中国平安
基金组合配置研究岗
基金组合配置研究岗
发布于 大约 16 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
硕士
机器学习
统计分析
英文文献阅读
策略模型
量化投资
大类资产配置
基金组合
AI 估算 · 20k–40k
量化投研技术门槛高，平安平台大，薪资具有竞争力，硕士3年经验市场价2-4万/月。
职位详情
关于这个职位
该职位负责研究国内外大类资产配置模型、量化策略设计开发，并使用机器学习技术进行实证分析
适合具有扎实统计和编程背景、对金融量化感兴趣的专业人士
工作内容包括策略回测、模型优化及跨部门协作
最低要求
岗位要求: 1、硕士及以上学历，金融、数学、计算机等相关专业
3年及以上工作经验，有扎实的统计分析功底，快速精准的分析能力，精通Python，有机器学习经验者优先
英文好，能熟练阅读英文学术文献，愿意分享和承担责任，勇于探索与坚持创新
有基金从业资格（科目一科目二必过），有CFA、FRM证书者优先
工作职责
岗位职责: 1、研究国内外金融市场的大类资产配置模型、产品筛选模型、再平衡模型、交易策略等，并进行数量化实证分析
确立量化投资理念、数据收集与挖掘、构建策略模型
独立完成策略模型设计、开发、回测到实盘运行跟踪的全过程
与跨公司跨部门团队合作，满足个性化需求及落地
完成部门安排的其他工作
优先资格
有机器学习经验者优先
有CFA、FRM证书者优先
AI 洞察
优缺点分析
- 接触前沿量化技术和机器学习方法，技能积累快
- 背靠平安大型金融集团，资源丰富，项目实战价值高
- 工作内容兼具研究深度和业务落地，成就感强
- 团队专业，有机会与业界高手交流学习
- 量化研究压力大，策略回测和实盘结果可能存在偏差
- 需要持续学习新模型和金融工具，保持知识更新
- 行业竞争激烈，对成果产出有较高要求
- 适合热爱金融量化、具备扎实编程和统计基础、愿意持续学习并接受挑战的理工科或金融背景求职者
角色解读
- 初级量化研究员→资深量化研究员，深耕策略研发
- 转向投资经理或基金经理岗位，管理实际资金
- 向数据科学家或金融科技专家发展，融合技术与业务
- 研究全球金融市场的大类资产配置和交易策略，建立量化模型
- 收集和处理海量金融数据，构建并优化投资策略
- 独立完成策略从设计、回测到实盘运行的全流程开发
- 与跨部门团队协作，推动策略落地并满足个性化需求
- 精通Python，掌握机器学习算法及其在金融领域的应用
- 扎实的统计分析和数据挖掘能力，能快速处理复杂数据集
- 流畅阅读英文学术文献，保持对前沿技术的跟踪
- 熟悉基金从业知识，了解CFA/FRM相关框架者加分
申请策略
- 研究平安的量化业务方向和近期策略，在面试中展现匹配度
- 提前准备好一个完整的量化项目案例，包括问题、方法、结果和反思
- 突出量化相关项目经验，包括策略回测、因子分析等
- 展示Python编程能力和机器学习项目（如回归、分类、时间序列）
- 如有学术论文或竞赛获奖，务必列出
- 强调英文文献阅读能力和基金从业资格等证书
- 强化机器学习在金融中的应用，如LSTM、随机森林等模型
- 熟悉国内金融市场规则和主流量化平台（如万得、聚宽）
面试指南
- 结合理论模型和实际数据，强调风险控制和鲁棒性
- 从问题定义、数据清洗、特征工程、模型选择到评估，分步骤清晰阐述
- 突出量化思维：论据详实，逻辑严谨，并提及可能的改进方向
- 请解释CAPM模型及其局限性，并如何改进？
- 如何构建一个多因子选股模型？
- 在量化策略中，如何处理过拟合问题？
- 你用过哪些机器学习模型？在金融场景中如何选择？
- 如何回测一个交易策略，并评估其表现？
匹配度报告
64
综合匹配度
大厂量化研究岗，前沿技术栈，发展空间大，但薪资未披露且WLB不确定。
适合人群
适合追求技术成长和行业前景、并能接受较高工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利60
成长发展85
工作生活40
使命价值70
薪资福利匹配
60中等
薪资未明确披露，但基于行业和公司规模推测为市场水准，稳定性较高，福利未知。
薪资信号未披露 (20K-40K/月)
成长发展匹配
85较高
岗位涉及前沿量化技术和机器学习，技能成长性强，但JD未明确提及晋升路径或培训。
技术前沿前沿/新兴技术
技术栈Python、机器学习
业务类型ambiguous
工作生活匹配
40较低
工作模式未明确，通常量化研究压力大，WLB不确定。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
金融科技行业高速增长，但岗位对社会直接影响有限，创新程度积极。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs