【量化岗位】君理资本2024校园招聘
浏览：57  回复：2	【返回本版】 【发表帖子】

junli 2024/12/3 17:59:50

楼主

招聘：量化工程师/量化策略研究员 工作地点： 北京国贸中海广场 岗位职责： 1）利用统计分析方法，对资本市场进行深入研究和数据挖掘。开发和优化风险控制策略，以最小化交易风险； 2）与量化交易团队紧密合作，提供数据支持，程序开发，优化交易策略； 3）使用机器学习和其他先进技术，提高数据分析和预测的准确性； 4）准备和呈现数据分析报告，为管理层决策提供支持。 任职要求： 1）计算机、数学、物理、电子、自动化专业，美国、国内相关专业前10，本科及以上； 2）精通至少一种编程语言（Rust优先），精通数据分析工具，熟练掌握至少一种其他编程语言； 3）对高性能计算、低延迟通讯有一定的了解，例如：ZeroMQ、共享内存、无锁队列等； 4）熟练使用主流数据库，并具有一定的数据库相关知识。例如：MySQL、Redis、MemCached等； 5）对建模和寻找因子有天赋； 6）工作积极主动，责任心强，具有保密意识，有出色的沟通能力和团队合作精神； 7）具有良好的英文沟通和读写能力者优先，具有基金从业资格者优先，中大型项目实习经验优先。 投递方式： 请将简历发送至：hr@junlifinance.com 君理资本：追随斯温森策略，2024全球资产配置与量化产品业绩卓越 君理资本成立于2016年，是一家由拥有公募基金、国内大中型券商、头部私募等金融机构的资深行业人员组建，拥有中国证券业协会颁发的私募证券投资基金管理人牌照、证券类私募投顾资格牌照的专业投资机构。 自成立以来，君理资本多次获得包括中信建投、方正证券、中国银行举办的业内权威奖项（中国银行半年度最佳新锐基金管理人，方正证券“芳华杯”CTA策略第三季度冠军，中信建投“潜龙杯”第三季度季军等优异表现），同时凭借出色的研究分析及业绩表现，受邀在券商公众平台、头部金融数据服务平台举办专题分享。 2024 - 2025年，君理资本将专注全球大类资产配置，涵盖股票、债券、大宗商品、外汇、金融衍生品等多种资产类别。凭借广泛的行业经验和深厚的市场洞察，坚持风险控制与收益平衡原则，实现投资组合的长期稳健回报。 公司网址：www.junlifinance.com

