27届-AI算法工程师（量化工程）

AI 摘要智能生成

AI金融产品设计与落地：建设面向金融业务的 AI 决策与生产力平台

职位描述

AI金融产品设计与落地：建设面向金融业务的 AI 决策与生产力平台。参与基于AI Agent的量化投研基础设施建设，构建具备长期记忆（Memory）与工具调用（Function Calling）能力的Agent基础设施。 量化工作流工程化：将量化研究的全流程（特征工程、信号预测、组合优化、执行算法等）封装为可复用的Agent Workflow，将Agent能力无缝集成至内部数据平台、研究终端及回测系统，提升投研生产效率。 金融AI前沿技术转化与模型迭代：持续跟踪学术界与工业界在AI金融、量化投资及金融工程交叉领域的最新进展，将前沿技术转化为可验证、可落地的量化应用，通过金融工程方法论对AI模型进行有效性验证与风险边界界定，确保技术迭代服务于量化投资的核心目标。 交易系统维护：开发和维护量化回测系统与模拟交易系统，熟悉基于事件驱动的量化回测系统的各个环节，支持主流金融品种的量化回测和模拟交易 

任职要求

• 专业背景：金融工程、计算机科学、数学、统计学、物理学等理工科背景优先，硕士及以上学历。
• 业务基础：扎实的金融工程理论基础悉金融市场运行机制，理解多因子模型、组合优化、风险模型等金融工程核心概念，能够运用金融工程思维分析AI模型在量化场景中的适用性与局限性，对金融市场数据有深入理解与处理经验。
• 技术栈：
• 熟练掌握python/c++等编程语言，具备扎实的编码能力。熟悉常用的数据处理与分析库（如pandas/numpy/scikit-learn等）
• 熟悉PyTorch/TensorFlow等深度学习框架，掌握Transformer/BERT/GPT等主流模型架构。
• 掌握LangChain/LlamaIndex等大模型应用框架，具备RAG、Agent架构设计及Prompt工程实战经验。
• 熟悉常用数据库的使用（MySQL/PostgreSQL等），熟悉 Linux 平台、Docker/K8s等容器化及编排技术 。
• 曾参与过量化策略、AI交易Agent或交易系统的开发，熟悉量化回测框架（如Qlib、vnpy、QuantConnect等）
• 熟悉AI算法在金融交易领域的前沿应用
• 对GPU加速因子计算和策略回测有一定的了解