【公司简介】
上海量恒信息技术股份有限公司，是金融交易行业人工智能解决方案的领先者。在瞬息万变的资本市场，最大的挑战是如何准确预测市场走势，传统模型往往无法捕捉金融市场的复杂性，导致错失交易机会和风险增加。我们致力于通过为中国金融行业打造高性能人工智能驱动的基础设施来克服这些挑战。我们的人工智能解决方案，可以使严格的交易人员在监管框架内部有效地管理各种模型和数据集，使他们能够专注于更深入的研究并做出更明智的交易决策，从而产生卓越的回报。我们的核心价值观是：守正出奇，守拙利他。
【岗位概述】
我们正在寻找一位拥有 深度学习与时间序列建模 经验的 CNN-LSTM 模型工程师。该岗位将主要负责研发和优化基于 CNN-LSTM 的深度学习模型，用于价格预测和情绪分析等复杂场景。候选人不仅需要具备扎实的机器学习与自然语言处理背景，而且需深入理解传统时间序列模型（尤其是 ARIMA、SARIMA、GARCH 及其局限性），能够将先进的深度学习技术（如 FinBERT、TextBlob 等文本情感分析方法）与传统时序预测方法相结合，为实际交易策略提供数据与模型支持。
【岗位职责】
深度学习模型开发与优化
- 设计、开发并维护基于 CNN-LSTM 等混合架构的深度学习模型，用于金融市场（如三文鱼现货价格）的预测与分析
- 与 LSTM、GRU、CNN、MLP 等常见深度学习模型相互对比，不断优化模型结构与超参数（卷积核大小、LSTM 单元、学习率、Dropout 等）
- 运用 MSE、RMSE、MAE、MAPE 等指标评估模型性能，并使用 Diebold-Mariano (DM) 检验 等方法验证模型差异的统计显著性
时间序列分析与传统模型理解
- 熟练掌握 ARIMA、SARIMA、GARCH 等传统时间序列模型，理解其假设条件与适用场景，并能分析这些模型在非线性与复杂波动环境下的局限性
- 将传统模型与深度学习模型进行效果评估与基准对比，为最终决策与策略落地提供支持
- 深入理解数据分解、平稳性检验、差分处理、季节性处理等时序分析关键步骤
情感分析与多变量建模
- 基于历史价格数据与新闻文本信息进行多变量时间序列建模，挖掘情感要素对价格走势的潜在影响
- 使用 FinBERT、TextBlob 等情感分析工具提取并量化文本情感特征；探究多源数据融合后对预测性能的影响
- 熟悉数据预处理、特征提取与归一化等流程，保证多源数据输入的质量和一致性
技术创新与系统集成
- 跟踪并研究深度学习、自然语言处理等前沿技术，将最新研究成果应用于交易系统与量化策略中
- 与数据工程与运维团队合作，参与大规模数据管道与分布式系统设计，确保数据流的高并发与低延迟
- 部署并维护深度学习模型在生产环境中的服务，监控模型预测偏差、及时识别和解决异常
- 跨团队协作与技术支持
与量化研究员及交易策略团队保持密切沟通，解读模型结果并提供可解释性支持
编写、维护并完善模型设计、数据流程与关键算法的技术文档，为公司内部技术团队及外部合作方提供培训和支持
【任职要求】
教育与背景
- 计算机科学、统计学、数学、金融工程或相关专业本科及以上学历
- 在金融或量化交易领域具备项目经验者优先
技术与模型经验
- 熟练掌握 TensorFlow 或 PyTorch 等深度学习框架，具备 CNN、RNN（LSTM/GRU） 等模型的实操经验
- 了解并掌握 CNN-LSTM 混合模型在时间序列中的应用，对其优势与局限性有清晰认识
- 熟悉 ARIMA、SARIMA、GARCH 等时序模型的原理及适用性，能阐明这些传统模型在非线性高波动市场中的局限性
- 熟练使用 FinBERT、TextBlob 或其他 NLP/情感分析工具，擅长将文本情感信息整合到回归或预测模型中
编程与工具
- 精通 Python 语言与数据分析库（NumPy、Pandas、Scikit-learn 等），具备完整的数据预处理与特征工程能力
- 了解 Docker、Git 版本控制等开发运维工具，熟悉常用数据库（SQL/NoSQL）或消息队列（Kafka 等）优先
- 能够撰写高质量、可复现的项目代码并维护相关文档
综合能力
- 良好的逻辑思维与问题分析能力，能够快速定位与解决模型或系统中出现的挑战
- 具备优秀的团队协作与沟通技巧，能与量化交易、数据工程、运维等不同角色紧密配合
- 对新技术保持高度热情，积极主动学习与尝试，具备创新精神
- 对金融市场（尤其是商品或现货市场）感兴趣或有一定了解者更佳
【福利待遇】
- 可选择在国内远程办公，可达100%；
- 每年可在海外远程办公长达 25 天；
- 具竞争力的基本薪资及奖金；
- 扁平化的组织结构，融洽积极的团队氛围。
- 每年多次海外集体出游。
- 各种休闲活动（如体育运动、桌游等）。
【工作地点】
- 上海