量化研究员实习生（转正实习）

【校园投研实习专属福利】 日薪 2000＋元，绩效奖金不设限。实习期间提供三餐＋高级人才公寓 实习表现优秀并通过3个月考核者，可获得 return offer 正式成为"量化研究员"

【岗位定位】

• 面向预计于 2027 年或 2028 年毕业的本科、硕士或博士生。
• 半鞅的研究工作围绕“数据 → 特征 → 模型 → 预测信号 → 投资组合 → 交易执行”的完整链路展开。你将根据自身背景选择一个方向深入研究，同时理解自己的工作如何影响下游模型、组合和投资结果。
• 你不需要在实习开始时负责整条链路，但需要对研究结果的可靠性和实际价值保持完整认识。表现优秀者可获得正式量化研究员岗位机会。

【研究方向】

1. 数据track

• 基于市场微观结构数据，研究从原始行情、订单簿和交易行为到研究特征的有效变换。
• 处理大规模高频时序数据，分析数据质量、信息含量和不同时间尺度下的稳定性。
• 参与特征构造、数据清洗、标签生成和数据质量验证。

1. 模型track

• 使用深度学习和其他机器学习方法，将特征转化为具有泛化能力的预测信号。
• 研究时序建模、时空建模、模型训练和样本外表现。
• 识别过拟合、数据泄露、前视偏差和分布变化等问题。

1. 策略track

• 根据不同周期的预测信号，研究投资组合构建和风险控制方法。
• 参与组合优化、风险建模、交易成本评估和策略约束设计。
• 研究信号如何经过组合和执行环节转化为可评估的投资结果。

【实习期间你将参与】

• 分析真实市场数据，理解数据特征、数据质量及其局限。
• 定义和拆解研究问题，形成可验证的研究假设。
• 在数据、特征、模型或策略方向中承担具体研究课题。
• 设计样本外测试、滚动回测和稳健性分析。
• 评估交易成本、换手、风险暴露和不同市场环境下的表现。
• 与量化研究员和开发工程师协作，维护可复现的研究代码和实验记录。
• 跟踪研究结果，复盘模型有效或失效的原因，并提出下一步验证方向。

【你将获得的真实成长】

• 在合伙人一对一指导下，参与真实市场，系统经历从研究问题定义、数据处理、模型构建到结果评估的完整流程。
• 在真实市场数据和研究环境中，学习识别过拟合、数据泄露、前视偏差和样本外失效等关键问题，建立对研究结果的独立判断。
• 从特征工程、机器学习、组合优化等具体课题开始，根据个人能力和研究进展逐步承担更完整的研究任务。
• 与资深量化研究员、开发工程师和投资团队直接协作，提升沟通表达和项目推进能力。

【我们希望你具备】

• 国内外重点高校STEM、金融工程或相关专业本科高年级、硕士或博士在读。
• 预计于 2027 年或 2028 年毕业应届生
• 扎实的数学、统计或计算机基础，能够使用 Python 完成数据处理、建模和结果分析。
• 有量化研究、机器学习、金融数据分析、科研或个人项目经验。
• 能够清楚说明自己在项目中的具体贡献、技术选择和结果验证方式。
• 对研究过程保持严谨，能够主动发现数据、实验设计和结果解释中的问题。
• 能够保证至少连续 3 个月实习，每周至少 4 天 onsite 办公（base 上海）。

【方向相关要求】 数据方向：

• 熟练使用 NumPy、pandas 等工具进行数据处理。
• 有大规模时序数据、市场微观结构数据或 TB 级数据处理经验者优先。
• 有量化研究、数据工程或相关实习经验者优先。 模型方向：
• 熟悉 PyTorch 及相关深度学习工具链。
• 有深度学习、时序建模或时空建模研究经验者优先。
• 熟悉模型泛化、正则化、样本外测试等基本方法。 策略方向：
• 熟悉 cvxpy 或其他优化工具。
• 了解多因子风险模型、组合优化和交易成本建模。
• 有组合构建、风险建模或策略研究经验者优先。

【其他加分项】

• 熟悉C++、python 或其他编程语言。
• 有论文、竞赛、开源项目或能够深入讲解的个人研究成果。
• 有量化基金、券商、交易机构或相关研究团队实习经历。
• 对高频市场、订单簿、交易执行或机器学习在投资中的应用有持续兴趣。 【面试流程】

1. 简历筛选 2.业务＆技术面试（2-3轮） 轮次1：对业务的理解与储备 轮次2：Project base onsite机考＋面试，聚焦岗位核心能力，偏向工作实际场景
2. 发放offer