量化研究员（接受应届毕业生）

因子挖掘与检验：基于多因子模型框架，系统性地挖掘量价、基本面、另类数据中的有效 alpha 因子；对因子进行严谨的统计检验（IC/IR 分析、分层回测、单调性检验），评估因子的稳健性与增量贡献。

机器学习建模：利用机器学习算法进行特征组合、非线性因子合成及收益预测；设计合理的时序交叉验证、对抗过拟合方案，确保模型在样本外及实盘环境中的泛化能力。

策略研发与回测：使用 Python 搭建事件驱动或向量化回测框架，快速验证策略逻辑；结合交易成本（冲击成本、手续费、滑点）进行精细回测，输出策略绩效归因报告。

组合优化与风险模型：熟悉 Barra 结构化风险模型，能利用风险因子进行组合风险归因和控制；使用 CVXPY、Mosek 等工具构建带约束的组合优化器（行业中性、风格中性、换手率约束等）。

数据处理与系统支持：清洗、维护高频 / 日频行情、基本面、另类数据（如舆情、供应链、卫星图像）；配合 IT 团队将策略部署至生产环境，监控日常运行状态。

教育背景：全日制硕士及以上学历（博士优先），数学、统计学、计算机科学、物理学、金融工程等相关专业。

知识技能：多因子体系：深入理解 Fama-French、Barra 等经典多因子模型，熟练掌握因子正交化、因子合成、衰减处理等方法。

机器学习：有实际项目经验，熟悉主流树模型与深度学习的应用场景，对时间序列建模、特征工程、模型可解释性有心得。

编程能力：精通 Python（NumPy、Pandas、Scikit-learn、PyTorch），熟悉 SQL；了解 C++ 或 Rust 为加分项。

经验要求：有券商、公募、私募量化研究岗 1-3 年实习/全职经验者优先；在 Kaggle、WorldQuant Challenge 等竞赛中获奖，或在顶级学术会议/期刊发表过论文者优先；有实盘策略（自营或管理产品）历史业绩者优先，但不强制。强烈的好奇心与自驱力，能持续跟踪前沿学术论文并转化为可落地的策略；逻辑清晰，沟通高效，具备团队协作精神与抗压能力