「TalentAI」将持续带来人工智能相关在招职位信息,欢迎正在找工作与看新机会的朋友关注,也欢迎企业伙伴与我们联系合作。
公司介绍
卡方科技是中国领先的数智化交易服务与金融科技专家。2017年在上海成立,卡方科技以金融理解力、AI算法力和技术实现力为核心,为中国二级市场提供交易服务全生命周期的场景化解决方案。目前,卡方科技已为数百家基金与超过60家券商提供了包括算法交易核心系统、外围增值产品、咨询与数据分析服务在内的专业化解决方案,PB交易系统在国内市占排名前三,算法交易量日均数百亿级别,算法交易行业占据中国行业头部地位。
享有国家高新技术企业认证、毕马威中国领先金融科技50强奖项认可,持有ISO20000、CMMI L3及100多项专利著作,卡方科技持续推进技术平台迭代、算法模型优化及机器学习在行业领域的前沿应用。卡方科技始终相信「科技改变交易」,汇聚来自海内外知名对冲基金、投行、券商的资深从业者,投入亿元级研发成本支持算力优化,以核心指标优势引领行业对交易执行的更高标准。公司薪酬与福利
- 完整的培训体系:专业技能、职业素养、管理知识等各项培训定期举行,还有内部分享机制完成,大佬前辈们经验传承。
- 「一带一」导师带教制度:每一位新入职的小伙伴都会分配一位资深的导师,从工作与生活上给予帮助。
- 住房补贴:从入职开始即享有住房补贴,本地生活友好。
- 股权激励:杰出贡献员工有机会参与公司股权激励,财富自由不再是梦想。
- 每月团建费+旅游经费:与部门小伙伴一起去看世界吧。
- 每日早餐/牛奶/咖啡/软饮/下午茶/零食,吃不停!
岗位详情
工作地点:上海市浦东新区。
岗位说明:实习岗位需两周内到岗。
2.对商品期货相关的交易数据、基本面数据、另类数据等进行深入探索与研究;3.挖掘中高频因子,并建立模型预测股票中短期的价格变化;4.分析tick-level数据,研究市场微观结构,结合预测信号寻找交易逻辑并回测其表现。开发上线交易策略,跟踪实盘表现并持续优化;5.研究分析海量金融数据, 发掘有效特征, 使用机器学习方法对市场建模;6.与量化策略研发人员合作, 一同探索并实现预测模型的落地;7.追踪领域内前沿技术和方法, 推动算法的持续改进。1.国内外知名院校本科以上学历, 计算机、电子、数学、物理、统计、金融工程等相关理工科专业,工作经验不限;2.数据高度敏感, 数学功底扎实, 具有探索精神和良好的动手能力;3.有kaggle等大数据竞赛经验,数学建模竞赛经验者优先;4.熟悉Linux环境下的编程, 具备出色的编程能力和设计技巧, 熟练使用C++/Python者;5.拥有高频量化策略研究经验或实盘交易经验者优先;6.有良好的数理统计基础, 严谨的研究习惯, 熟悉机器学习和深度学习中的经典算法和网络结构者优先。加分项: 顶会论文, 竞赛获奖, 相关项目经历。
量化实习生 - 机器学习
1.协助完成股票高频数据的整理、清洗,进行各类指标的统计;2.对股票数据进行深入挖掘和建模,开发国内市场高频交易策略;3.跟踪因子表现,进行量化回测、模拟、以及跟踪完善等工作;1.本科及以上学历,2022年及以后毕业,统计、金融工程、数学、物理、计算机等相关专业。2.具备扎实的数理逻辑能力和统计学基础。高中阶段理科竞赛、各类大学生建模竞赛及机器学习竞赛中有获奖经历。3.具备扎实的编程能力,熟练使用python进行数据处理和分析。4.对量化策略研究有浓厚兴趣,热爱探索,注重细节。2.拥有量化研究实习、项目经验,熟悉股票多因子策略。1. 加入公司核心开发团队,负责公司高频交易系统的开发,优化和维护;2. 负责公司高频交易系统的扩展,包括与不同的金融市场的连接,功能模块的开发等;3. 负责交易系统,回测系统的深层次优化(软件,硬件和网络);1.国内外名校计算机、电子、自动化类专业毕业, 工作经验不限;2.对于C++低延迟系统开发有着深厚的经验,熟悉协议设计,操作系统内核级优化,低延迟通讯,cache friendly,泛型编程;3.对TCP/UDP网络协议有深刻理解,能熟练使用脚本语言对网络性能进行测试和分析。1.期货证券交易系统开发经验,Linux CTP中间层设计开发经验;2.熟悉主流开源量化平台架构,熟悉期货券商及交易所接口及行业知识;4.熟悉系统性能及延时测试,设计方案。
1.在交易时间监测并操作自动化交易系统,监控交易程序盘前、盘中、盘后的正常运行,正确快速处理交易中所遇到的各类突发状况,确保交易正常进行;2. 进行盘后交易分析,梳理并优化自动交易流程,努力改进交易效果,包括最大化盈利、提高资金使用率等。1.性格稳重严谨、风险意识强、思维敏捷、人品靠谱;2.国内外重点高校本科及以上计算机科学、数理统计、金融数学、金融工程等,专业名校本科以上学历,工作经验不限;如果你对以上职位感兴趣,请点击「阅读原文」或「扫描下方二维码」投递简历,我们将在 10 个工作日内反馈结果。