1、模型研发与落地： 负责多资产（股票、固收、衍生品等）风险模型（多因子、信用、流动性）的研发、维护与迭代；应用机器学习/深度学习算法进行尾部风险预测与市场异常检测，并推动模型在真实业务场景中的落地验证。
2、组合分析与优化： 开发并完善归因分析系统，精准识别Alpha来源与风格暴露；结合情景分析与组合优化算法，为基金经理提供实用的投研反馈与组合管理建议。
3、系统工程与自动化： 基于 Python/SQL 搭建及优化高并发、高可用的自动化风险计算流水线；构建交互式可视化仪表盘，为投资部门及管理层提供直观的市场洞察与实时决策依据。
4、专项研究与支持： 针对复杂衍生品（如期权、可转债等）定价、特定市场压力情景及突发事件，开展深度量化研究，输出具备可操作性的风险评估报告。

1、背景经验： 重点院校硕士及以上学历，金融工程、计算机、数学、物理、统计等强理科背景；具备 1-5 年买方/卖方量化投研、风险管理或金融工程相关领域的全职工作经验。
2、编程能力： 精通 Python（熟练掌握 Pandas/NumPy/PyTorch 等生态），具备优秀的工程化思维与代码规范，熟悉 Linux 环境与 Git 协作流程，有实际系统开发与交付经验。
3、数理基础： 具备扎实的概率统计与线代功底，深入理解随机过程与时间序列分析；对主流 ML/DL 架构有深刻认识，并有将算法应用于实际金融时序数据的经验。
4、数据处理： 熟练掌握复杂 SQL 查询，熟悉海量数据处理流程，熟悉ClickHouse、starrocks等数据库。
5、综合素质： 具备较强的文献阅读与代码快速复现能力（Paper to Code）；逻辑严谨，自驱力强；具备优秀的跨部门沟通能力与业务Sense，能向投资、运营等非纯量化背景人员清晰阐述复杂技术概念。