1.开拓并维护高净值客户、机构客户等各类客户资源，深入了解客户需求，提供专业的投资咨询服务； 2.积极推广公司的品牌形象和投资理念，组织各类市场推广活动，如产品路演、投资研讨会等，提升公司在市场中的知名度和影响力。 3.协助团队完成销售目标，制定销售计划和策略，跟踪销售进度，完成销售合同的签订和后续服务工作，确保客户满意度和忠诚度。 4.与客户保持密切沟通，及时解答客户关于产品的疑问，反馈客户意见和市场信息，为公司产品研发和投资决策提供参考依据。

1.负责股票投资策略的制定与实施，根据市场情况、宏观经济环境以及公司投资目标，确定股票投资组合的构建和调整方案； 2.实时监控股票投资组合的运行情况，根据市场波动和投资组合的风险收益特征，灵活调整投资策略和仓位，有效控制投资风险； 3.与研究团队密切合作，共同开展行业研究和公司调研，分享投资观点和研究成果，为投资决策提供全面支持； 4.定期撰写投资报告，向公司管理层、客户及相关机构汇报投资组合的业绩表现、投资策略以及市场分析等内容，保持良好的信息沟通与反馈。

1.负责期货 CTA 策略的研发、优化与管理，根据市场行情和投资目标，制定并执行交易策略，实现投资组合的收益目标和风险控制目标。 2.深入研究期货市场，分析宏观经济数据、行业动态以及期货品种的基本面信息，挖掘潜在的投资机会，构建多品种、多策略的CTA投资组合。 3.实时监控投资组合的运行情况，跟踪市场风险指标，及时调整投资策略和仓位，应对市场变化，确保投资组合的稳定性和风险可控性。 4.与研究团队紧密合作，共同开展策略研究和市场分析工作，分享投资观点和经验，为公司的投资决策提供支持。 5.定期撰写投资报告，向公司管理层、客户及相关机构汇报投资组合的业绩表现、风险状况以及市场分析等内容，保持良好的沟通与反馈。

1.负责股票高频交易策略的研究与开发，运用数学模型、统计学方法以及机器学习算法，挖掘市场短期的交易机会，构建和优化高频交易策略。 2.进行数据收集、清洗与分析，处理海量的股票高频数据，提取有效的特征和因子，为策略开发提供坚实的数据支持。 3.对已开发的策略进行历史回测和实时模拟交易，评估策略的盈利能力、风险控制能力和稳定性，根据评估结果进行策略的调整和优化。 4.与交易团队紧密合作，确保策略的高效执行，及时处理交易过程中出现的问题，并根据市场变化及时调整策略参数。 5.跟踪金融市场动态、行业发展趋势以及新技术应用，不断探索新的策略思路和方法，提升公司在高频量化交易领域的竞争力。

1.根据每日策略信号，用python将持仓生成订单进行交易，并按照指导进行部分品种的日内交易； 2.及时、准确地执行股票投资交易指令、跟踪完成后续的询价和交易工作，按时完成交易任务； 3.在交易中发现异常情况或出现交易差错、电脑系统故障和其他影响交易正常进行的问题时，及时向基金经理反馈信息； 4.填写交易档案并对日常交易进行总结，做好交易执行情况的反馈工作，做好各种交易数据的整理分析； 5.对IT设备进行监控、维护和故障处理； 6.学习掌握工作对应的专业技能； 7.公司安排的其他相关工作。

1.协助资深研究员进行股票高频数据的收集、清洗和预处理工作，确保数据的准确性和可用性，为策略研究提供数据支持； 2.参与股票高频量化策略的研究与开发，包括策略思路探讨、模型搭建、代码实现等基础工作； 3.运用数据分析工具和编程语言（如 Python），对历史数据进行回测和分析，协助评估策略的性能指标，如收益率、夏普比率等。 4.跟踪股票市场动态和行业前沿技术，收集相关信息并整理汇报，为研究团队提供有价值的参考资料； 5.完成领导交办的其他任务。

1.进行期货市场数据的收集、整理和分析工作，包括但不限于期货品种的历史价格数据、基本面数据、宏观经济数据等； 2.参与期货品种的研究报告撰写，负责资料收集、数据图表制作以及初稿撰写等基础工作，对期货市场走势进行分析和预测； 3.跟踪期货市场动态和行业资讯，及时整理相关信息，为研究团队提供有价值的参考资料，协助开展市场调研和专题研究； 4.协助搭建和维护期货研究数据库，确保数据的准确性和完整性，为研究工作提供数据支持； 5.完成领导交办的其他任务。

1.量化研究与策略开发： 挖掘股票 / 期货 / 期权等市场的有效因子，搭建多因子模型或 AI 驱动的预测模型（如深度学习、强化学习）。 基于 tick 级行情、基本面数据、另类数据（如舆情、产业链数据），完成数据清洗、特征工程与信号提取。 设计策略逻辑，通过 Qlib/Backtrader 等框架完成回测，验证策略有效性（明确夏普比率、收益回撤比等核心指标）。 2.实盘落地与迭代优化 对接交易系统，完成策略的工程化部署（含参数校准、交易成本控制、滑点模拟）。 跟踪实盘业绩，分析策略衰减原因，快速迭代模型（如调整因子权重、补充新数据源）。 控制策略风险，规避市场风格切换、流动性变化带来的回撤，确保策略容量与收益平衡。 3.技术支撑与工具搭建 用 Python/C++ 实现策略代码，优化回测效率（如 GPU 加速、分布式计算），维护策略代码库。 搭建数据处理工具或自动化研究平台，提升团队研究效率（如因子库管理、回测报告自动生成）。 跟踪行业前沿技术（如大模型在量化中的应用），落地创新研究方向（如行为金融、微观结构策略）。 4.团队协作与知识沉淀 与交易、风控、技术团队协作，解决策略实盘中的系统对接、合规适配等问题。 分享研究成果（如因子逻辑、模型思路），参与团队知识库建设，推动研究方法复用。 定期输出策略业绩报告，提出产品优化建议（如策略组合配置、仓位调整）。