同花顺算法研究员（量化投资）
任职要求
1、具有优秀的基础算法、扎实的机器学习基础，熟悉CV、AIGC、NLP、RL、ML等领域的技术； 2、在CVPR、ECCV、ICCV、NeurIPS、ICLR、SIGGRAPH或SIGGRAPH Asia等顶级会议/…
工作职责
follow最新的LLM领域的科研及业界最新的成果，直接应用到金融投资。 1. 参与基于大模型的量化策略设计与算法开发，覆盖信号生成、组合优化、模型训练等环节 ，运用大模型\多模态\强化学习解决AI投资、AIGC等项目。 2. 优化大模型在金融场景的推理效果，结合DPO/RLHF提升策略稳定性 3. 开发投资Agent系统，实现数据获取-分析-决策-执行的自动化链路 4. 跟踪AI4Finance前沿技术（如多模态金融大模型、低延迟推理）
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。
岗位介绍 在金融大模型应用落地的前沿阵地，同花顺已强势布局 100 + 大模型应用场景。在此领域，我们对大模型的通用能力及面向金融应用的专项能力有着极高且特殊的优化需求，涵盖海量数据的实时处理与计算、金融逻辑推理、复杂指令响应、长文本解析、低幻觉控制等多个关键维度。本岗位将立足公司自研大模型与外部开源模型，深度钻研金融场景下模型能力提升的核心技术与创新产品方案，致力于显著增强模型的金融指令跟随能力、降低幻觉率、提升金融数学与逻辑分析水平，全力推动大模型在更多金融场景的成功落地，为用户打造前所未有的投资体验。 职责