美國大學金工/金數專業申請到底有多難？

04-13

（本文原創作者：孫革洪，金東方留學總監、國家發改委培訓中心特聘首席顧問 -如有引用，請註明作者姓名及「金東方留學」字樣，違者必究。）

早就想寫一些關於這個話題的文章，是因為我覺得，如果把美國大學所有technical（技術性）很強的專業都放在一起，美國大學的金融工程專業、金融數學專業、數理金融專業、計算金融專業。。。等等，這類專業我更願意把它們稱之為「數理專業」，可以稱之為「最扎心」專業，沒有之一。為什麼但凡有個抱負的人，都想申金工/金數呢？我猜，可能大家都想借著工程和數學跳到金融這個行業里去，從「礦工」做起。我沒做過金融，我不知道金融領域裡掙錢有多高，反正我的客戶找到我時，滿眼放光的居多。這類專業，我今年收穫了哥大、紐大、康奈爾、伯克利、卡梅、芝加哥、波士頓、約翰霍普金斯、杜克、南加大、UIUC、明大等一批OFFER。但我對這個專業的留學申請簡直是體會太深了，之所以說「最扎心」，我的感受有幾個：

第一、在技術性強的專業中，這類專業申請難度最高，很多「高手兒」都折在這個專業上，最後顆粒無收的不在少數。今天早上接到一學生家長電話，他去年7月曾數次電話諮詢，學生是國內TOP3大學工科背景，托福100+，GRE 320+，有某證券公司實習經歷，一段兒工程專業科研經歷，今年申請結果都收齊了，全部「悲劇」了。我一點兒都不意外，因為我見過太多「過度自信」的學生，由於對這類專業的實質把握不準、對申請形勢估計不足。殊不知，這類專業雲集了幾乎所有專業背景的申請人，不信我們來分析一下：

（1）數理背景（數學、統計、經濟學、物理等）的申請人。這類申請人有著非常強的數理背景，而不僅僅是標準的高數、現代、概率與數理統計，而是數分、常微分、偏微分、實變、復變、統計學、博弈論、隨機、回歸。。。等等。但這類申請人的弱點通常是programming（編程），而programming在這個專業里，就是個工具，C++是工具，Matlab也是工具，當然如果會用Python就更好。即便沒有，但如果有針對性的去彌補，是相對容易的。

舉個例子，我一個美本客戶，統計專業背景，數理背景是夠用的，programming雖然和CS的學生比有差距，但在大三minor in CS, 最頂級的金工項目錄取了4個，包括哥大、伯克利（16,000萬美金獎學金）、紐大（7,000美金獎學金）、康奈爾。而學生本科金融的課程為零，為什麼申請金工/金數項目，沒學過金融能被這些頂級項目錄取呢？就是因為美國大學不care你金融的背景，而最介意你數理的背景。因為你是去做modeling(模型),pricing (定價), validation(校驗)的，這些是學這個專業的核心能力。所以，當你聽到留學中介的顧問們跟你講，多選金融的課程，對申請金工是有很大幫助的，這顧問就基本是外行了。

（2）工科背景的申請人（EE、ME、IE當然也包括CS的）。在工科背景的申請人中，以學CS的為主力，大家都戲稱CS為「碼農」，而把金工戲稱為「礦工」，從「碼農」變身為「礦工」，雖然本質還是「工」，都是干「體力活兒」的，但貼上了「金」字兒，大家覺得也值了。正是出於這樣的目的，無數工科背景的申請人扎堆兒申。這類申請人的在programming上是非常容易突出的，因為計算機在工程領域的應用十分廣泛。但反過來，數理背景的缺失，通常彌補起來會難度很高。遍地都是的「美賽」（MCM）和「國賽"（CUMCM）已經很難彌補這方面的背景缺失。如果是美本的學生，可以通過minor和選課進行彌補；如果是大陸本，要想修個輔修專業基本會被累死，沒有個10幾門課程是很難的。因此，如果你是純工科的背景，加強數理背景一定是重中之重。

工科學生的數理背景我們稱之為「標配」，為了和數理背景更強的學生競爭，也有很多途徑來彌補。比如，在很多工科的項目中，有涉及到演算法、優化、模型的部分，這部分內容是相對容易挖掘數理背景的；還比如，我曾經一個客戶設計了選課方案，其中一部分跑到北大去選，另一部分跑到美國大學的SUMMER去選。在T,G基本達標的情況下，也拿到了U.Chicago的MSFM的錄取，要知道這個項目對math skill要求還是很高的。

