最近刚走完 Optiver 2026 New Grad Data Scientist 的全部面试流程，最终拿到了 Offer。Optiver 的 DS 面试风格非常独特，OA 重数学速度 + 概率 + 脑筋急转弯，VO 则偏统计建模 + 交易场景 + 深度沟通。整体节奏快、压力不小，但面试官都比较专业且友好。
Optiver Online Assessment
Optiver DS 的 OA 时间很长（约 2.5–3 小时），分成两个主要部分：
Part 1: Coding Challenge（HackerRank，3 道题）
- 题目 1: Market Data Processing 给定股票的 tick data（时间戳、价格、交易量），计算每分钟的 VWAP、识别异常交易，并按时间排序输出。
- 思路：用字典按分钟分组，计算总价值和总交易量得到 VWAP，再用移动平均 + 标准差识别异常。 坑点：volume 为 0 的情况、时间戳解析、边缘 case 处理，我当时 debug 了很久。
- 题目 2: Options Portfolio Risk 给定包含不同 strike 和 expiry 的 calls/puts 组合，计算 portfolio total delta、在 underlying price ±5% 变化时的 P&L，以及 risk 最大的 position。
- 思路：用 Black-Scholes 计算 delta，然后汇总所有 positions。对于 P&L，用 delta approximation 估算价格变化影响。
- 题目 3: Time Series Forecasting 给定时间序列数据，实现简单 ARIMA 模型，预测未来 5 个时间点，并计算 confidence interval。
- 思路：先差分处理非平稳性，再用最小二乘法估计 AR/MA 参数。这题最难，我花了近 50 分钟，最后几分钟一直在疯狂 debug。
Part 2: Mathematical Reasoning（20 道数学题）
涵盖概率、统计、线性代数、微积分，时间非常紧。
印象深刻的几道题：
- 概率题：biased coin P(Head)=p，连续抛直到出现 HHT，求期望抛掷次数（用状态转移方程求解）。
- 统计题：证明样本方差 S² 是 σ² 的无偏估计（用期望线性性和卡方分布性质）。
- 线性代数题：如何快速计算矩阵 Aⁿ？（特征值分解 A = PDP⁻¹）。
这部分我有 3 道题没来得及做完，心里压力很大。一周后意外收到了 phone screen 邀请，当时真的超级惊喜！
VO —— 共三轮
Round 1: Advanced Coding
- Real-time Market Data Processing：设计一个每秒处理 100 万条 tick data 的系统，要求计算实时 VWAP、支持历史查询、99.9% latency < 1ms。 我提出了 event-driven + Kafka + C++ 处理引擎 + InfluxDB + Redis cache 的方案，并讨论了 latency 优化（pre-allocate memory、SIMD、DPDK 等）。
- Algorithm Challenge：给定 order book，实现最优 execution strategy（考虑 market impact、slippage）。我用了 TWAP + dynamic programming 的方法。
Round 2: Statistics & Probability
- 如何判断一个新 trading algorithm 是否 statistically significant？（two-sample t-test + Bootstrap + non-parametric alternatives）
- 如何估计 portfolio 的 VaR？（Historical、Parametric、Monte Carlo + Kupiec test）
- 如何检验 financial time series 是否 stationary？（ADF test、KPSS test）
Round 3: Machine Learning & Research
- Feature Engineering for intraday returns prediction（price-based、volume-based、market microstructure、alternative data）
- Model validation in finance（time series CV、look-ahead bias、economic significance）
- Deep Learning for price movement prediction（LSTM/Transformer + regularization + interpretability）
总体感受
Optiver DS 面试非常注重数学功底 + 统计思维 + 交易场景理解。OA 重速度和基础，VO 重深度和实际应用。整个过程虽然压力大，但面试官都比较友好，会主动引导。
给准备 Optiver 2026 NG DS 的同学建议：
- 数学和概率题必须大量练习（尤其是期望值和状态转移）
- 熟练掌握 pandas + 统计分析 + Black-Scholes Greeks 计算
- 多准备交易相关的建模 Case（PnL 分析、策略评估、overfitting 判断）
如果你也在准备 Optiver DS，欢迎私信交流：
- 想看 ARIMA 手写代码或概率题解析？
- 需要交易策略 Case 的详细框架？
- 想了解 DS 和 SDE 面试的区别？
如果你时间紧张，想更高效准备，推荐 Programhelp 的专业助攻服务。提供 OA 代写、VO 实时思路引导和全流程支持，很多同学通过Programhelp的帮助拿到了 Optiver Offer。
需要帮助欢迎私信详谈。
End of text
