全栈开发工程师（智能投研/量化金工方向）

1. 对接投研业务部门，研究并拆解复杂需求，完成技术方案设计、全栈开发及生产交付，持续迭代投研系统、量化工具和业务产品；

2. 设计面向投研领域的智能体，研发基本面、数量化、风险分析等服务接口与组件；利用机器学习和大模型推动智能投研应用落地，将AI能力融入研发流程和业务产品；

3. 量化金工方向负责组合业绩归因、风险分析、组合优化、资产定价等金工算法和策略的研发、实现及工程化落地，并结合投研场景持续迭代模型；

4. 推动系统架构持续演进，开展架构规划、服务治理、数据模型与缓存策略优化及性能调优，应对投研业务快速变化和数据量增长；沉淀可复用的投研、量化技术组件与代码资产；

5. 跟踪AI、量化金工等前沿理论和技术趋势，探索其在投研场景的工程化实践与技术创新。

1. 硕士及以上教育背景；智能投研方向面向计算机、软件工程、自动化等相关专业，量化金工方向面向数学、统计学、金融工程、计算机等数理相关专业；

2. 具备扎实的数据结构、算法、设计模式和代码开发基础，能够从需求分析、方案设计、开发联调到生产部署独立完成全流程工作；具有良好的沟通协作、技术自驱和问题解决能力；

3. 智能投研方向需具备全链路开发能力，精通Java、Python、TypeScript等至少两种语言，熟悉Spring Boot、Django、Node.js等后端框架及关系型／非关系型数据库；熟练使用React或Vue，了解组件化、状态管理与Webpack/Vite等前端工程化技术者优先；

4. 量化金工方向需具备扎实的数理建模能力，熟练掌握Python、SQL及数据处理，具有归因、风险、定价类量化模型的工程化经验；具备1—3年资管行业金工量化研发经验，熟悉公募投研体系，有公募、券商等资管背景或智能投研平台建模优化经验者优先；

5. 理解大模型原理、AI应用开发模式以及AI辅助编程、AI原生开发等研发范式；能够结合投研业务推进智能体或量化模型的迭代，保持技术沉淀意识和严谨合规的研发习惯，适应公募规范化研发节奏。