Watch Jobs
JPMorgan Chase logo
摩根大通
Quantitative Trading & Research - Quantitative Developer - Associate
立即应聘

Quantitative Trading & Research - Quantitative Developer - Associate

发布于 1 天前

普通员工/个人贡献者

AI 估算 · 4.5–8.0万 · AI 参考估算
Central and Western, Hong Kong Island, Hong Kong, HK
中级经验
本科
全职员工仅现场办公AI算法
AI算法
低延迟系统
分布式系统
性能优化
机器学习工程
量化交易
金融工程

值不值得投

79综合评分

综合评分 79

顶级投行量化团队，前沿AI与低延迟技术结合，高薪高挑战，WLB一般

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。

薪资怎么样

6.3万

比AI算法中位数高

发布情况

新岗位 · 昨天发布

公司情况

公司还在招多个职位

4 个在招

市场机会

选择面较广

AI算法 · 约 460 个在招

职位详情

关于这个职位

该职位是摩根大通量化交易与研究（QTR）团队下的量化开发工程师，主要负责构建支持AI驱动系统性交易的研发与生产基础设施

候选人需结合量化研究、低延迟工程与机器学习技术，设计高性能市场数据组件、C++服务及ML模型部署流水线，将研究原型转化为稳定、低延迟的生产策略系统

最低要求

计算机科学、工程、数学或相关技术领域的学士、硕士或博士学位（或同等专业经验）

年以上软件工程、量化开发、低延迟系统或ML基础设施方面的专业经验
精通现代C++：数据结构、并发、内存管理、性能剖析和生产调试
熟练掌握Python，并有为量化研究人员或其他数据密集型应用构建软件的经验
对分布式系统、测试、软件设计、可靠性以及端到端运营生产服务有扎实的理解
能够证明拥有从设计到部署、监控及事件解决的绩效关键系统的经验

工作职责

为系统性交易设计并构建高性能的市场数据、特征计算、回测、模拟、模型服务、执行和监控组件

开发可靠的低延迟C++服务和API，将量化模型与实时市场数据、定价、风险控制和订单管理系统集成
构建可扩展的数据和研究流水线，支持细粒度的历史数据、可重复的实验、分布式计算和快速策略迭代
优化关键路径的吞吐量、尾部延迟、内存效率、弹性和确定性行为
使用剖析和测量来指导工程决策
实现机器学习模型的生产化，包括训练工作流、模型版本控制、实时推理、部署自动化、可观察性和回滚控制

优先资格

具有电子交易架构经验：交易所连接、市场数据标准化、订单管理、盘前风控或执行系统

了解Linux性能工程：内核/网络调优、无锁编程、硬件感知优化或FPGA相关系统
具有ML/数据工具经验，如PyTorch、JAX、CUDA、GPU集群、Ray、Kafka、Kubernetes、Spark或类似技术
理解市场微观结构、回测陷阱、交易成本以及实时量化策略的运营需求
在运营实时系统的环境中工作过（如对冲基金、自营交易公司、做市商、交易所或金融机构）

AI 洞察

优缺点分析

优点

  • 摩根大通的平台资源雄厚，能处理海量高频数据
  • 薪酬福利极具竞争力，职业背书价值高
  • 需要同时兼顾工程实现与金融业务逻辑，知识跨度大
  • 市场竞争激烈，对候选人的底层技术功底要求严苛
  • 适合热爱底层技术优化、对金融市场感兴趣、具备极强逻辑思维和问题解决能力的资深软件工程师

缺点 / 挑战

  • 接触最前沿的AI与量化交易技术栈，技术挑战性强
  • 对代码性能和稳定性要求极高，容错率低，工作压力大

角色解读

  • 技术专家路线：成为低延迟系统或ML基础设施领域的首席工程师
  • 量化研究转型：深入理解交易逻辑后，向量化研究员（Quant Researcher）方向发展
  • 架构师路线：负责整个交易技术平台的整体架构设计和演进
  • 构建和维护支持AI驱动交易系统的高性能后端基础设施
  • 使用C++和Python开发低延迟数据处理、回测引擎和模型部署服务
  • 优化系统性能，确保在高并发和市场波动下的稳定性和确定性
  • 与量化研究员合作，将学术原型转化为生产级交易策略
  • 精通现代C++（C++17/20），具备深厚的并发编程和内存管理经验
  • 熟练掌握Python，用于数据分析和快速原型开发
  • 熟悉分布式系统架构、Linux性能调优及机器学习工程化流程
  • 了解金融市场基础知识，特别是系统性交易、市场微观结构和订单执行逻辑