（3）還有相當多的商科背景（金融、會計、市場等）的申請人。說到這裡，我得多說兩句，對於金融背景的申請人，如果去申金工專業，仔細掂量和上面兩類人相比，你的優勢在哪裡？硬拼技術，拼代碼，應該怎麼也拼不過的，但是並不是所有的項目都招一堆技術大牛modeling 來programming去的，美國大學通常會考慮學生背景的diversity（多樣性），因此對於這種技術性超強的項目並不是完全沒有機會；並且，有些項目除了技術外，還是很看重businessskills，這類項目可能即不在工學院，也不在文理學院，而是在商學院，但將來的出路和金工金數沒有差別，這類項目是商科背景學生要重點考慮的。

可能有些人知道，MIT怎麼沒有金工/金數呢？其實不是沒有，而是MIT的這個項目設立在Sloan商學院下了，其中的MSF下，就有專門的Quantitative方向，類似的項目還有WUSTL(聖路易斯華盛頓大學）的MSF，下面有個Q-Track。。。等等。今年我有個英本（2:1學士學位）的學生，折換成美國的GPA大約3.4，GMAT 650，就是瞄準這類項目申請。MIT是不太可能錄取了，因為分兒還是不太夠，但WUSTL還是順利的拿到了面試，拿到面試後，我們的優勢就非常明顯，最終學生被WUSTL錄取了。

第二、對錄取核心把握不準確，導致申請定位有偏差，特別是在某些留學中介的所謂專家誤導下，連實習定位都是錯的，甚至在申請材料中生搬硬套，屢見不鮮。前面我們談到了很多技術性很強的學術背景知識，但光有這些是不夠的，還需要有experience來支持你這些學術背景在相關行業的應用。因此，幾乎所有的申請人都知道，實際應用的能力很重要，要通過實習來體現。但什麼樣的實習是匹配的呢？如果你的顧問和你講，「金融工程么，去找個銀行去實習，或者金融公司，或者證券公司做實習」，那基本可以判斷這個顧問沒有理解金工、金數專業的本質。

事實上，由於我國金融體系的監管機制，決定了在金融企業中的衍生品有限，因此，大學本科生在企業的實習中接觸到實質相關的內容是十分有限的。那什麼樣的實習內容是相關的呢？舉個例子，對於某種金融產品，比如股票、期貨、期權，通過分析產品的特性開發交易策略，而這種交易策略是量化的，這樣的實習經歷就更相關。這裡只是簡單提了這些概念，真正去判斷相關的實習經歷，是需要花時間去分析所實習中的工作職責，可能應用到的知識、原理、方法。如果你不能判斷實習中的技術性，最好不要在文書中生搬硬套，別動不動就optimize、model之類的往上招活。。。對於美國的那些professor來說，你做的一切可以被人一眼看穿的。那真正找不到這樣的實習怎麼辦？如果我是你的顧問，我會老老實實的分析大學期間做的各種project, 這些雖然不是實習中的應用，但如果真的懂，至少可以體現我匹配的skills及解決什麼問題的能力。

第三、抱著金工金數申，你可能會死的很慘。這句話是什麼意思呢？了解這類專業的學生可能知道，美國頂尖的金工金數項目重合度非常高，不論你看US NEWS，Quantnet, TFE Times, 等機構的排名，雖然同一個項目在不同機構的排名會有差別，但如果把範圍圈定在15-20所左右，這些項目幾乎是固定。也就是說，如果一個學生申請10-15所學校，你和幾乎所有的申請人鎖定的項目超過2/3是一樣的，不論你是美本、英本、大陸本，還是數理背景、工程背景、商科背景，這件事兒還是很可怕的。

因此，在5,6年前金工、金數還不像現在這麼熱門的時候，我就提出了multi-solutions的解決方案：即金工、金數的頂級項目該申就申，但不要「抱著」申，要跳出這樣的項目尋找更多的相關項目。比如，今年我有個美本純商科背景的學生，在我們第一條分析中，應該屬於學術背景相對弱的，但卻錄取了杜克大學商學院的量化管理碩士項目，這個項目的技術強的同時，比如課程涉及pricing, appliedprobability & Statistics，Data Visualization, Decision Strategy & Modeling，還非常注重學生的Business Context的培養。類似的項目還有很多，比如，我們之前提到的MIT的MSF， WUSTL的MSF Q-Track, 甚至有些IEOR下的項目，和純的金工金數的課程重合度非常高。選擇具有同樣就業前景、學到同樣技能、但並不損失學校質量的program， 你會發現，海闊天空在勇敢以後，要拿multi-solutions將命運的鎖打破，你會和阿信一樣厲害：）

寫到這裡，我相信如果你真的仔細讀，你應該會對這個專業有了進一步的認識。作為「理科男」，分析這些是我的本行兒，也是我很擅長的，希望能對大家有幫助。