目前看到第三章第五节，本人想做 risk quant，上学期学了 stochastic calculus 以及 quantitative models of financial derivatives，有随机微积分、随机过程、高等概率论的基础，请问这本书是要全部啃下还是只需看一部分？其中知识的掌握的深度应该如何？目前 MFM 在读，不打算读 PhD，请问这本书要掌握到什么程度才能过各种投资银行/基金/期权期货交易所的quant面试？

Shreve这本书应该是最基本的书了，要想参加quant的工作我觉得这本书还是要看的。 当然还取决于你想去什么样的desk， 就像其他答主说的不同的desk对skill set的要求差别还是很大的。

如果你要面buyside，我觉得你不如直接去看统计，机器学习等等，这本书不看也无所谓。 如果假设你是想做sell side衍生品相关的话，还是建议尽量全部看完。 下面具体讲，

前两章属于概率论基础，按理说你看这本书之前就应该非常熟悉的内容，尤其是测度，条件期望， filtration等等概念。

第三章讲布朗运动也是基础的基础，各种性质，定理什么的面试前最好非常熟悉，把习题做了我觉得应付一般面试没什么问题了。

第四章是在金融衍生品的背景下介绍随即分析， Ito公式一定要会，不会的话就不要说学过stochastic calculus了。4.5 black scholes merton equation， 其中介绍的self financing portfolio非常重要， 倒不是说要把最后的bsm pde背下来，而是明白衍生品定价的出发点一定是从写portfolio的pnl开始，并能把对应的hedging strategy写出来，而不是一上来就无脑中性测度上monte carlo。要是这个没搞懂期权定价应该是没学明白（个人观点）。

第五章讲风险中性测度，Girsanov 定理似乎比ito 公式难理解一些， 不过作为随即积分另一基础定理，面试的时候出个题考考也是可能的。另外这个如果没明白，后面的测度变换就没法学了。

第六章讲pde和求期望的联系，主要就是FeynmanKac 定理，是一座把pde和sde沟通起来的桥梁，数学上非常优美的定理。具体在金融数学的应用就是，衍生品的价格可以写成pde的解，也可以写成中性测度下的期望。

以上都要仔细看，我觉得都是基础的基础， 面试问到都不超纲。剩下的内容如果找实习的话我觉得能看就看，找全职的话不仔细看看没全搞明白的话感觉很悬。

第七章是奇异期权，但其实内容都是不那么强路径依赖的衍生品，前面几章搞明白了，这些个barrier， lookback，asian在bs setting下的定价理论没有那么难理解。另外不要只看数学证明，无脑推公式，多想想这些奇异衍生品由于哪些特性为什么有人愿意买。如果你面试的desk和exotic无关，大概看看就好了。第八章和前一章差不多，不过这书美式期权没有讲数值方法基本上一直围绕bs setting下推公式，不过至少要明白欧式和美式谁贵谁便宜。

第九章第十章一个是测度变换另一个是期限结构， 你要是面fx derivative，我觉得还是要看一下第九章的， 第十章的话面fixed income要看一下。 最后一章跳过程简介有时间就看看。

最后我想说面试准备的话只看这本书肯定是不够的，因为本来就很基础，基本上都在bs 模型下，如果我没记错似乎连local vol都没有提到，而且也没有讲数值方法。准备面试的话，还要看看统计，monte carlo， 数值pde，演算法，brain teaser等等。

任何学科，原则首先是掌握基础的。面试也是问最基础的东西，没有人在面试时让你推长公式/证明。很多人书看到很后面，但其实没有学通，很多概念也没有真正理解、吃透。就像很多人大谈机器学习，其实连基本的linear model也掌握的似是而非。这种不脚踏实地的人我见多了去了。

当初我面试时，最深也就问到W^3是不是Martingle，以及两个独立的standard brownish motion X and Y，X(2t)&>Y(t)的概率是多少

如果你能融会贯通这本书基础的50%，基本上面试是够了

至于有的回答说什么这本书在投行用不到，我不知道这是在讽刺什么，难道银行exotic desk quant不需要掌握基本的stochastic么。别人诚心发问，就好好回答不可以吗

居然看到了有关Shreve爸爸的问答！我硕士金工上过他两节课，他都没用过这本书。我们同学这这届真的去做纯pricing quant的就五六个吧，被问的问题很多都是以绿书为基础，比较贴近应用。我面pricing quant的岗被问了一些绿书stocal的原题，一些推导sto integral分布的问题，change of measure的问题，还有各种option Greeks。印象最深的是一次面试是他问我算present value需要用几个interest rate，我一面懵逼心想著不就一个嘛，然后下午上课Shreve就讲了怎么用三个interest rate推BS PDE。

