诚聘英才

我们是一家新兴量化投资公司。

  • 现诚聘以下类型人才:
      1. 数据分析
      1. 策略研究:根据研报、论文、或者成熟交易员的想法研究新策略 。
      1. 实盘开发:实盘策略编写,根据上面2的研究成果。
      1. web前后端开发:使用扩展api 开发机器人批量管理测的B/S架构程序,也就是说需要懂web后端/前端开发。
      1. 系统开发:开发一套自研的量化交易回测/实盘程序,也就是说需要金融交易知识和很强的IT/编程背景。
      1. 运维现有交易策略。

对上面各类型的人才任职要求如下:

金融数据分析/量化分析类

  • 金融数据分析/量化分析类:
    • 1.金融数据分析类的工作内容和任职要求如下:
      • 1.1 行情数据/时序数据的收集,包括以下途径:交易所api、实时数据录制、爬虫等。
      • 1.2 数据的高性能存储方案设计,包括上面1.1的数据和下方2.2中的机器学习数据集。
      • 1.3 参与策略研究团队的金融数据技术分析工作:包括均线/macd/rsi/cci/布林轨道等技术指标、艾略特波浪、盘面形态、K线形态、趋势线、压力位/支撑线等。任职要求:①.需要娴熟使用Pandas、ta-lib、Matplotlib/Seaborn/Plotly、 Jupyter; ②.并熟悉技术分析。
      • 1.4 金融数据定量分析:将上面1.3的成果定量化,举个例子: 技术分析得出“在震荡市场中,价格偏离均值时常常会回归到均值附近” 那么偏离均值多少时,回归的概率又是多少呢? 此工作项主要负责量化这类问题,由此可以看出,此工作项要掌握除了1.3 require的技能外,还需要较好的数学基础。
      • 1.5 时序数据分析,例如:趋势、周期、噪音。
      • 1.6 参与业绩归因分析和数据可视化:任职要求:①.娴熟使用Pandas、Matplotlib/Seaborn/Plotly、 Jupyter; ②. 熟悉常用业绩度量指标,例如 盈亏比、年化率、夏普比率、信息比率、alpha、β 等 。
      • 1.7 小总结: 尚未达到岗位要求,但对量化金融又很感兴趣的程序员、数据分析师、计算机/人工智能系应届生我们会提供培训和实习机会。 candidate自己也可以:①.通过CFA/CPA课程补充金融知识; ②. 参考下方2.3

策略研究/机器学习/深度学习类

  • 2.策略研究类:
    • 2.1 已经有成熟策略的,带着自己主导或者独立研究的币类策略代表作来公司面谈即可:
      • 2.1.1 策略类型不限;
      • 2.1.2 研究工具/平台不限;
      • 2.1.3 如果有意向学习 python、JavaScript/typescript、C++之一, 原编程使用的语言不限;
      • 2.1.4 所使用知识领域不限,技术分析/数学统计/机器学习/深度学习均可。
    • 2.2 机器学习 / 深度学习 类, 以下为研究主题和任职要求:
      • 2.2.0 Team Leader部门经理: 跟踪人工智能领域的Recent advancements, 识别对量化金融有用的技术, 分析其经济可行性和技术可行性, 并推动新技术在公司内部的应用,和统筹下方2.2.1 — 2.2.9 的工作项,确保公司在AI领域应用处于行业领先地位。
      • 2.2.1 时序预测:将行情数据当作纯粹的时序数据研究(无视繁杂的宏观基本面),预测其未来走势。 任职要求:①.需要熟练使用一些处理时序数据的神经网络,例如RNN / LSTM / GRU、1d CNN、 TCN、以及研究transformer等新型网络应用在时序预测领域的可能性。
      • 2.2.2 异常检测: 我们发现策略研究人员的作品在特定行情形态下会日进斗金,在另一些行情形态下又会表现不尽人意。 “把适合策略的行情数据标记为正常,不适合的标记为异常”就是本工作项的任务。
      • 2.2.3 时序数据之间相似性研究:反观过去历史,当某一品种走出一波令人振奋人心的牛市/熊市前夕,它的价格/成交量是否有某种形态上的表现? 如果有另一个品种近期价格/成交量形态表现很相似, 是否意味着也可能处于类似的令人振奋人心的牛市/熊市前夕? 这是此工作项的研究方向。
      • 2.2.4 浅层学习和 Explainable AI: 寻找胜率/盈亏比/夏普比率等业绩度量指标和上面1.3、1.4、1.5的相关性/因果关系, 并用于推导/预测未来。显然这个工作项需要使用无神经网络的机器学习或者可解释的深度学习
      • 2.2.5 无监督学习在数据聚类/分类中的应用:为业绩归因分析团队提供基础数据和分析方向。
      • 2.2.5 强化学习:把金融交易当作一场博弈游戏,让Agent像学习玩游戏一样学习金融交易。
      • 2.2.6 NLP方向(未定,敬请期待):探索消息面的舆论热度对市场价格变化的影响。
      • 2.2.7 应付硬编程(hard code)不擅长解决的问题:例如成熟交易员看到某些K线形态、量价配合的形态,但是难以用编程语言去界定这种形态时,可以利用人工标注样本……。
      • 2.2.8 论文复现(量化金融方向): 除了复现,还需要先评估其潜在价值和复现成本。任职要求: ①.动手能力强; ②.研究生毕业4年以内或者在读中; ③.英语足够好
      • 2.2.9 Tensorflow高级:量化金融领域的模型评估有自己一套的指标和方法,这些都没有内置在TF的api中, 这项工作的主要内容是开发一些自定义的Models, Layers, Loss Functions, 以及Data Pipeline对接上面1.2的数据集 。可见此工作项需要了解神经网络原理以及背后的数学。
      • 2.2.10 AI研究环境/基础设施、流程、模型量化/剪枝、用新技术重新实现过时的旧模型、算法包装、应用落地(python web后端和JavaScript浏览器端为主)。此工作项的技能要求侧重工程管理 ,技能要求包括 docker、k8s、kubeflow、mlOps 和持续集成式ML, 而对模型构建知识的要求不高。
      • 小总结:
        • 理论知识方面,我们期望candidate对机器学习整体流程:定义问题(分类/聚类/回归等)——> 选择衡量成功的指标——> 确定评估方法——> 数据准备和预处理——> 开发基础模型+过拟合的模型,然后正则化与调参——> 产品落地 都有较为全面的理解, 同时又一专多长,在2.2.1—2.2.10中的1项或者多项有比较深入的研究。
        • 动手能力和工具箱方面,至少能熟练使用 sklearn、tensorflow、pytorch、fastAI之一。
        • Ps. 此岗位也接受实习生,但是我们的培训内容和candidate的成长路线是机器学习在量化交易领域的应用,所以扎实的机器学习基础是Prerequisites。
    • 2.3 对于应届生或者其它行业想转行量化交易的,可以参考以下关键词, 计算机编程方面:numpy、pandas、seaborn、matplotlib、OHLC数据; 金融分析方面:技术分析、道氏理论、艾略特波浪、盘面形态、K线形态、趋势线、压力位/支撑线、均线/macd/rsi/cci/布林轨道等、马丁格尔仓位管理、凯利公式、定量分析、夏普比率、信息比率;机器学习/深度学习方面:时序分析、趋势、周期、噪音、1dCNN/LSTM/TCN网络、异常检测。

