Senior Portfolio Manager / Quantitative Researcher – Intraday Trading Strategy

优缺点分析

角色解读

• 在顶级做市商积累日内策略经验，成为量化投资领域的专家
• 可向投资组合经理方向晋升，管理更大资金和团队，拓展多资产策略
• 未来可转向量化研究管理岗或跨频段策略开发，发展路径多元
• 主导日内Alpha信号研究，从分钟到小时级别的数据中挖掘交易机会，并决定优先级
• 构建和验证预测模型，设计适合日内动态的机器学习或统计模型，通过严格回测确保稳健性
• 负责投资组合构建，综合多个信号，管理日内风险敞口，优化交易成本、换手率和容量
• 端到端推动策略从研究到实盘，确保策略可交易并适应真实市场微观结构
• 扎实的统计和机器学习基础，能设计预测模型并评估其可靠性
• 熟练使用Python、Java或C++进行高效编程，能处理大规模数据集和数据管道
• 深刻理解市场微观结构，有日内策略实盘经验，能处理滑点和市场冲击
• 快速学习、团队协作和开放思维，能在高压环境下持续优化策略

申请策略

• 研究Optiver的业务重点和技术栈，体现对公司的了解
• 在面试中展示对日内策略的深入思考，用数据支持观点
• 突出日内策略的实盘业绩，如夏普比率、收益率、回撤等量化结果
• 展示从研究到上线的完整项目经历，强调原创信号和组合优化成果
• 详述编程和数据处理能力，列出具体技术栈和工具库
• 体现团队协作和快速迭代能力，可提及在自营交易公司的工作背景
• 复习统计学习、时间序列分析和因果推断等核心方法
• 强化C++或Java的性能优化能力，理解低延迟系统架构

面试指南

• 对于策略案例问题，使用STAR法则（情境、任务、行动、结果），重点量化结果
• 过拟合问题可从交叉验证、样本外测试、参数稳健性和经济逻辑多角度回答
• 换手率与成本问题，结合交易成本模型和容量分析，展现工程思维
• 描述一个你开发的日内策略，从想法到实盘的完整过程
• 你如何防止过拟合？具体使用哪些验证方法？
• 如何权衡策略的换手率和交易成本？
• 面对实盘中的滑点和市场冲击，你如何调整策略参数？
• 请用Python或C++实现一个数据结构和算法题（如滑动窗口、排序）