左手牛剑，右手耶鲁，幸福的烦恼
背景介绍
New York University Shanghai, Econ and math double major
申请时：GPA: 3.86, Econ GPA: 4.0， Math：3.88/ GRE：329+4/ TOEFL: 108
申请方向：主申statistics，financial economics，辅申financial Engineering
现在拿到的offer：Yale MA Stats/Yale MS stats and Data Science, Oxford Said Business School Financial Economics, Oxford Economics, Cambridge Finance and Economics, LSE Econometrics and Mathematical Economics, Cornell MFE 1.23就拿到了yale的ad，在决定去yale之后withdraw了大部分application。
#申请方向
首先我想讲一下我的申请方向，我全部申请硕士：主申statistics，financial economics，辅申financial Engineering,Economics
先讲一下我这样制定方案的原因，一开始找到世毕盟（GGU）并没有很主要的申请方向，只知道自己不感兴趣的方向：比如经济学的博士和金融工程类的硕士，于是GGU也非常帮忙的给我提供了很多的选校思路，最终决定主要申请金融经济学，目标学校是哥大商学院和牛津商学院的金融经济项目。
但随着我在一段与此同时进行的一段计量科研中的一些小突破和学习到的新的统计知识，并经过了解打算同时主申统计方向的硕士。统计项目培养了相当多的数据科学家，就业领域不在局限于金融，可以延展到科技公司和咨询公司。主要placement是data scientist。由于自己的数学和实习背景，加上计量经济学尤其是时间序列的背景能够在金融领域有广泛的应用，因此打算辅助申请3-4个金融工程项目作为自己的备选，没有购买金融工程方向的彩票。最终去向的选择是根据自己对统计的兴趣，决定一旦获得Chicago Stats，Yale Stats/Stats and DS的录取就不会再考虑其他项目。
下面我想着重讲一下统计和金融经济方向的准备。但我想强调我的本科专业并不是统计或者金融，严格意义而言，我属于转专业申请者。
先谈一下统计申请，课程方面我觉得需要3门先修课：数学统计或线性模型或者计量经济学，概率论或者概率与统计，线性代数。当有这几门课的时候就基本具备了申请统计的条件。在这个基础上，我建议在某个方向上进行更深入的学习，比如statistical learning，causal inference，计量经济学，随机过程等。我觉得深入学习的目的是你能在文书讲一个比较完整详尽的故事链条，而不是单纯的经历上的列举。虽然我的统计学申请属于临时起意，并且是转专业申请，但我之前的经历一直是围绕计量经济学的，我有两段相关的科研，从计量模型在一个数据集的运用，到自己构建一个计量方法并写下相关的R code对自己的方法进行蒙特卡洛模拟。我也是在这些过程中发现自己感兴趣的不是将统计方法运用到金融数据集中而是方法本身的一些特性，于是我很果断得在9月和GGU讨论，将统计学作为自己的第一主要申请方向。
统计学有两种类型的研究生项目，一种是学术类型的，较为突出的有芝加哥大学，杜克大学和华盛顿大学，这三个都是传统意义上的统计强校，有很大一部分的学生会继续选择读博，比较知名的就业项目是UCB，学校离加州很近，两条路都可以走的项目是斯坦福和耶鲁。如果是就业title基本上data scientist，如果不能找到scientist会找data analyst。
我录取的项目是Yale Stats，项目在2020年将项目分化为一年的MA stats和1.5-2年的MS Stats and Data science, Yale原来小而精的department of Statistics在2018年转型为department of Statistics and Data Science, 2018-2020加入了7名tenure/tenured-track faculties，在2021年新收到的email中又加入3名faculties，因此是一个快速扩张的department。Yale Stats硕士和Stats and DS硕士申请是同时进行的，申请人可以任意选择一个项目，在录取之后随意转换，在申请中没有给予偏重。由于新项目加入了data science, 并且从一年变成了两年，今年的申请人数从2019年的400人变成了达到了2020年的1000余人，项目录取了30-40人，计划enroll 15-20人。我觉得未来打算申请数据科学方向硕士的同学，也可以把这个项目纳入考虑范围，只是相对于其他数据科学项目对于coding的偏重，Yale会更偏重统计的背景。
