Two Sigma 2026 春招 / 暑期招聘的 OA 一如既往「时间宽裕但坑多」：Quant Engineer / Quant Researcher / Modeler 三档岗位都走 CodeSignal，但每档考点不同。本文按 2026 一亩三分地 + Discord 反馈，按 IPO 份额分配、排水模拟、时序回归 三条主线梳理题型，并说明 OA辅助 接入方式。
Two Sigma OA 概览（2026）
| 维度 | 详情 |
|---|---|
| 平台 | CodeSignal（自研变体） |
| 时长 | 90–120 分钟 |
| 题量 | 2 道（每道独立计分） |
| 主考方向 | 算法 + 业务规则字面化 |
| 评分 | 全自动判题 + 隐藏 corner case + 时间复杂度 |
| 通过率 | 一亩三分地反馈约 28% |
| 冷却期 | 12 个月（跨岗位另算） |
主线一：IPO 份额分配
题目描述
n 个客户对 IPO 下达申购量 demand[i]，可用总量 S < sum(demand)。要求按「比例 + 整手取整 + 余量按申购时间戳轮询」规则给每个客户分配。
Python 解法
def ipo_allocate(demands, ts, S, lot=100):
n = len(demands)
total = sum(demands)
base = [(d * S) // total // lot * lot for d in demands]
leftover = S - sum(base)
order = sorted(range(n), key=lambda i: ts[i])
i = 0
while leftover >= lot and i < n:
idx = order[i]
if base[idx] < demands[idx]:
base[idx] += lot
leftover -= lot
i += 1
return base
复杂度：O(n log n)。最常见错答：lot 不能整除 S 时余量没轮询完。
主线二：排水模拟
题目描述
给定一张地势 heights[][]（行列网格），每个格子有一定积水量 water[][]。模拟「连通区域同时下降」直到所有水被排掉。返回每秒的总积水量。
Python 解法（Union-Find + 拓扑下降）
from collections import defaultdict
def drain_simulate(heights, water):
R, C = len(heights), len(heights[0])
cells = [(heights[r][c], r, c) for r in range(R) for c in range(C)]
cells.sort()
parent = {}
def find(x):
while parent.get(x, x) != x:
parent[x] = parent.get(parent[x], parent[x])
x = parent[x]
return x
def union(a, b):
ra, rb = find(a), find(b)
if ra != rb:
parent[ra] = rb
pool = defaultdict(int)
series = []
for h, r, c in cells:
parent[(r, c)] = (r, c)
pool[(r, c)] = water[r][c]
for dr, dc in [(-1, 0), (1, 0), (0, -1), (0, 1)]:
nr, nc = r + dr, c + dc
if 0 <= nr < R and 0 <= nc < C and (nr, nc) in parent:
union((r, c), (nr, nc))
series.append(sum(pool.values()))
return series
复杂度：O(R·C·α(R·C))。隐藏 case 常包含「所有格子高度相同」「单行单列」「水量为 0 的格子参不参与连通」三类边界。
主线三：时序回归（Modeler 岗）
题目描述
给定一个时序 prices[] 和外部因子 factors[][]（每行一时间点的 k 个因子值），求最小二乘回归的 beta 与 R²，要求纯 numpy 实现。
Python 解法
import numpy as np
def ols_with_intercept(X, y):
X = np.column_stack([np.ones(len(X)), X])
beta = np.linalg.solve(X.T @ X, X.T @ y)
y_hat = X @ beta
ss_res = ((y - y_hat) ** 2).sum()
ss_tot = ((y - y.mean()) ** 2).sum()
return beta, 1 - ss_res / ss_tot
易错点：np.linalg.inv 在 X.T @ X 接近奇异时数值崩溃，应该用 solve；忘加 intercept 列会让 R² 偏低。
Two Sigma OA 题型对照表
| 题型 | 频率 | 主要岗位 | 易错点 |
|---|---|---|---|
| IPO 份额分配 | ★★★★★ | Quant Engineer | 余量未分配 |
| 排水模拟 | ★★★★ | Quant Engineer | 连通边界 |
| 时序 OLS | ★★★★ | Modeler | 缺 intercept |
| 因子相关矩阵 | ★★★ | Modeler | 数值稳定 |
| 字符串行情解析 | ★★ | Quant Engineer | 缺字段 |
OA辅助 实战路径
oavoservice 的 OA辅助 服务
- 题型分桶：IPO / 排水 / 回归三桶共 12 道变体，对齐 Two Sigma CodeSignal 自研考点
- 120 分钟限时模拟：mentor 出题，按真实节奏跑全套
- OA 当天实时辅助：低延迟思路核对（合规边界内）
- VO 衔接：Quant Engineer onsite 4 轮（coding + sysdesign + modeling + BQ），mentor 不变
一份「Two Sigma 业务术语」清单
Two Sigma OA 题面充满业务术语：IPO allocation、basis point、lot size、water level、permeability 都会出现。我们维护了一份 Two Sigma 业务术语清单，帮你在 120 分钟里快速 parse 题面而不是反复读题。OA辅助 学员可以直接拿到这份清单。
具体方案与报价，加微信 Coding0201 沟通。
FAQ
Two Sigma OA 用什么语言？
CodeSignal 全语言支持；社区反馈 Python 占比 ~70%（因为 Modeler 偏 numpy）。
2 道题 120 分钟够吗？
够，但 Two Sigma 题目描述长 + 业务规则细，平均一道题题面就要读 8–10 分钟。建议每道留 50 分钟（含读题），剩 20 分钟检查 corner case。
Quant Engineer / Modeler / QR 题库一样吗？
不完全一样：Quant Engineer 偏算法 + 业务规则；Modeler 偏 numpy + 时序；QR 偏概率 + 因子。
OA 没过冷却期多久？
12 个月。跨岗位（Engineer ↔ Modeler）一般另算池子，可以更早再投。
正在准备 Two Sigma / Citadel / Millennium / Jane Street / HRT Quant OA / VO？
oavoservice 长期追踪 Two Sigma / Citadel / Millennium / Jane Street / HRT / DE Shaw 的 Quant OA + VO 真题。mentor 来自一线 Quant Engineer / Researcher 团队，可以提供 题型分桶、120 分钟限时模拟、业务术语清单、pod fitting 剧本 等 OA辅助 / VO辅助 服务。
👉 立即添加微信：Coding0201，获取 Two Sigma 高频题与 OA辅助 方案。
联系方式
Email: [email protected]
Telegram: @OAVOProxy