L同学 | 多伦多大学 | MMA+金融数学本科最终Offer：
RBC信用风险建模师（Base $91K+10%奖金）
TD商业数据分析师（Base $93K+12%奖金）
初期痛点：
1. 技能价值脱钩：虽然掌握Python/SQL/机器学习，但不能与金融风险场景结合；
2. 表达逻辑混乱：技术回答存在”瀑布式叙述”问题，面试官反馈”听完无法提炼核心价值”
3. 职业定位模糊：三段跨领域实习（数据科学/固收分析/财务分析）导致岗位适配性受质疑
4. 行业认知短板：对Basel III信用风险加权资产计算等核心业务场景不熟悉
上岸策略：
1️⃣ 经历金融化重构
将Home Trust数据实习转化为”基于XGBoost的零售信贷早期预警系统开发”项目；
固收分析经历升级为”债券组合信用风险压力测试框架”（含IFRS 9预期信用损失计算）。
2️⃣ 技术表达升级
设计”3×3应答矩阵”：每个问题按业务背景/技术方案/商业价值分三层展开；
五大行Risk Manager亲授：用VAR模型案例训练”先结论-后推导”表达结构。
3️⃣ 行业认知速成
72小时特训掌握信用风险全流程（PD/LGD/EAD建模→准备金计算→监管报告）；
拆解TD内部零售银行RWA计算模板，反向优化作品集呈现逻辑。
4️⃣ 双轨制面试攻坚
技术面：用Kaggle信用卡数据开发全流程模型（从EDA到模型监控）；
行为面：定制冲突解决-数据分歧专属案例，嵌入TD行为面试评分表关键词。
结果：
投递第9天获RBC建模岗Case Study邀请，24小时内提交解决方案
终面现场用Python演示PSI模型监控模块，获风险管理MD特别推荐
最终双Offer年薪总包均突破$100K，成为当年MMA项目最高薪记录保持者