Python量化交易/实盘开发类

  • 3.Python量化交易/实盘开发类:
    • 3.1. 已经有成熟策略的,带着自己主导或者独立研究的币类策略来公司面谈即可。
      • 策略需要使用 python、 JavaScript/typescript、C++ 之一。
    • 3.2 上面2.2成果的实盘转化—— 基于我们自研实盘系统(参考5), 需要扎实的编程基础、金融知识和数学。
    • 3.3 风控(待定,敬请期待):
      • 主要负责: ①.理解策略的逻辑
    • 3.4 对于应届生或者其它行业想转行量化交易的,参考2.3。

web前后端开发类

  • 4.web前后端开发:
    • 4.1. web前端
      • 4.1.1 主要是做功能繁多的后台管理系统 和 一些设计/体验精良跨平台app(PS.跨平台是关键字), 需要同时在UI排版(html5+CSS)和程序逻辑(dart/typescript/es6+)具备较硬的基本功。我们认为有flutter web基础较为合适,angular也可以。
      • 4.1.2. 各类构建工具(webpack)、调试工具(postman)、 agile的项目管理方式、git的使用就不用我们再说了吧。
    • 4.2. web后端
      • 4.2.1 框架方面:python的FastApi 或者 node.js 领域的nest.js/koa.js/egg.js等;
      • 4.2.2 需要mongoDB使用经验;
      • 4.2.3 最好能熟练使用websocket ;
      • 4.2.4 参考 4.1.2, +docker, +k8s 。
    • 4.3. 或者全栈: 参考4.1+ 4.2。
    • 4.4 devOps工程师(侧重Ops) / mlOps / 基础设施架构 / kubernetes工程师:工作内容包括:①.为上面1-4.3打造稳定的基础设施;②.参与信息安全方案设计与实施;③.应用的新版发布; ④.指导devOps和mlOps团队开发易于运维的、符合容器化标准的应用。 任职要求:①.同时掌握devOps和mlOps; ②.阿里云/aws等使用经验; ③.helm和kubernetes知识扎实,持有官方认证证书优先。

架构与python高级编程

  • 5.Python量化交易实盘/回测系统开发:
    • 5.1 架构方向
      • 5.1.1 曾经参与过同类系统的开发,或者使用过两个以上量化交易实盘/回测系统,知道其pro&cron。
      • 5.1.2 对设计模式、系统架构、集成测试、微服务/无服务化、devOps管理、用户文档编写有较全面的认识。
      • 5.1.3 对新技术洞察力强,了解当今世界的软件生态和工具链,善于站在巨人的肩膀上设计新系统,不重复造轮子,不多花时间做本来没有必要做的事情。
      • 5.1.4 最好也能同时组织 4.1 和4.2 的工作。
    • 5.2. python高级编程
      • 5.2.1. 扎实的python基础, 对websocket、、异步、多线程/进程 、消息队列、缓存、高性能/低延时 了如指掌。
      • 5.2.2. 能理解5.1.2和4.2(但不需要主导组织此类工作)。
      • 5.2.3. 最好有自己主导或者独立完成的github项目,或者至少熟悉pip、annaconda打包吧。

大部分岗位支持远程办公或者兼职,但是4.2、4.3 、5.1 和5.2建议常驻公司总部办公。

2和3类岗位除工资外可根据策略情况有机会参与分成。

有意向请邮件简历到 , 标题注明应聘岗位。

长按此二维码打开在线版。