目前看到第三章第五節，本人想做 risk quant，上學期學了 stochastic calculus 以及 quantitative models of financial derivatives，有隨機微積分、隨機過程、高等概率論的基礎，請問這本書是要全部啃下還是隻需看一部分？其中知識的掌握的深度應該如何？目前 MFM 在讀，不打算讀 PhD，請問這本書要掌握到什麼程度才能過各種投資銀行/基金/期權期貨交易所的quant面試？

Shreve這本書應該是最基本的書了，要想參加quant的工作我覺得這本書還是要看的。 當然還取決於你想去什麼樣的desk， 就像其他答主說的不同的desk對skill set的要求差別還是很大的。

如果你要面buyside，我覺得你不如直接去看統計，機器學習等等，這本書不看也無所謂。 如果假設你是想做sell side衍生品相關的話，還是建議盡量全部看完。 下面具體講，

前兩章屬於概率論基礎，按理說你看這本書之前就應該非常熟悉的內容，尤其是測度，條件期望， filtration等等概念。

第三章講布朗運動也是基礎的基礎，各種性質，定理什麼的面試前最好非常熟悉，把習題做了我覺得應付一般面試沒什麼問題了。

第四章是在金融衍生品的背景下介紹隨即分析， Ito公式一定要會，不會的話就不要說學過stochastic calculus了。4.5 black scholes merton equation， 其中介紹的self financing portfolio非常重要， 倒不是說要把最後的bsm pde背下來，而是明白衍生品定價的出發點一定是從寫portfolio的pnl開始，並能把對應的hedging strategy寫出來，而不是一上來就無腦中性測度上monte carlo。要是這個沒搞懂期權定價應該是沒學明白（個人觀點）。

第五章講風險中性測度，Girsanov 定理似乎比ito 公式難理解一些， 不過作為隨即積分另一基礎定理，面試的時候出個題考考也是可能的。另外這個如果沒明白，後面的測度變換就沒法學了。

第六章講pde和求期望的聯繫，主要就是FeynmanKac 定理，是一座把pde和sde溝通起來的橋樑，數學上非常優美的定理。具體在金融數學的應用就是，衍生品的價格可以寫成pde的解，也可以寫成中性測度下的期望。

以上都要仔細看，我覺得都是基礎的基礎， 面試問到都不超綱。剩下的內容如果找實習的話我覺得能看就看，找全職的話不仔細看看沒全搞明白的話感覺很懸。

第七章是奇異期權，但其實內容都是不那麼強路徑依賴的衍生品，前面幾章搞明白了，這些個barrier， lookback，asian在bs setting下的定價理論沒有那麼難理解。另外不要只看數學證明，無腦推公式，多想想這些奇異衍生品由於哪些特性為什麼有人願意買。如果你面試的desk和exotic無關，大概看看就好了。第八章和前一章差不多，不過這書美式期權沒有講數值方法基本上一直圍繞bs setting下推公式，不過至少要明白歐式和美式誰貴誰便宜。

第九章第十章一個是測度變換另一個是期限結構， 你要是面fx derivative，我覺得還是要看一下第九章的， 第十章的話面fixed income要看一下。 最後一章跳過程簡介有時間就看看。

最後我想說面試準備的話只看這本書肯定是不夠的，因為本來就很基礎，基本上都在bs 模型下，如果我沒記錯似乎連local vol都沒有提到，而且也沒有講數值方法。準備面試的話，還要看看統計，monte carlo， 數值pde，演算法，brain teaser等等。

任何學科，原則首先是掌握基礎的。面試也是問最基礎的東西，沒有人在面試時讓你推長公式/證明。很多人書看到很後面，但其實沒有學通，很多概念也沒有真正理解、喫透。就像很多人大談機器學習，其實連基本的linear model也掌握的似是而非。這種不腳踏實地的人我見多了去了。

當初我面試時，最深也就問到W^3是不是Martingle，以及兩個獨立的standard brownish motion X and Y，X(2t)&>Y(t)的概率是多少

如果你能融會貫通這本書基礎的50%，基本上面試是夠了

至於有的回答說什麼這本書在投行用不到，我不知道這是在諷刺什麼，難道銀行exotic desk quant不需要掌握基本的stochastic麼。別人誠心發問，就好好回答不可以嗎

居然看到了有關Shreve爸爸的問答！我碩士金工上過他兩節課，他都沒用過這本書。我們同學這這屆真的去做純pricing quant的就五六個吧，被問的問題很多都是以綠書為基礎，比較貼近應用。我面pricing quant的崗被問了一些綠書stocal的原題，一些推導sto integral分佈的問題，change of measure的問題，還有各種option Greeks。印象最深的是一次面試是他問我算present value需要用幾個interest rate，我一面懵逼心想著不就一個嘛，然後下午上課Shreve就講了怎麼用三個interest rate推BS PDE。

