我们是一家领先的全球量化交易企业和流动性提供商,致力于提供卓越的风险调整后回报。通过结合全面的数学分析、丰富的金融市场知识以及尖端的人工智能技术解决方案,我们的交易模型经受住了时间的考验。我们是系统化决策、算法执行和主动风险管理领域的先驱。我们的团队由来自顶级投资银行的资深专业人士和拥有知名学府背景的毕业生组成。
在瞬息万变的资本市场中,端到端智能模型闭环是交易盈利的基石。我们构建了一个从多源实时数据采集与清洗、Vector/Graph RAG 混合检索,到结构化模型推理、自动化训练流水线、CI/CD 驱动的模型自动化部署与滚动升级的全流程平台,通过 NLP、深度学习、强化学习、时间序列和风险管理等前沿技术,不断提升对复杂市场的洞察力和执行力,确保交易分析与决策始终保持领先。
【职责范围】
1.实时新闻数据接入与预处理
-
接入不同新闻数据源,通过 Kafka订阅消费JSON新闻流;
-
实现多语言文本清洗(去标签、特殊符号、统一编码)、重复与异常数据过滤,以及实时翻译流程 ;
-
Bloomberg BERT 模型微调
-
基于 BQuant 平台的 Bloomberg BERT,对新闻数据构建监督语料(正面/中性/负面 + 置信度标签);
-
设计多任务损失(分类 + 回归),调优学习率、批量大小、训练轮次,确保模型对金融术语与情感细微度敏感 ;
3.情绪分数与指数计算
-
对微调模型输出的情感分类及置信度,应用转换公式生成单篇新闻情绪分数;
-
设计加权与平滑算法,将每分钟情绪分数通过新闻热度、来源权重、发布时间加权聚合,生成 0–100 的市场情绪指数;
-
根据经验阈值划分“恐慌”、“中性”、“平静”区间,并在模型平台定期校正阈值 ;
4.低延迟推理服务部署
-
将微调模型封装为 GPU Pod 中的 gRPC/REST 推理服务,确保每分钟内完成聚合推理任务;
-
与 Data Ingestion Orchestrator、Kafka、Redis、Elasticsearch 集成,实现端到端低于60s的实时传输与下发;
5.监控与性能优化
-
在 Prometheus/Grafana 中配置训练 & 推理性能指标(Latency、Throughput、Resource Utilization),建立监控和告警;
-
分析并优化 CPU、内存、PCIe、网络与 FPGA/ASIC 资源瓶颈。
6.文档与知识传承
-
撰写模型研发手册、数据管道和模型推理服务文档;
-
对交易前台团队开展培训与分享,提升整体协作效率。
【职位要求】
-
硕士及以上学历,计算机科学、NLP、计算语言学、金融工程相关专业;
-
3 年及以上 BERT 及 Transformer 系列模型微调与生产部署经验,具备金融领域情感分析实战;
-
熟练掌握 Python、PyTorch 或 TensorFlow,精通 Huggingface Transformers;
-
深入理解文本预处理、多语言翻译流程及高效正则清洗技术;
-
具备 Kafka、Redis、Elasticsearch 、S3等数据管道集成经验;
-
熟悉 K8s、Docker 容器化及 Helm 部署,熟悉GPU资源调度,具备 CI/CD 实践经验;
-
优秀的故障排查与 on-call 响应能力,良好的跨团队沟通与文档撰写能力;
-
具备高度的责任心,愿意签署严格的保密协议并履行保密义务;
-
英语听说读写能力强者优先,可快速定位国际化组件文档与技术社区资源者优先,可适应海外公司轮派常驻者优先。
【福利待遇】
-
具有竞争力的基本薪资与绩效奖金;
-
扁平化管理体系与充满活力的创新团队文化;
-
每年多次海外差旅及专项培训机会;
-
五险一金、带薪年假、年度健康体检、团建活动等完善福利。
【工作地点】
上海、深圳、新加坡、旧金山
如有意向可将简历发至Careers@liangheng.top,请在邮件标题处注明: 姓名+申请职位