量化研究实习生（兼职/远程）

该职位来源于猎聘 关于我们 我们是一个专注于A股市场的独立量化研究团队，正在构建以「行为链」方法论为核心的多智能体（Multi-Agent）选股与风控系统，技术栈覆盖Python量化研究、LLM Agent编排、以及iFinD / AkShare等金融数据源。你将直接参与真实策略研究的一线工作。 岗位职责 1. 数据与因子研究 使用Python（AkShare / iFinD / Tushare等）采集与清洗A股行情、财务、资金流数据，协助构建和验证选股因子。 2. 策略回测与验证 参与策略回测框架的搭建与迭代，进行point-in-time数据校验、绩效归因与统计显著性检验。 3. AI辅助研究 使用LLM（DeepSeek / Claude等）构建研究工作流，包括研报摘要、舆情分析、事件驱动信号提取，并评估其可靠性。 4. 研究报告输出 定期整理个股 / 行业研究纪要，输出结构化的分析结论与数据支撑。 任职要求 一、硬性条件 1. 在读本科生或研究生，金融工程、统计、数学、计算机、经济类专业优先。 2. 每周可至少保证24小时工作时间，可远程办公，能持续合作至少6个月。 二、专业能力（满足大部分即可） 1. 扎实的统计学基础：假设检验、回归分析、时间序列，理解过拟合与样本外验证。 2. 熟练使用Python数据栈：pandas / numpy / matplotlib，会用Jupyter做探索性分析。 3. 了解量化投资基本概念：因子、回测、夏普比率、回撤、多空组合等。 4. 对AI / LLM有实际使用经验：会写Prompt、了解API调用、用过AI辅助编程或研究者优先。 5. 对A股市场有基本认知，关注过财报、资金流、板块轮动等维度者加分。 三、加分项 1. 有量化平台实盘或模拟经验（聚宽 / 米筐 / BigQuant / QMT等）。 2. 参加过数学建模、Kaggle、量化比赛并有名次。 3. 熟悉LangChain / LangGraph等Agent框架，或搭建过自动化研究流水线。 4. 有GitHub项目、个人博客或研究笔记可供展示。 实习收获 1. 真实项目经验：直接参与从数据、因子到回测的完整量化研究闭环，产出可写进简历的成果。 2. 前沿技术实践：接触LLM多智能体系统在金融研究中的实际落地，而非演示性项目。 3. 灵活工作方式：远程为主，时间弹性，以产出为导向。 工作方式与薪酬 工作方式：以远程为主，时间弹性，以产出为导向。 薪酬：300-500元/日；根据候选人背景和面试表现综合评定。 申请方式 请通过本平台直接投递简历，并准备以下材料： 1. 简历（请注明每周可投入时间）。 2. 任选其一的展示材料： a. 一份你做过的数据分析 / 量化研究作品（代码、报告、Notebook均可）； b. 或用300字回答：「你认为LLM在股票研究中最可靠和最不可靠的用途分别是什么？」 我们会在收到申请后【待填】个工作日内回复，并安排一次简短的线上面谈 + 能力评估（一道数据分析实操题）

Work arrangement
Yes