我是真的哭笑不得，上面两个回答，一个匿名一句的完全业余，一个各种夹带私货+发泄情绪，根本没说到点子上。

我先声明最重要的一点：【Master学生准备美国的quant面试，是不该限定工作类型的】。在美帝，risk quant, pricing quant, desk quant, strats quant, buyside quant researcher/trader, 组合成了一个「quant业界」的整体，即职业机会基本上面向同类型同skill set的候选人，并考察类似的能力。作为Master学生，受业界的认可度是要弱于美本应届生和PhD学生的，在求职时会遇到一定的劣势，这时候唯一能做的就是target on这些所有类型的quant，在不断的面试中磨练自己的面试能力，发现自己简历/tech/背景中的不足并弥补，并顺带靠大量面试碰运气碰出offer. 所以题主如果想做risk quant, 一样应该先准备所有的面试，先有了offer再去leverage别的公司，或者工作一段时间后跳去自己想去的地方。

以此为基础，准备quant面试就要优先、甚至完全去准备那些各类quant面试都适用的核心部分，即Xinfeng Zhou的绿书所cover的那些tech题，加上演算法题、线性回归题，简历问题，少量behavioral问题和machine learning基础才能应付，而不是全力钻研某一职位例如risk quant的专业问题。即便你面试的确实是risk quant岗位，面试官也大概率会问这些general quant问题而不是risk quant的专业问题。首先面试官会assume你是一个各种岗位都在找的quant job seeker, 而且还是在校学生没有专业经历，所以考察更具有普遍性的问题能更没有偏颇地看出你的水平；第二，真正工作时每个人的职责划分很细致，你准备的这些东西，面试官可能压根不会，到时候你的一般性问题准备不好，专业问题也没押上，一点好都没落著。

最后正面回答一下题主问题。这本书的知识对risk quant有没有用？有些部分是有用的。但是以你现在的情况和诉求，你的第一步是成功拿到offer，然后上了岗再慢慢学这本书不迟。想拿到offer的话，既然你已经有随机过程和随机微积分的基础，那么就【完全没有必要碰这本书】了，因为面试时考在校学生的随机微积分都是非常简单的，凭你自己的基础+面试书里相关部分的打磨足够了；而且大部分随机微积分的面试问题都是结合option pricing, Black-Scholes一起考的，比如让你算个Delta等等，而这本书中间有一大部分是专门讲几种exotic products的定价，学习这本书里更深的知识是不划算的。你现在可以做的就是从这种」我想过面试，所以我要学新课「的学生视角脱离开来。求职不是这样的，求职面试的核心不是比谁会的知识最多，而是谁能把那些声称自己会的、基础的知识掌握得最牢。新知识肯定不如旧知识容易掌握牢，你越把时间花在新知识上，当面试官问你时你越显得不扎实。所以你应该以反复刷Xinfeng Zhou那本绿书为主，有余力时刷一刷Joshi那本红书，来掌握tech问题的基本套路；可以有选择地看看leetcode里"interview question"类型的题目，或者easy难度的典型演算法题，或者用书和讲义复习一下数据结构与演算法的知识，还有就是掌握一门编程语言的语法，并复习一下线性回归的知识，另外就是要熟悉自己的简历，能够对自己各个课程和实习侃侃而谈才行。当然，每次面试前去glassdoor或者你们项目的其他资源上看看你要面试的岗位的前人面经。这些方面要N管齐下才能通过面试，拿到offer. 再重复一遍，身为master学生，想拿到一个entry level的quant offer, 又已经有随机微积分基础的话，这本书【完全不用再碰】。

再多说一句，如果已经学过stochastic calculus和quantitative models in financial derivatives, 且这两门课内容确实符合名字的话，那么Shreve这本书前五六章的内容里，顶多只有第一章稍严格的Lebesgue积分部分，和Brownian Bridge部分对你来说是全新的了，这两部分在quant面试时本来也没用。

赞同楼上各位前辈的答案。补充一下，纯粹从面试角度来看，对于一个master candidate来说，这本书前六章一定要充分的掌握，包括martingale，brownian motion的性质，brownian bridge, change of measure, change of numeraire, risk neutral pricing, Feynman Kac等等。如果有时间最好可以看一下后面的jump process，偶尔也会被问到。但是如果是phd，面试要比这个难很多，建议通读全书。

另外，MS和瑞信两家的NY office的summer有笔试，难度在一般面试之上。除了基本的随机分析，还需要掌握简单的pricing model，比如HJM和各种bond model等等，这部分建议参考Bjork的书。

最后吐槽一下，MFM是个什么program？为啥从没听说过

推荐阅读：
相关文章