junli 2025/1/7 21:45:49	2#
待遇从优，量化岗位薪资2.5W-3W 同时招收量化实习生，实习工资300-500元/天，欢迎投递

junli 2025/2/28 18:44:11

3#

招聘：量化工程师 岗位职责： 1）利用统计分析方法，对资本市场进行深入研究和数据挖掘。开发和优化风险控制策略，以最小化交易风险； 2）与量化交易团队紧密合作，提供数据支持，程序开发，优化交易策略； 3）使用机器学习和其他先进技术，提高数据分析和预测的准确性； 4）准备和呈现数据分析报告，为管理层决策提供支持。 任职要求： 1）计算机、数学、物理、电子、自动化专业，美国、国内相关专业前10，本科及以上； 2）精通至少一种编程语言（Rust优先），精通数据分析工具，熟练掌握至少一种其他编程语言； 3）对高性能计算、低延迟通讯有一定的了解，例如：ZeroMQ、共享内存、无锁队列等； 4）熟练使用主流数据库，并具有一定的数据库相关知识。例如：MySQL、Redis、MemCached等； 5）对建模和寻找因子有天赋； 6）工作积极主动，责任心强，具有保密意识，有出色的沟通能力和团队合作精神； 7）具有良好的英文沟通和读写能力者优先，具有基金从业资格者优先，中大型项目实习经验优先。 招聘：量化策略研究员 岗位职责： 1）基于统计学和数理模型，进行数字货币市场的深度研究，探索并挖掘有效的套利机会；基于统计学、机器学习（如Transformer、强化学习） 2）设计并优化高频对冲策略，利用市场波动进行短期套利，减少市场风险； 3）运用机器学习、时间序列分析等先进技术，提升策略的预测能力与数据分析的准确性； 4）负责数据库的管理与优化，确保数据处理和分析的高效性；设计分布式数据库（如ClickHouse）存储多源行情数据，开发ETL管道实现低延迟数据清洗与特征工程。与开发团队协作优化回测系统，支持微秒级撮合模拟与策略一致性验证。 5）定期撰写数据分析报告，提供决策支持并参与策略的优化和调整；追踪市场动态与新兴策略方向（如波动率加权对冲、订单流追踪），探索创新交易机会。定期输出策略收益归因分析报告，为投资决策提供量化支持。 6）与开发团队密切合作，持续优化交易算法和执行策略。 任职要求： 1）博士优先，有相关实习和工作经验的优先，计算机、数学、物理、统计、金融工程等相关专业，国内外顶尖高校硕士及以上学历； 2）精通Python，熟悉使用相关的数据分析库（如Pandas、NumPy、Scikit-learn等）进行数据挖掘与建模； 3）具备数据库设计与管理经验，熟练掌握MySQL、PostgreSQL等主流数据库，能够处理大规模数据存储与查询问题； 4）具有高频对冲、跨市场套利等相关经验，理解金融市场中的套利机会与风险； 5）具备良好的沟通能力与团队合作精神，能够快速响应市场变化并做出策略调整； 招聘：量化金融风险管理工程师 岗位职责： 1、运用均值方差模型（Mean-Variance Model）和蒙特卡洛模拟（Monte Carlo Simulation）对投资组合进行风险评估和优化。 2、开发基于大类资产配置的风险管理框架，优化资产配置策略。 3、使用VaR（风险价值）和CVaR（条件风险价值）等工具对投资组合进行风险量化。 4、通过衍生品、期货、期权等工具对冲市场风险。 5、运用均值方差模型、风险平价模型等优化大类资产配置策略。 6、结合历史数据和市场预测，构建稳健的投资组合，并定期进行再平衡 7、协助开发和优化量化交易系统，确保系统的稳定性和高效性。提供量化交易策略的风险评估和决策支持 任职要求： 1、硕士或博士学位，金融工程、数学、物理学、计算机科学或相关领域。 2、有2年量化风险管理或相关工作经验，有金融市场交易背景者优先。 3、熟练掌握Python、R、C++等编程语言，具备强大的数据分析和建模能力。 4、熟悉金融市场及其产品，包括股票、债券、衍生品等，了解全球金融市场的动态。 5、具备良好的沟通能力和团队合作精神，能够与交易员、投资经理和技术团队紧密合作。 招聘：大类资产配置金融工程师 岗位职责： 1.宏观经济与市场分析： 研究全球宏观经济环境（GDP、通胀、利率、流动性、地缘政治等）对不同资产类别的影响。 追踪央行政策（如美联储、欧洲央行、人民银行）及财政政策的变化，并评估其对资产价格的影响。 分析市场情绪、投资者行为及资金流动情况，预测市场拐点和潜在投资机会。 2.大类资产配置研究： 评估和优化战略资产配置（SAA） 和 战术资产配置（TAA），制定长期及短期的投资组合优化方案。 研究不同资产类别（股票、债券、商品、外汇、另类投资）的相对价值，构建跨市场投资策略。 结合因子分析、量化建模、风险预算等方法，优化资产类别的配置权重。 3.投资组合分析与绩效评估： 监测投资组合表现，进行绩效归因分析（Performance Attribution）。 研究风险管理工具（VaR, CVaR, 波动率控制）并优化投资组合的风险调整收益。 结合因子分析和回测，优化策略执行，并调整资产配置权重。 4.量化建模与数据分析： 开发并维护多资产因子模型，提升资产配置的科学性。 使用机器学习（ML）和时间序列模型来预测市场走势和资产表现。 设计和优化风险管理框架，包括情境分析（Stress Testing）和蒙特卡洛模拟（Monte Carlo Simulation）。 5.研究支持与报告撰写： 撰写投资研究报告，提供资产配置建议，并向投资委员会汇报策略分析结果。 参与投资团队的内部讨论会议，与基金经理、交易员、数据科学家合作，推动策略优化。 任职要求： 1. 教育背景： 金融工程、计量经济学、统计学、运筹学、计算机科学、物理等相关专业 2. 计算机语言及数据处理能力： 精通Python、R、MATLAB，能够使用金融工具包（如NumPy、Pandas、Statsmodels、quantmod）。 熟练使用SQL 进行数据查询，掌握数据库管理（PostgreSQL, MySQL）。 了解云计算（AWS, GCP, Azure） 和分布式计算（Spark, Dask），处理海量金融数据。 3. 统计学与建模能力： 时间序列分析（ARIMA, GARCH, Kalman Filter, Hidden Markov Models）。 资产定价与因子分析（Fama-French模型、Black-Litterman资产配置、贝叶斯统计）。 机器学习建模： 监督学习：XGBoost, Random Forest, 神经网络（ANN）。 强化学习：Deep Q-Network（DQN）在资产配置中的应用。 投资组合优化： 均值-方差优化（Mean-Variance Optimization）。 风险平价（Risk Parity）、全天候策略（All-Weather Portfolio）。 期权对冲、CPPI（Constant Proportion Portfolio Insurance）。 4. 金融市场知识与资产配置经验： 具备跨资产类别（股票、债券、商品、外汇、另类投资）的研究经验，理解各市场之间的联动性。 熟悉全球宏观对冲策略（Global Macro）、量化资产配置（Quantitative Asset Allocation）。 了解投资组合的风险管理（VaR, CVaR, Beta, 夏普比率）。 5. 量化研究与策略开发经验： 具有量化研究经验，能够构建Alpha信号、风险模型并进行回测分析。 熟悉投资组合构建的优化算法（遗传算法、粒子群优化）。 具备回测能力，能够使用Backtrader、QuantConnect、Zipline 等框架开发策略。 6.交易执行与自动化： 研究量化交易算法（VWAP、TWAP、冰山订单）用于大类资产配置的执行层面。 结合API（Interactive Brokers、Bloomberg、TradingView） 实现自动化交易和订单管理系统（OMS）。 监控交易执行效率，优化订单分配和流动性管理。