夏令营第四天的课程继续进行，首先是时长两小时的金融机器学习的课程。Giulio Trigila教授带领同学简要复习了上节课讲授的PCA方法，并与多位同学进行了问答交流，结合数据特点介绍了不同算法的特性与适用场景以及具体的计算方法。在复习结束后同学们通过两道quiz题对昨天所学的知识进行了巩固。

接下来Giulio Trigila教授为我们介绍金融机器学习的进阶内容，他简要介绍了SVM的基本概念，以及它在金融领域中的应用，特别是在分类问题上如何表现出其独特的优势。Giulio Trigila教授从简单的线性SVM模型间隔最大化分类方法（MMC）开始讲起，带我们进行了严密的数学推导，逐步引入核技巧（Kernel Trick）介绍了使用soft margins的MMC以处理非线性可分的问题。课程的最后，教授简单带我们回顾了这四天学习的金融机器学习课程，并预告了他将在明天给我带来比较前沿的生成模型（generative model）的介绍。

今天课程的第二部分由来自HFT的Avi Rosenbluth为我们带来的职业生涯经验分享。Avi Rosenbluth拥有工科和数学学位，并且在沃顿商学院获得MBA学位。他曾在高盛、AQR、桥水任职，现在就职于HFT风险管理部门。Avi Rosenbluth有着丰富的金融业界职业经验，涉及卖方和买方、宏观和风管等领域，有从投资经理向风控的转型的经验。

分享的形式以问答为主，Avi Rosenbluth首先解答了关于近期发生的日本股市暴跌事件的看法，介绍了如何使用统计方法的视角去看待黑天鹅事件，并提出在长期要尝试使用一些指标，比如夏普比率来决策管理资产组合，并在后续持续根据市场变化更新自己的研究和模型。同学们都不约而同对卖方和买方工作的差异以及如何在这两者间实现转换提出问题，Avi Rosenbluth强调在投行中最重要的技能是与客户进行良好的面对面交流以确保客户能够理解投行给他们提供的估值模型与建议，并指出在在投行做好工作95%在于客户关系，而在对冲基金则99%在于技术。

最后，Avi Rosenbluth就自己目前所在工作的风险管理领域给出了一些感悟，他指出投资经理和风险管理其实本质上是在做同一件事，只不过处在了不同的位置，并举例启发同学们认识到金融行业进行风险管理的重要性。

今天活动的最后，同学们一同参加了量化面试Brainteaser问题研讨会。研讨会中，Ivan Matic教授指出，量化面试问题通常涵盖从候选人的简历中提取的技术知识，涉及到数学方程、差分方程等领域，需要求职者能够在短时间内准确解答。同时，Ivan Matic教授强调了在量化金融面试中往往会遇到脑筋急转弯类测试题，这要求面试者不仅需要会解决数学和编程问题，还会测试求职者的智力和解决问题的能力。

Ivan Matic教授从两堆硬币谁拿最后一个获胜问题为引入，介绍了如何使用核（kernel）来解决这类问题，并带领大家详细拆解了五道面试中出现具有挑战性的脑筋急转弯问题。在Ivan Matic教授的循循善诱下，同学们开启头脑风暴，积极踊跃地与老师互动汇报答案。通过解决这些题目，同学们锻炼了逻辑思维能力和快速反应能力，为应对实际面试做好充分准备。最后的提问环节，Ivan Matic教授还介绍了在实际面试中面试官给的反应和回答的时间以及如何观察被面者对这类脑筋急转弯问题的反应。

今天又是五个小时高密度的学习和交流。同学们在理论知识、就业选择、面试技巧三个维度都得到了有效的提升，对金融工程这一领域有了更深一步的兴趣和了解。期待各位同学在之后的学习中成长更多！