma、Point72)、资产管理、科技金融公司。
至于平均起薪,根据 Berkeley 的就业报告,毕业生起薪中位数在 12–15万美元+奖金,顶尖的去向甚至能到 20万美元以上。
项目录取大陆学生最低/基础分数线人物画像:
1. 学术背景
本科/硕士学校绝大多数来自国内顶尖院校(清华、北大、复旦、上交、浙大、中科大、人大、南开)或海外名校(美本/港/新 top 校)。很多学生是 数理背景:数学、应用数学、统计、物理、计算机、电子工程。
金融本科生单纯读金融很少能直冲 MFE,必须要有扎实的数理功底和编程经验。
成绩水平:GPA平日成绩:普遍在 3.6/4.0 以上(国内 90/100 以上),不少是“年级前 5–10%”。
数学课程成绩必须非常好,比如高数、概率论、数理统计、线性代数、随机过程。
2. 标化考试
GRE/GMAT:GRE Quant 基本都是 满分/170,Verbal 部分通常也要有 decent 成绩(>155)。GMAT 730+ 很常见。
英语需要TOEFL托福105+,很多人 110–114;IELTS雅思 7.5–8.0。(经核实,一般美国院校会更希望看到托福而不是雅思,所以雅思会按低分处理)
3. 技能储备则是需要编程能力:Python、C++、R、Matlab 几乎是标配。
很多在本科就参加过 ACM、数模竞赛、Kaggle,或者在科研/实习里做过大数据分析、机器学习建模。
数学金融知识需要Black-Scholes、蒙特卡洛模拟、数值 PDE、随机过程、时间序列分析。
有的甚至在申请前就修过 金融工程/量化交易的先修课。
给安安一次机会,抓住,就上;抓不住,下去。写这个点是为了突显她接下来会付出的努力,以及看她如何积累赶超。