量化实习生
招聘时间
即日起 至 2027-04-29
招聘单位
中山证券
所在地区
深圳
工作地点
广东省/深圳市/南山区 舜远金融大厦
学历要求
硕士
实习时长
每周4天，每天3小时
职责描述
一、岗位职责：
1、量化策略与模型研发：负责基于机器学习、深度学习模型的量化策略研发，覆盖金融时序预测、因子挖掘、多因子组合优化等核心方向，参与从数据预处理、特征工程、模型训练、评估到部署的全链路工作。
2、因子研究与多因子建模：运用统计学习、树模型（如XGBoost/LightGBM等）、神经网络等方法，从多源数据中系统挖掘有效因子，进行因子筛选、组合与优化，构建并迭代稳健的多因子选股/择时模型。
3、前沿AI技术探索：探索大语言模型、强化学习、多模态等前沿AI技术在量化投资中的应用，参与大模型驱动的信号生成与策略设计，推动投研范式的创新。
4、投资Agent系统建设：参与投资Agent系统的构建，打造数据获取、分析、决策、执行的自动化链路，提升投研效率与策略迭代速度。
5、工程化与协作：优化金融数据处理与特征工程流程，完成模型推理加速与工程化部署；与策略研究员、开发团队紧密协作，推动量化策略的实盘落地与持续优化。
二、任职要求：
1、硕士及以上学历，数学、物理学、计算机科学、人工智能、统计学、金融工程等相关专业。在ACM/ICPC、Kaggle、数学建模等竞赛中取得优异成绩，或发表过高水平学术论文者优先。
2、精通Python及Pandas、NumPy、Scikit-learn；熟练使用PyTorch、TensorFlow、JAX中至少一种深度学习框架。熟悉SQL，具备扎实的代码实现与系统集成能力。
3、深入理解机器学习与深度学习核心算法（如树模型、CNN、Transformer、强化学习等），精通时间序列预测、特征工程与模型调优；具备因子挖掘、多因子组合与组合优化实操经验。有大模型落地、NLP或多模态项目经验者优先。
4、有头部量化私募、对冲基金、公募/资管等机构的量化研究或AI开发实习经验者优先。熟悉量化回测框架，有实盘算法落地经验者优先。
5、逻辑清晰，问题拆解与解决能力强，对量化投资有强烈兴趣，具备良好的团队协作与快速学习能力。能保证每周至少4天实习，连续实习不少于3个月。
6、实习薪资面议。
1、量化策略与模型研发：负责基于机器学习、深度学习模型的量化策略研发，覆盖金融时序预测、因子挖掘、多因子组合优化等核心方向，参与从数据预处理、特征工程、模型训练、评估到部署的全链路工作。
2、因子研究与多因子建模：运用统计学习、树模型（如XGBoost/LightGBM等）、神经网络等方法，从多源数据中系统挖掘有效因子，进行因子筛选、组合与优化，构建并迭代稳健的多因子选股/择时模型。
3、前沿AI技术探索：探索大语言模型、强化学习、多模态等前沿AI技术在量化投资中的应用，参与大模型驱动的信号生成与策略设计，推动投研范式的创新。
4、投资Agent系统建设：参与投资Agent系统的构建，打造数据获取、分析、决策、执行的自动化链路，提升投研效率与策略迭代速度。
5、工程化与协作：优化金融数据处理与特征工程流程，完成模型推理加速与工程化部署；与策略研究员、开发团队紧密协作，推动量化策略的实盘落地与持续优化。
二、任职要求：
1、硕士及以上学历，数学、物理学、计算机科学、人工智能、统计学、金融工程等相关专业。在ACM/ICPC、Kaggle、数学建模等竞赛中取得优异成绩，或发表过高水平学术论文者优先。
2、精通Python及Pandas、NumPy、Scikit-learn；熟练使用PyTorch、TensorFlow、JAX中至少一种深度学习框架。熟悉SQL，具备扎实的代码实现与系统集成能力。
3、深入理解机器学习与深度学习核心算法（如树模型、CNN、Transformer、强化学习等），精通时间序列预测、特征工程与模型调优；具备因子挖掘、多因子组合与组合优化实操经验。有大模型落地、NLP或多模态项目经验者优先。
4、有头部量化私募、对冲基金、公募/资管等机构的量化研究或AI开发实习经验者优先。熟悉量化回测框架，有实盘算法落地经验者优先。
5、逻辑清晰，问题拆解与解决能力强，对量化投资有强烈兴趣，具备良好的团队协作与快速学习能力。能保证每周至少4天实习，连续实习不少于3个月。
6、实习薪资面议。