我是真的哭笑不得，上面兩個回答，一個匿名一句的完全業餘，一個各種夾帶私貨+發泄情緒，根本沒說到點子上。

我先聲明最重要的一點：【Master學生準備美國的quant面試，是不該限定工作類型的】。在美帝，risk quant, pricing quant, desk quant, strats quant, buyside quant researcher/trader, 組合成了一個「quant業界」的整體，即職業機會基本上面向同類型同skill set的候選人，並考察類似的能力。作為Master學生，受業界的認可度是要弱於美本應屆生和PhD學生的，在求職時會遇到一定的劣勢，這時候唯一能做的就是target on這些所有類型的quant，在不斷的面試中磨練自己的面試能力，發現自己簡歷/tech/背景中的不足並彌補，並順帶靠大量面試碰運氣碰出offer. 所以題主如果想做risk quant, 一樣應該先準備所有的面試，先有了offer再去leverage別的公司，或者工作一段時間後跳去自己想去的地方。

以此為基礎，準備quant面試就要優先、甚至完全去準備那些各類quant面試都適用的核心部分，即Xinfeng Zhou的綠書所cover的那些tech題，加上演算法題、線性回歸題，簡歷問題，少量behavioral問題和machine learning基礎才能應付，而不是全力鑽研某一職位例如risk quant的專業問題。即便你面試的確實是risk quant崗位，面試官也大概率會問這些general quant問題而不是risk quant的專業問題。首先面試官會assume你是一個各種崗位都在找的quant job seeker, 而且還是在校學生沒有專業經歷，所以考察更具有普遍性的問題能更沒有偏頗地看出你的水平；第二，真正工作時每個人的職責劃分很細緻，你準備的這些東西，面試官可能壓根不會，到時候你的一般性問題準備不好，專業問題也沒押上，一點好都沒落著。

最後正面回答一下題主問題。這本書的知識對risk quant有沒有用？有些部分是有用的。但是以你現在的情況和訴求，你的第一步是成功拿到offer，然後上了崗再慢慢學這本書不遲。想拿到offer的話，既然你已經有隨機過程和隨機微積分的基礎，那麼就【完全沒有必要碰這本書】了，因為面試時考在校學生的隨機微積分都是非常簡單的，憑你自己的基礎+面試書裏相關部分的打磨足夠了；而且大部分隨機微積分的面試問題都是結合option pricing, Black-Scholes一起考的，比如讓你算個Delta等等，而這本書中間有一大部分是專門講幾種exotic products的定價，學習這本書裏更深的知識是不划算的。你現在可以做的就是從這種」我想過面試，所以我要學新課「的學生視角脫離開來。求職不是這樣的，求職面試的核心不是比誰會的知識最多，而是誰能把那些聲稱自己會的、基礎的知識掌握得最牢。新知識肯定不如舊知識容易掌握牢，你越把時間花在新知識上，當面試官問你時你越顯得不紮實。所以你應該以反覆刷Xinfeng Zhou那本綠書為主，有餘力時刷一刷Joshi那本紅書，來掌握tech問題的基本套路；可以有選擇地看看leetcode裏"interview question"類型的題目，或者easy難度的典型演算法題，或者用書和講義複習一下數據結構與演算法的知識，還有就是掌握一門編程語言的語法，並複習一下線性回歸的知識，另外就是要熟悉自己的簡歷，能夠對自己各個課程和實習侃侃而談纔行。當然，每次面試前去glassdoor或者你們項目的其他資源上看看你要面試的崗位的前人面經。這些方面要N管齊下才能通過面試，拿到offer. 再重複一遍，身為master學生，想拿到一個entry level的quant offer, 又已經有隨機微積分基礎的話，這本書【完全不用再碰】。

再多說一句，如果已經學過stochastic calculus和quantitative models in financial derivatives, 且這兩門課內容確實符合名字的話，那麼Shreve這本書前五六章的內容裏，頂多隻有第一章稍嚴格的Lebesgue積分部分，和Brownian Bridge部分對你來說是全新的了，這兩部分在quant面試時本來也沒用。

贊同樓上各位前輩的答案。補充一下，純粹從面試角度來看，對於一個master candidate來說，這本書前六章一定要充分的掌握，包括martingale，brownian motion的性質，brownian bridge, change of measure, change of numeraire, risk neutral pricing, Feynman Kac等等。如果有時間最好可以看一下後面的jump process，偶爾也會被問到。但是如果是phd，面試要比這個難很多，建議通讀全書。

另外，MS和瑞信兩家的NY office的summer有筆試，難度在一般面試之上。除了基本的隨機分析，還需要掌握簡單的pricing model，比如HJM和各種bond model等等，這部分建議參考Bjork的書。

最後吐槽一下，MFM是個什麼program？為啥從沒聽說過

推薦閱讀：
相關文章