量化研究实习生（中低频 / 多因子方向）

数据：使用 Python 对 A 股日/分钟级行情、财务及另类数据进行清洗、落库、对齐与质量检验；

因子：在 mentor 指导下独立完成因子刻画方向调研（如 Value、Quality、Sentiment 等），并尝试 2-3 种不同建模方式（标准化、中性化、差分、衰减加权等）生成候选因子；

回测：将新因子接入公司多因子回测框架，完成单因子 IC、IR、分层、换手及行业/风格暴露分析；用 python/Jupyter 撰写可视化报告，阐述因子经济逻辑、统计结果与改进路径； 根据组合优化与风险模型反馈，持续迭代因子列表并更新文档；

大模型应用： - 另类数据挖掘：利用大模型对非结构化文本（研报、纪要、新闻、社交媒体）进行情感分析、主题聚类与关键词抽取，构建情绪/事件驱动因子； - 提示词工程：能够编写高质量 prompt，实现批量因子命名、注释自动化与文档模板生成；

其他：投资经理的其他数据分析需求

2026 届及以后，计算机/数学/统计/金融工程等重点大学的本科或硕士；

扎实的 Python 基础（numpy / pandas / scipy），能写规范、可复现的代码；

概率统计与线性代数基本功扎实，了解回归、假设检验、矩阵分解；

对量化投资有浓厚兴趣，能独立阅读英文文献并复现结果；

细心、抗压、乐于沟通，能用简单语言解释复杂模型；

大模型使用要求： - 熟悉至少一种主流大模型 API（OpenAI、阿里通义、月之暗面等），能自主调用并完成文本/代码生成任务； - 理解 LLM 局限性（幻觉、样本偏差、过拟合），具备交叉验证与人工复核意识； - 掌握基础提示工程技巧（角色设定、Few-shot、Chain-of-Thought、Self-Consistency），能根据任务需求迭代优化 prompt；

加分项： - 有深度学习相关论文发表或项目经验； ‑ 熟悉 SQL / Dolphindb ； 了解 Git、Linux、Docker 基础操作； ‑ 有 Kaggle、天池、数学/ACM 竞赛获奖