申请策略

  • 准备具体的性能优化案例，使用数据证明你的优化效果（如延迟降低多少ms，吞吐量提升多少%）
  • 展现你对‘确定性’和‘可靠性’在交易系统中重要性的理解
  • 突出C++高性能编程项目，强调低延迟、高并发场景下的优化成果
  • 展示ML模型部署或大规模数据处理 pipeline 的建设经验
  • 如有金融或量化相关背景，务必重点描述，体现业务理解力
  • 复习操作系统原理，特别是进程间通信、内存管理和网络编程
  • 学习主流机器学习框架的工程化部署（如TensorRT, ONNX Runtime）
  • 了解基本的金融市场产品和交易机制

面试指南

  • 使用STAR法则（情境、任务、行动、结果）回答行为面试题
  • 技术问题要深入底层，从操作系统、编译器优化角度解释原因
  • 对于系统设计题，先明确约束条件（延迟、吞吐、一致性），再逐步展开架构
  • 请描述一个你优化的最复杂的C++系统，遇到了什么瓶颈，如何解决的？
  • 如何在保证低延迟的同时实现多线程安全？
  • 解释一下虚拟内存、缓存命中率对程序性能的影响
  • 如果让你设计一个实时行情数据处理管道，你会考虑哪些因素？
  • 你对机器学习模型在生产环境中的部署和监控有什么经验？

职位点评

薪资福利85
成长发展90
工作生活60
使命价值70

薪资福利

85较高

摩根大通作为全球顶级投行，提供具有市场竞争力的薪资和完善的福利体系，符合高薪追求者的期望。

薪资信号偏高 (4.5千–8.0万/月)

成长发展

90较高

职位涉及AI、低延迟工程和量化交易的交叉领域，技术前沿且成长空间巨大，非常适合追求技术深度的开发者。

技术前沿前沿/新兴技术
技术栈C++、Python、Machine Learning、Low-latency、Distributed Systems、AI、Quantitative Trading
业务类型profit_center

工作生活

60中等

金融行业尤其是量化交易部门通常工作强度较大，虽未明确提及加班，但‘低延迟’和‘生产环境’的要求暗示了较高的责任压力和可能的非标准工作时间。

工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）

使命价值

70中等

虽然主要目标是商业盈利，但通过推动AI技术在金融领域的应用，间接提升了市场效率和透明度，具有一定的行业影响力。

行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术

摩根大通 的其他在招职位

相似职位推荐

Industrial Engineering ES

德科斯米尔 · 沈阳市
AI 估算 · 2.0–3.5万11 小时前发布

研究型实习生-长上下文音频理解与生成统一模型研究

阿里巴巴 · 杭州市
AI 估算 · 4.0–6.0千11 小时前发布

阿里ATH-算法工程师-AI搜

阿里巴巴 · 北京市
AI 估算 · 3.0–6.0万11 小时前发布

研究型实习生-阿里妈妈-算法工程师（生成式推荐算法研究方向）

阿里巴巴 · 杭州市
AI 估算 · 4.0–6.0千11 小时前发布

智能体化多模态生成模型研究：从系统设计到实践应用-阿里星/C-Star

阿里巴巴 · 杭州市
AI 估算 · 4.0–8.0万11 小时前发布

阿里健康-Agent 开发工程师-北京

阿里巴巴 · 北京市
AI 估算 · 4.0–8.0万11 小时前发布

阿里妈妈-AI Agent优化工程师-AICRM

阿里巴巴 · 杭州市
AI 估算 · 3.5–6.0万11 小时前发布

千问事业部-AI搜索算法专家-杭州/北京

阿里巴巴 · 杭州市
AI 估算 · 6.0–10.0万11 小时前发布
Watch Jobs