东方财富量化研究员（公募）
任职要求
1、本科及以上学历，数学、计算机、金融工程等专业，金融工科复合背景者优先； 2、具有三年以上量化相关研究经验； 3、具备出色的数量分析能力，对于数学、统计学有扎实的理论基础； 4、熟练掌握MATLAB或Pytho…
工作职责
1、负责量化选股、指数增强、行业轮动等策略开发； 2、负责因子挖掘、组合优化等课题研究，并协助基金经理完成其他研究工作； 3、完成公司交办的其他工作。
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。
1. 构建多模态数据评估体系，量化数据对模型性能的影响，迭代优化数据生成策略； 2. 探索无监督/半监督数据生成技术，降低对人工标注的依赖，提升数据多样性。 3. 深度参与深度学习模型的研发流程，与算法工程师紧密协作，设计并实现符合业务需求的数据解决方案，为前沿模型研究提供高效的数据支持。 4. 持续优化平台数据的生产效率和易用性，降低算法使用门槛，探索业界前沿的多模态数据处理技术，将其转化为平台化功能，服务多场景业务需求。
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。