最近剛走完 Optiver 2026 New Grad Data Scientist 的全部面試流程，最終拿到了 Offer。Optiver 的 DS 面試風格非常獨特，OA 重數學速度 + 機率 + 腦筋急轉彎，VO 則偏統計建模 + 交易場景 + 深度溝通。整體節奏快、壓力不小，但面試官都比較專業且友好。
Optiver Online Assessment
Optiver DS 的 OA 時間很長（約 2.5–3 小時），分成兩個主要部分：
Part 1: Coding Challenge（HackerRank，3 道題）
- 題目 1: Market Data Processing 給定股票的 tick data（時間戳、價格、交易量），計算每分鐘的 VWAP、識別異常交易，並按時間排序輸出。
- 思路：用字典按分鐘分組，計算總價值和總交易量得到 VWAP，再用移動平均 + 標準差識別異常。 坑點：volume 為 0 的情況、時間戳解析、邊緣 case 處理，我當時 debug 了很久。
- 題目 2: Options Portfolio Risk 給定包含不同 strike 和 expiry 的 calls/puts 組合，計算 portfolio total delta、在 underlying price ±5% 變化時的 P&L，以及 risk 最大的 position。
- 思路：用 Black-Scholes 計算 delta，然後彙總所有 positions。對於 P&L，用 delta approximation 估算價格變化影響。
- 題目 3: Time Series Forecasting 給定時間序列資料，實現簡單 ARIMA 模型，預測未來 5 個時間點，並計算 confidence interval。
- 思路：先差分處理非平穩性，再用最小二乘法估計 AR/MA 引數。這題最難，我花了近 50 分鐘，最後幾分鐘一直在瘋狂 debug。
Part 2: Mathematical Reasoning（20 道數學題）
涵蓋機率、統計、線性代數、微積分，時間非常緊。
印象深刻的幾道題：
- 機率題：biased coin P(Head)=p，連續拋直到出現 HHT，求期望拋擲次數（用狀態轉移方程求解）。
- 統計題：證明樣本方差 S² 是 σ² 的無偏估計（用期望線性性和卡方分佈性質）。
- 線性代數題：如何快速計算矩陣 Aⁿ？（特徵值分解 A = PDP⁻¹）。
這部分我有 3 道題沒來得及做完，心裡壓力很大。一週後意外收到了 phone screen 邀請，當時真的超級驚喜！
VO —— 共三輪
Round 1: Advanced Coding
- Real-time Market Data Processing：設計一個每秒處理 100 萬條 tick data 的系統，要求計算實時 VWAP、支援歷史查詢、99.9% latency < 1ms。 我提出了 event-driven + Kafka + C++ 處理引擎 + InfluxDB + Redis cache 的方案，並討論了 latency 最佳化（pre-allocate memory、SIMD、DPDK 等）。
- Algorithm Challenge：給定 order book，實現最優 execution strategy（考慮 market impact、slippage）。我用了 TWAP + dynamic programming 的方法。
Round 2: Statistics & Probability
- 如何判斷一個新 trading algorithm 是否 statistically significant？（two-sample t-test + Bootstrap + non-parametric alternatives）
- 如何估計 portfolio 的 VaR？（Historical、Parametric、Monte Carlo + Kupiec test）
- 如何檢驗 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）
總體感受
Optiver DS 面試非常注重數學功底 + 統計思維 + 交易場景理解。OA 重速度和基礎，VO 重深度和實際應用。整個過程雖然壓力大，但面試官都比較友好，會主動引導。
給準備 Optiver 2026 NG DS 的同學建議：
- 數學和機率題必須大量練習（尤其是期望值和狀態轉移）
- 熟練掌握 pandas + 統計分析 + Black-Scholes Greeks 計算
- 多準備交易相關的建模 Case（PnL 分析、策略評估、overfitting 判斷）
如果你也在準備 Optiver DS，歡迎私信交流：
- 想看 ARIMA 手寫程式碼或機率題解析？
- 需要交易策略 Case 的詳細框架？
- 想了解 DS 和 SDE 面試的區別？
如果你時間緊張，想更高效準備，推薦 Programhelp 的專業助攻服務。提供 OA 代寫、VO 實時思路引導和全流程支援，很多同學透過Programhelp的幫助拿到了 Optiver Offer。
需要幫助歡迎私信詳談。
END
