岗位职责： （1）高频数据研究与清洗：负责处理和分析海量的期货（尤其是有色、化工、能源类期货）、股指期货及数字货币Tick级数据，洞察市场微观结构，发现统计套利及短期价格模式。 （2）日内策略模型构建：专注于分钟级、日内量化策略的研发。负责从零到一的模型架构设计、特征工程、模型训练与验证，重点利用深度学习技术（特别是时序模型）捕捉市场短期非有效性。 （3）算法优化与迭代：针对现有量化策略进行参数调优、模型架构优化，提升策略的夏普比率、胜率及容量。持续跟踪策略在实盘环境下的表现，并快速迭代更新。 （4）算法工程化实现：利用Python及PyTorch在高效的Linux系统环境下，将研究成果转化为稳定、高效的交易算法模块，确保代码的鲁棒性和执行效率。 （5）前沿技术探索：跟踪学术界和业界在时间序列分析、深度学习、强化学习等领域的最新进展，并探索其在期货量化交易中的应用落地。 任职资格： （1）硕士及以上学历，计算机、统计、数学、物理、金融工程、深度学习等理工科相关专业背景; （2）具备金融行业实践经验，拥有股票、期货、数字货币、股指期货等领域丰富的tick级数据分析经验，拥有券商自营或私募类自营团队工作经验; （3）具有分钟级、日内量化策略相关的模型架构优化、参数调优经验; （4）较强的编程实现能力，熟练掌握python和Linux系统使用，熟练使用pytorch; （5）较强的快速学习能力，积极主动，诚实正直，对量化交易有强烈的兴趣和热情; （6）拥有丰富的一线实践经验; （7）加分项:深度学习方向博士优先;有开源项目贡献、第一作者发表国外期刊优先;有时间序列方向深度学习项目研究经历优先(在神经网络算法或时序类算法模型有较资深的经验)。