同花顺算法研究员（量化投资）

1. 研发股票Alpha策略：挖掘市场非有效性，构建多因子模型、统计套利或机器学习驱动的Alpha信号； 2、数据处理与建模：清洗、分析海量市场数据（价量、基本面、另类数据等），设计因子库并优化组合； 3、策略回测与优化：搭建高可信度回测框架，评估策略夏普比率、最大回撤等指标，解决过拟合问题； 4、实盘跟踪与迭代：监控策略表现，分析市场环境变化，动态调整模型参数与因子权重； 5、协作开发：与交易、风控、IT团队配合，推进策略从研究到落地的全流程。

参与金融领域大模型的设计与优化，特别是在量化投资、风险控制、资产配置等场景下应用强化学习算法（RL）解决实际问题。 研究和开发基于强化学习的金融策略，包括但不限于投资组合优化、市场预测、风险管理等关键领域。 利用大模型和多模态数据（包括市场数据、新闻数据、社交媒体数据等），开发适应金融市场动态变化的智能决策系统。 优化金融场景下强化学习模型的训练与推理效率，探索基于DPO（决策过程优化）与RLHF（强化学习与人类反馈）的创新算法，提升策略的稳定性和适应性。 深入研究AI4Finance前沿技术，关注低延迟推理、模型压缩、算法加速等技术的应用，推动金融大模型在实时交易、资产管理等领域的落地。

跟踪并深入研究LLM（大语言模型）领域的最新科研成果及业界动态，探索其在金融投资中的应用。 参与基于大模型的量化策略设计与算法开发，涵盖信号生成、组合优化、模型训练等环节，利用大模型、多模态技术和强化学习（RL）推进AI投资和AIGC项目。 优化大模型在金融场景下的推理效果，结合DPO（决策过程优化）和RLHF（强化学习与人类反馈）提升策略的稳定性与准确性。 参与投资Agent系统的开发，全面实现数据获取、分析、决策与执行的自动化链路，提升量化投资决策效率。 持续跟踪AI4Finance前沿技术，特别是多模态金融大模型、低延迟推理等领域的最新进展，为量化投资系统提供技术支持。

这是一个面向AI时代、极具技术挑战性的岗位。 您将深度探索通过AI从千亿金融数据切片中洞察投资者情绪和盘面状态，针对国际国内重大热点事件追踪对人工智能、新能源、半导体、新材料、生物医药等关键产业链上下游方向金融标的影响，推动AI从辅助工具向投资决策伙伴演进，引领全球金融行业智能变革！ 一、岗位职责 1. 市场情绪量化智能辅助交易决策——将市场情绪转化为可量化的决策信号 - 开发AI驱动的多维度市场情绪指标体系，从全球社交媒体、多语言新闻资讯、跨市场交易数据中提取投资者情绪特征 - 构建情绪-市场行情的因果关联模型，挖掘情绪变化与股价波动、资金流向的深层关系 - 打造实时情绪监测预警系统，捕捉市场拐点与异常波动 - 将情绪量化指标融入投资决策框架，为全球投资者提供前瞻性的交易信号与风险预警 - 基于历史数据进行策略回测与优化，持续提升预测准确性 2. 重大事件驱动的产业链投资机会挖掘——从事件到投资策略的全链路智能化 - 基于知识图谱构建全球产业链关系网络，覆盖全球企业、供应链依赖、竞争格局等多维度关联 - 开发重大事件智能识别与影响传导分析系统，自动追踪全球政策变化、技术突破、地缘事件对产业链的冲击路径 - 构建事件驱动的投资策略回测引擎，量化评估历史事件对不同市场、行业、个股的影响程度 - 利用大模型进行事件深度解读，自动生成产业链影响分析报告与投资策略建议 - 打造"事件监测→产业链挖掘→影响量化→策略生成→回测验证"的完整智能投研闭环 3. 构建Multi-Agent驱动的多模态智能内容创作系统 Multi-Agent协同与Deep Search深度创作 - 构建多智能体协作框架，通过Deep Search进行深度信息检索与知识整合 - 实现高质量金融内容的自动化创作，从数据挖掘到观点生成的全链路智能化 多模态内容理解与生成 - 融合文本、图表、视频等多模态数据，开发跨模态内容理解与创作能力 - 结合AI可视化技术，将复杂金融数据转化为直观的可视化内容，构建"理解-分析-可视化"的深度内容生产链路 4. 引领金融AI技术前沿探索 持续跟踪Multi-Agent、Deepsearch、多模态学习、知识图谱、情绪计算、因果推断等领域最新研究成果，评估前沿技术在全球金融投研与内容创作场景的应用价值。与团队协作将创新技术转化为产品能力，推动同花顺在国际金融智能领域的技术突破。