写在前面：面试的本质不是考试
很多人把面试当成考试——面试官出题，候选人答卷，答对了就过，答错了就淘汰。这个框架会让你越来越紧张，越来越像在表演一个"理想候选人"，而不是你自己。
面试官也在推销这份工作。他们希望你能加入，因为他们需要填补这个位置。这是一场双向筛选，不是单方面的审判。
认知到这一点很重要——不是说可以不准备，而是说准备的目的不是背出"标准答案"，而是建立真正的理解。能说出"我不确定，但我的思路是这样的……"的候选人，往往比那些背出错误答案的人好得多。
这里只是把一些自己准备过、观察到的逻辑整理出来，作为参考。面试准备是高度个性化的——同样的方法，在不同背景和目标岗位上效果可能差别很大，还是要结合自己的实际情况来判断。
笔试与网测：闯过第一道筛子
投递之后，大多数机构的第一关都是某种形式的测评。了解每种类型的逻辑，有助于提前做针对性准备。
SHL 网测（外资行标配）
外资银行、资管机构几乎全线使用。核心三类：数字推理（表格数据计算）、言语推理（True / False / Cannot Say 判断）、归纳推理（图形规律）。
金融知识笔试（国内券商）
三中一华等头部券商的校招笔试，一般涵盖三个模块：
| 模块 | 核心考点 | 备考重点 |
|---|---|---|
| 财务与估值 | 三表联动、DCF、可比公司分析 | 三表变化逻辑（见技术面部分），估值优缺点 |
| 宏观与政策 | 货币政策工具（MLF/LPR/存款准备金率）、汇率机制、资本市场改革 | 关注近半年央行操作，理解政策传导逻辑而非死记条款 |
| 衍生品基础 | 期权基本概念（看涨/看跌、Delta 方向）、利率互换逻辑 | 不需要推导公式，但要理解方向性判断 |
| 量化 / 技术岗专项 | 概率统计、Python 基础、因子模型 | 研究岗与量化岗内容差异大，提前确认岗位要求 |
HireVue 视频面试（外资行）
目前高盛、摩根大通、花旗、巴克莱等外资行均在一面阶段使用。格式固定：3–5 道行为题，每题 30 秒准备，3 分钟作答，AI 分析语言逻辑与结构（2021 年已取消面部表情分析）。
比正常对话稍慢，有助于 AI 准确识别内容；过快反而扣分
答满 3 分钟反而显得没有重点；留有余地更好
眼神接触是视频面试里最容易忽视的细节
AI 能识别过于规律的停顿模式；提前录制自己回答 10–20 题并回看，是最有效的准备方式
技术面：证明你真的懂
技术面有三个层次：第一层是你知道答案，第二层是你知道为什么是这个答案，第三层是你能说清楚在不同情境下答案会如何变化。2025 年后，面试官的追问越来越深——因为他们知道候选人可以用 AI 工具背好每一道标准题。
技术面测试的核心，从来不是你有没有记住公式，而是你有没有建立起一套真正理解这个行业运作逻辑的框架。
最高频的题：三表联动
所有的投行前台岗位都会考。标准题型："折旧增加 100 万，对三张报表各有什么影响？"
| 报表 | 变化项目 | 变化方向与金额 |
|---|---|---|
| 利润表 | EBIT（折旧是运营费用） | ↓ 100 万；所得税 ↓ 25 万（25% 税率）；净利润 ↓ 75 万 |
| 资产负债表 | 固定资产净值；留存收益 | 固定资产 ↓ 100 万；留存收益 ↓ 75 万；递延税务资产 ↑ 25 万 |
| 现金流量表 | 经营活动：净利润 + 折旧加回 | 净利润 ↓ 75 万，但折旧加回 ↑ 100 万，经营现金流 净增加 25 万 |
估值三大方法：各自的逻辑与局限
| 方法 | 核心逻辑 | 优点 | 局限 |
|---|---|---|---|
| DCF | 公司价值 = 未来自由现金流折现之和 | 基本面驱动，理论上最完整 | 对终值假设极度敏感（终值通常占总价值 60–80%）；预测本身存在较大不确定性 |
| 可比公司（Comps） | 用市场上相似公司的交易倍数来推算 | 反映市场实时定价，操作简单 | "市场错了你也跟着错"；难以找到真正可比的公司 |
| 可比交易（Precedent） | 参考历史上类似并购案例的交易倍数 | 含收购溢价，更接近实际交易价格 | 历史案例可能已过时；市场环境变化大时参考价值有限 |
面试时常被追问的点：WACC 是什么、如何计算？
WACC = 股权成本 × 股权占比 + 债务成本 × (1−税率) × 债务占比。股权成本用 CAPM 估算，债务成本要乘以 (1−税率) 是因为利息可以抵税。
但面试里 DCF 的追问往往比这深得多——面试官真正想考的，是你对每一个假设背后逻辑的理解：
2025–2026 新增高频题：AI 与宏观环境
- "AI 对你关注的某个行业有什么影响？"——不能泛泛谈趋势，要落到具体的成本结构或收入模型。例如：AI 对软件公司的边际成本影响，如何体现在毛利率上？
- "如何在 DCF 中量化 AI 带来的竞争风险？"——可以通过调整竞争护城河假设影响 terminal growth rate，或在敏感性分析中纳入 AI 替代情景。
- "利率下行周期中，哪类资产的 DCF 价值弹性最大？"——答：未来现金流占比高的高成长公司（科技股）；因为折现率降低对远期现金流的影响更大。
- "中国目前的货币政策立场如何？对 A 股有什么影响？"——需要关注近期央行操作（MLF/LPR 变化、准备金率调整），能说清楚传导路径。
