岗位职责 1. 数据处理：获取、清洗、结构化整理多源金融与替代数据（行情、财务、因子库、新闻情绪等），确保可复现性 2. 因子研究：梳理文献 / 公共研究成果，构建与验证 Alpha / Risk / Style 因子，进行单因子与多因子有效性、稳定性与相关性分析 3. 策略原型：在指导下搭建选股 / 资产配置 / 高频或日内信号雏形，完成回测、参数敏感性与归因分析 4. 模型探索：尝试使用统计学习与机器学习（如线性模型、树模型、时序模型、embedding、部分深度网络）改进信号质量 5. 风险控制：协助评估策略收益回撤结构、因子暴露、换手、滑点与交易成本影响 6. 工具建设：编写可复用的分析脚本、指标函数、回测脚本、可视化与自动化报表 7. 文档与复现：撰写研究日志、实验记录（参数、版本、数据快照），维护结果追踪 8. AI 辅助研发：熟练运用 AI 编程 / 辅助研究工具（如 GitHub Copilot、ChatGPT、Code Interpreter）提升迭代效率，并对其输出进行校验 9. 竞品 & 文献跟踪：跟进市场主流策略方向、方法更新、学术与产业前沿趋势 10. 其他：支持团队临时分析需求、数据质检、部署测试等 任职基本要求（硬性条件） 1. 学历：本科及以上在读（数学、统计、计算机、金融工程、物理、电子信息、自动化等相关专业优先） 2. 编程：熟练掌握 Python（数据处理 / 分析 / 可视化 / 脚本组织），代码结构清晰，注重函数化与模块化 3. AI 工具：熟练使用 AI 编程与研究辅助工具（如 Copilot、ChatGPT、Claude 等），并具备结果审辨能力 4. 数理基础：掌握概率统计、线性代数、优化基础与时间序列分析常用概念（AR/MA、协整、相关性、方差分解等） 5. 数据处理：熟练使用 NumPy / pandas / matplotlib / seaborn / Jupyter；理解缺失值、异常值、对齐、复权、滚动窗口等常见处理 6. 版本管理：会使用 Git 进行分支、提交、合并与冲突解决 7. 学习能力：自驱、迭代快，对结果敏感，能基于反馈快速修正方向 8. 沟通表达：具备条理化汇报与书面总结能力 9. 时间投入：能保证稳定到岗频率与持续性 加分项 1. 已有简单量化策略 / 因子 / Kaggle / DataComp / 科研项目经验 2. 熟悉任一回测框架：rqalpha / backtrader / Zipline / QuantConnect / 聚宽 / 米筐 / 华泰量化等 3. 接触过金融数据库：Wind / Tushare / Ricequant / JoinQuant / 聚宽数据 / 同花顺基础数据 / 国泰安 / Choice 4. 数据库与缓存：会使用 SQL（MySQL / PostgreSQL）与基本索引；了解 Redis / Parquet / Feather / HDF5 格式 5. 机器学习：实际使用过 scikit-learn / lightGBM / XGBoost / statsmodels；了解交叉验证、过拟合诊断