自己的另外一个主申方向是金融经济学，虽然是主申，但其实相关的项目非常的少，top项目，哥大商学院，牛津商学院，剑桥和LSE。个人申请了前面三个项目。首先，关于纯金融项目，QS有一份排行榜，大部分这方面的项目在欧洲，除了英国的院校，还有法国非常知名的HEC等，大家自己选校时也可以进行研究。作为纯金融项目，我觉得有三个侧重点，corporate finance， asset pricing， financial econometrics。如果你是business major，这显然是你最对口的方向，因为你已经上过了很多CF，accounting，valuation的课程，这使得你在课程上十分match这个项目的架构，如果你有上过futures and options,或者数学系的Mathematical Finance 那么你对asset pricing也有基本理解。金融学生的弱点可能是缺乏econometrics的训练，但我觉得这并不要紧，只要你的实习和CF， asset pricing这方面课程的准备足够充分，也能获得青睐。第二种是针对非金融学生的，比如经济专业，我们可以从两方面准备：Financial Econometrics and Microeconomics, 本科阶段我上过3门计量经济学课程，3门微观经济学课程，其中两节是比较hardcore的微观理论，虽然对我没有任何corporate finance的背景，但我仍然相对比较match的申请者。但对于经济学生而言，如果要做金融经济的申请，务必尝试做1-2个finance方向的实习，或者1-2个或大或小应用econometric models在financial data set的project，显得自己的背景比较match。最后，如果有任何的数学课，概率或者统计方向，无疑都是加分项，2-3门数学课会使的basic quantitative skill得到认证。Oxford Said Financial Economics 是QS2020纯金融项目的第一名，就业数据十分华丽，项目时长9个月，LSE Finance and Economics的bar也非常高，适合希望继续读研的学生，Cambridge 也同样有不错的brand name。
由于自己的二专是数学系，本科也学了PDE，Math Finance, 随机过程这样的课，并且自己的所有科研实习经历都可以应用于quant finance申请上，我也随手申请了4个学校，但我建议，如果要准备金融工程，还是需要专注一点，并且需要有很大的决心，最好的项目比如巴鲁克金融工程会有非常硬核的技术面试，是需要花时间准备的。以后去美国公司实习，也是需要面试的，毕竟quant fin还是很硬核的。虽然自己拿到了Cornell的录取，但我自己不是严格意义上的金融工程申请者，因此不在此分享经验。
#背景打造
//GPA：
GPA显然是越高越好，但这能为了高GPA上一些无关课程。我认为相关课程的GPA远远大于总GPA的重要性。第三，如果你有某门相关课程拿了B+甚至B-，并不要感觉这会是申请的终点，因为只要你的成绩单的总体印象是不错的，这就不会是个无可救药的劣势。
//GRE/T：
GRE和T都是需要deadline去push的，最好花个寒假解决掉，我一直不把GRE/T当回事儿，一直拖到了9月，那时候非常焦虑，于是咬牙21天刷了很多题，花了两天几乎半裸考把T考了。注意GRE的Q还是比较重要的，不要考的不好，其他我觉得达到了325上下，托福105上下就足够了，可能Oxford， Cambridge会更注重标化，如果他们是你不可或缺的target，那么就稍微多花时间考高点。但大体而言，GT要速成。我的mentor有句话我觉得很适用，在你达到了GT底线分数后，没有学校会因为GT把你拒了。虽然录取是个玄学，但我觉得这句话大体适用。
//实习：
实习要注重相关性，申请ds要去找data analyst/scientist/engineer实习，申请quant要找quant实习。如果没有也不要紧，可以用其他弥补。但我觉得实习更要紧的是帮你找到自己的申请方向，我觉得对我而言，这比实习给我在简历中的加成重要的多。另外，实习对于以后研究生时找工作也很要紧。所以实习的意义，不仅仅停留在申请季。
我想说的是，要选好自己的赛道，做自己擅长的事情，发挥自己的相对优势，如果我刚刚在上面所说的方向你并不喜欢，并没有必要去硬冲，这样申请起来会十分痛苦，也不一定会有好的结果，拿到Ad后也会不知所措。在此也祝大家一切顺利！GGU在我申请过程中提供了很多支持，我感谢我的mentor，培训师老师在焦虑之余给我及时雨般的建议，以及GGU其他老师对我的鼓励和帮助。也感谢GGU的宝贵面试经验，使得脱颖而出。
