未来一年内毕业的候选人，有意向一周五天全职实习至少4个月后留下转正，我们按全职储备培养，实习期间工资1.2w/月。

职位要求：

1. 具备优秀的团队合作意识与合作能力，认真踏实，注重细节，思维开放，创新意识强。
2. 习惯于系统性的，定量的描述与看待世界。对学习数理统计技术和计算机算法，并应用于复杂的实际问题有强烈的喜好。
3. 需要具有以下学科之一的本科学位：数学与应用数学，信号处理，概率统计，计量经济学，理论物理，计算机，数据科学。
4. 所学专业基础扎实，各阶段成绩优异。
5. 动手能力强，流畅使用至少一门编程语言。有数据处理经验尤佳。
6. 专业知识侧重点（至少具备其一）：

• 计算机—侧重于解决计算机问题：对计算机体系结构，操作系统，算法，网络有扎实侧重于解决计算机问题：对计算机体系结构，操作系统，算法，网络有扎实的掌握，了解的掌握，了解HPC，实时系统，掌握一门系统级编程语言，实时系统，掌握一门系统级编程语言(C, C++, Rust)
• 预测模型—侧重于解决预测模型问题：对统计学有扎实的掌握，对机器学习有系统性的学习，对神经侧重于解决预测模型问题：对统计学有扎实的掌握，对机器学习有系统性的学习，对神经网络有相当程度的理解，明晓原理，优势和局限。网络有相当程度的理解，明晓原理，优势和局限。(Python numpy, pandas, tensorflow)

工作内容：

1. 在核心员工的完善指导下，掌握量化交易的框架、系统、原理，理解模型如何在 IT，交易中落地执行。
2. 学习经典的交易策略和预测模型，尝试利用最前沿的机器学习方法进行迭代改进。
3. 在种类丰富的数据集中分析， 比对，挖掘。尝试用各种传统和创新方法构建新的资产价格模型和风险模型。
4. 获得量化交易的全局视野，有能力提出创造性的改进方案，和新颖的交易策略或交易想法。
5. 以下是一些实习生工作的样例：

• 机器学习方面— a）使用自然语言处理技术理解新闻语义，根据其语义对新闻在资产价格上的影响进行预判。b）使用深度神经网络学习市场的微观结构，资产之间的相关性，从而对资产短期价格走势或波动性进行预测。
• 期权方面—a）隐含波动率的建模和预测，在海量数据背景下，使用多种模型和技术对场内期权的隐含波动率曲线和曲面进行定量的刻画以及构建预测模型。