28act申请什么学校？
2021fall刚拿到的offer，录了UW-Madison的MFE（全奖！）和UCLA的DSI（半奖） 本科是北京某中流985的信管专业，GPA排名3/60+，大一在国立台北大学交换过一学期，大二在国立高雄第一科技大学交换过一学期，两所学校的成绩都是top5%的样子吧；托福107（R28 L28 S27 WR25），GRE327（V146 Q181 AW4.0），GMAT670（Q49 A50 W4.0），几份实习，一些校级组织主席、部长经历，若干项目论文结项，两个水奖（一个校级一个部级）。
目前申请了6所学校MSF，3所MSIA，1所MAIE，1所DSI，都拿到了offer，最后选择了UW-Madison的MFS（一年制水项目，全奖！） 我的背景其实挺一般的，虽然学校档次还算可以，但专业成绩并不突出，因为比较喜欢数学，所以在大一学完了微积分等基础课之后，大二开始辅修统计，大三学完计量与优化选择，大四上学完金融模型并修了数统学院的随机过程，也考了随机过程和优化选择的期末试。
大二暑假在台大参加了数统学院和商学院共同举办的期货模拟交易大赛，用随机过程选出的策略冲到了第一名的位置，获得了商业分析组的冠军。（PS.这是我唯一的竞赛获奖经历哈哈） 大三寒假在高雄那所理工科学校交换时学了机器学习，大四上学了大数据。因为对数据很感兴趣，所以也在努力复习备考Python和Java。
个人感觉我对数据的把握还算是比较牢固。统计量、概率论这些基本概念理解得很清楚，线性代数、随机过程、优化选择这些理论知识也比较扎实，编程方面掌握了Numpy、Pandas、Sklearn和Hadoop的基本使用。
其实学量化的话，个人认为对数据的理解和分析能力是最为重要的，毕竟很多量化策略都是基于数据来做的，如果不懂数据那策略的效果也难以保障。我个人的习惯是做假设检验来检查数据异常点和异常值，做描述性统计来了解数据的分布形态和特征，然后用主成分分析和聚类分析来做初步的数据处理，再结合模型去拟合结果。