行为面：让对方记住"这个人"
行为面考察的是"这个人值不值得信任、能不能共事"。技术面考察你的下限，行为面往往决定你的上限。面试官在问"你最有挑战性的经历"时，他们真正想知道的是：这个人遇到困难时是怎么思考、怎么行动的。
"为什么选择这家公司 / 这个岗位"——三层答法
这一层考察你的职业价值观。不要说"金融薪资高"——要说你被什么吸引：是市场定价的逻辑、是资本配置对实体经济的影响，还是对投资判断的兴趣？要是你自己真实相信的。
要有研究过的证据——提到这家公司的某个具体业务、某位分析师的研报风格、某个他们参与的交易。说得越具体，越有说服力。这一层最能区分真正有兴趣的人和广撒网的人。
把你的背景和这个岗位的需求连起来。不是说"我有相关经验"，而是说"这个岗位需要 X，我在 Y 经历里培养了这个能力，具体是……"
STAR 框架：结构不是目的，清晰才是
行为面的三个常见问题
说"我们团队做了……"而不是"我做了……"
面试官考察的是你个人的贡献，而不是团队的整体成果。用"我"，说清楚你在项目里的具体角色。
没有量化结果
金融行业是一个高度结果导向的行业。"项目做得很好"不够——尽量找到一个数字（规模、比例、时间、收益），哪怕是估算。
选"假失败"回答"失败经历"
"我最大的缺点是工作太认真了"这类回答会让面试官失去兴趣。选一个真实的失败，然后把重点放在你从中学到了什么、之后如何调整的——这才是这道题真正想考察的。
股票推荐与案例面
研究岗、投资岗、部分销售岗都会要求做一个即兴或提前准备的股票推荐（Stock Pitch）。这是最能看出候选人真实投资思维的环节——也是最容易暴露"只是在背结论"的环节。
2 分钟股票推荐：黄金结构
"我推荐做多 [公司名]（代码 XXX），目前交易在 X 元，我的 12–18 个月目标价是 Y 元，对应约 Z% 的上涨空间。"先说结论，再给论据——这是金融从业者的基本表达习惯。
- 商业逻辑：公司的核心竞争壁垒是什么？近期有什么催化剂？
- 估值支撑：用一个核心指标（P/E、EV/EBITDA 或 DCF），说明为何当前价格被低估
- 近期催化剂：接下来 6–18 个月有什么具体事件会推动价值重估（财报、政策、产品发布等）
说出 1–2 个主要风险，以及你为什么认为这些风险是可以接受的或者已被市场过度定价。主动提风险的候选人会比回避风险的候选人显得成熟很多。
选什么股票？
几个选股的参考原则：
- ·选一个你真正花时间研究过的公司，哪怕规模小一点，真实的理解远比覆盖热门标的更有说服力
- ·SIPA 背景可以考虑推荐中国公司或新兴市场标的——利用你的本地化优势，但要对监管风险有清醒、具体的判断
- ·2025–2026 年 AI 主题公司是热门选择，但面试官的追问会更深——选 AI 主题要做好被深问商业模式变现逻辑的准备
- ·最好有一个你长期跟踪的公司，能说出"三个月前我的判断是 X，后来发生了 Y，我更新了观点"——这种动态跟踪的感觉非常加分
群面 / 无领导小组讨论（国内券商）
三中一华等头部券商在二面中常设无领导小组讨论，通常是一个行业分析或政策情景题，30–45 分钟，4–6 人一组。
在高压下展示真实的自己
面试里最难的不是技术题答不出来，而是答不出来时不知道该怎么办。这一节聊一些面试过程中的实际场景。
遇到不会的题，怎么办？
"这道题我有点不确定，但我的推理是这样的……" 比沉默、比背出错误答案，都好得多。
面试官更想看到你如何思考，不是你有没有背到答案。说出你的推理过程，哪怕最后结论不完全对，也展示了你的思维方式。真正的红灯是：答案背得很流利，但被追问一句就完全卡住——这说明你只是在背，而不是真的理解。
面试官在看什么：绿灯 vs 红灯
| 维度 | 🟢 绿灯信号 | 🔴 红灯信号 |
|---|---|---|
| 技术理解 | 能把复杂问题简化说清楚，被追问时有自己的推理 | 答案流利但追问一句就卡住；只能背公式不能解释为什么 |
| 行业认知 | 对行业有自己的观点，能说出具体的市场判断 | 对公司/行业的了解全靠面试前临时补课，缺乏深度 |
| 个人表达 | 故事真实具体，有量化数据，承认不确定性但有思路 | "我很努力 / 很喜欢挑战"这类空话；没有具体的"我做了什么" |
| 对话质量 | 有来有往，能在对方提示下调整思路 | 只顾讲准备好的内容，没有真正在对话 |
AI 时代，如何与众不同？
面试官清楚地知道候选人可以用 AI 工具准备每一道标准题。这意味着技术题的门槛被拉平了——大家都能背出还不错的答案。真正的差异化在这三件事上：
- 展示你用 AI 工具做了什么更深的分析——"我用 Python 处理了某公司三年财务数据，发现了一个有趣的边际成本趋势"，比"我会 ChatGPT"有说服力得多
- 展示你的判断力——AI 能生成分析框架，但"在当前这个宏观环境下，我认为 X 假设比 Y 更合理，因为……"这种判断是 AI 给不了的
- 主动聊你长期跟踪的领域——有持续关注习惯的候选人，和面试前两周突击准备的候选人，在对话里的质感是完全不同的
结语：准备越充分，越能做真实的自己
准备越充分，你在面试里就越能做真实的自己——这听起来像悖论，但逻辑上是通的。充分准备的人，对行业有了真正的理解，有了值得分享的观点，有了说得出来的经历和数字。到那时，面试就不再是表演，而是一次真正的对话。