1、公司级AI投研平台搭建
1）负责设计与开发公司级AI投研平台，整合数据管理、因子挖掘、策略回测、风险控制等模块，支持量化投研全流程自动化；
2）构建高性能的数据处理与模型训练基础设施，确保平台可扩展性及稳定性，满足海量金融数据的实时分析与模型部署需求。
2、核心算法研究与策略开发
1）开展金融数据的统计建模与机器学习/深度学习算法研究，重点探索时序预测、资产定价、风险模型等方向的创新方法；
2）运用计量经济学与金融工程理论，开发量化策略（如趋势跟踪、套利、多因子模型等），并完成系统回测与绩效评估。
3、大模型技术在投研场景的应用
1）模型开发与应用：负责大模型微调与Agent框架（如RAG、Workflow）的开发，应用于金融文本分析、信号生成等核心投研任务；
2）多模态信息融合：运用多模态大模型整合文本、图表与音频等多源信息，提升投研信息的提取与推理能力；
3）智能体系统构建：开发多智能体系统，协同宏观、行业、风险分析等专业AI Agent，实现复杂投研任务的自动化执行；
4）前沿技术探索：结合知识图谱、图神经网络等技术，构建事理图谱、逻辑图谱，挖掘复杂关系网络中的潜在Alpha信号。
4、数据治理与跨团队协作
1）对多源金融数据（市场、基本面、另类数据等）进行清洗、整合与挖掘，构建标准化数据资产；
2）与工程、产品团队协作，推动算法模型在业务场景的落地，提供技术文档与培训支持。

1、计算机科学、数学、统计学、计量经济学、金融工程等相关专业硕士及以上学历；
2、平台开发经验：具备系统设计能力，熟悉分布式计算（如Spark）、数据库优化，有大型投研或量化平台搭建经验者优先；
3、AI/编程能力：熟练使用Python（NumPy/Pandas/Scikit-learn）及深度学习框架（PyTorch/TensorFlow）；有大模型微调或Agent开发经验者加分；
4、量化基础：扎实的数理统计知识，熟悉时间序列分析、因子建模、策略回测方法；了解衍生品定价或风险管理者更佳；
5、具有创新意识，能独立攻克技术难题，对金融市场有浓厚兴趣；
6、优秀的英语文献阅读能力，可跟踪国际前沿研究（如LLM在金融领域的顶会论文）。