摩根大通

Quantitative Trading & Research - Market Microstructure & High-Frequency Quantitative Researcher - Associate/ Vice President

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 8.0–15.0万 · AI 参考估算

Central and Western, Hong Kong Island, Hong Kong, HK

中级经验

硕士

全职员工仅现场办公

High-Frequency Trading

Machine Learning

Market Microstructure

Quantitative Research

Risk Management

值不值得投

72综合评分

综合评分 72

顶尖投行核心量化岗，技术前沿、薪资优厚，但工作强度高、压力较大

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

参考估算薪资

根据职位描述推断，供对比参考

发布情况

新岗位 · 今天发布

公司情况

公司还在招多个职位

4 个在招

市场机会

选择不多

1 个在招

职位详情

关于这个职位

该职位专注于市场微观结构与高频/中频量化研究，旨在构建可部署的系统化交易策略

主要职责包括分析Level 2-4订单簿数据以识别预测性结构，开发基于订单流和流动性动态的Alpha信号，以及设计、回测并实现做市与风险承担策略

候选人需具备将研究成果转化为低延迟、执行感知型生产系统的能力

最低要求

数学、统计学、物理学、计算机科学、工程学、金融工程或相关定量学科的研究生学位或同等实践经验

年以上全职高频/中频交易、电子做市或系统化执行领域的量化研究经验

深刻理解电子市场机制：订单类型、匹配引擎、队列优先级、微观结构不变量、流动性形成及市场冲击/逆向选择

有参与实盘策略开发的证据，清楚了解从研究到生产的流程，以及部署中性能退化的来源

精通Python编程与数据分析

熟练掌握C++或其他高性能语言者优先

在实验设计与评估方面表现出严谨性，能够区分具有经济意义的效应与过拟合、泄漏、乐观成交及特定制度下的伪影

工作职责

分析高频市场数据，包括Level 2以及可用的Level 3或Level 4订单簿和订单事件数据，以识别预测性结构和交易机会

基于订单流、流动性、队列动态、价格形成、跨交易所行为和短期市场响应，开发Alpha信号和交易特征

设计、回测并实施做市和风险承担策略，包括定价、订单放置、取消、队列位置管理、成交概率估算和库存控制

开发包含延迟、费用、返利、市场冲击、逆向选择和运营约束的现实研究和方法论

优化策略在信号生成、投资组合或仓位 sizing、执行和日内风险管理方面的表现

与交易员、量化开发人员、技术合作伙伴、交易所和ECN紧密合作，将策略投入生产，并利用实时表现和Markout分析改进策略

优先资格

拥有独立负责策略、管理交易账簿或领导量化研究工作流的经验

在高频率做市、短期Alpha、执行研究、多交易所路由优化或微观结构建模等领域有深厚专长

拥有固定收益、货币及商品（FICC）市场或多资产类别的经验

鼓励优秀的股票专家转型至FICC

熟悉机器学习、深度学习或强化学习在限价订单簿建模、执行或控制问题中的应用

拥有研究出版物、开源贡献或展示持续假设驱动方法的实质性内部研究成果

AI 洞察

优缺点分析

优点

处于金融科技最前沿，接触顶级流动性和复杂市场数据
平台资源雄厚，拥有强大的计算基础设施和技术团队支持
职业履历含金量高，有助于在量化金融领域建立权威地位
高频交易领域迭代迅速，需持续保持高强度的研究与创新
适合拥有顶尖高校定量学科背景、热爱编程与数学建模、且对金融市场微观结构有深刻理解的资深量化研究人员

缺点 / 挑战

对学术背景和实战经验要求极高，竞争压力大
实盘策略面临严格的合规与风险控制约束

角色解读

可向首席量化研究员、交易台负责人或投资策略总监方向发展
也可横向拓展至其他资产类别（如从股票转向FICC）或专注于AI在交易中的应用前沿
深入分析高频市场微观结构数据，挖掘订单簿中的预测性信号
开发并优化用于做市和执行的高频/中频交易系统策略
将研究成果转化为低延迟、稳健的生产级算法
扎实的数学、统计或物理背景，精通Python和C++
深刻理解电子市场机制（如匹配引擎、队列、流动性）
具备丰富的实盘策略开发与回测经验，能处理高频数据噪声

申请策略

准备详细的技术案例，说明如何克服过拟合或解决实盘部署中的延迟问题
展现对跨资产类别（特别是FICC）的兴趣和理解
突出显示已部署的实盘策略及其绩效指标（如Sharpe Ratio, Max Drawdown）
强调在Python/C++高性能编程方面的具体成就
列举在市场微观结构领域的具体研究成果或发表文章
加强C++在低延迟系统中的应用能力
深入学习机器学习在订单簿建模中的最新进展
熟悉主流交易所的规则与API接口细节

面试指南

使用STAR法则（情境、任务、行动、结果）结构化回答
重点展示逻辑推导过程、数据处理严谨性以及从失败中学习的能力
强调工程实现与理论研究的结合
请描述一个你开发并部署的高频策略，重点讲解其alpha来源和风险控制机制
如何在回测中避免前视偏差和数据泄漏？请举例说明
解释限价订单簿中的微观结构不变量及其在交易策略中的应用
如果实盘表现与回测严重偏离，你会如何排查原因？
复习市场微观结构经典理论（如Glosten-Milgrom模型）

职位点评

薪资福利85

成长发展90

工作生活40

使命价值50

薪资福利

85较高

作为上市巨头企业的核心交易部门，提供极具竞争力的薪资和完善的福利体系，符合市场对高端量化人才的薪酬预期。

薪资信号未披露（AI估算：8.0千–15.0万/月）

成长发展

90较高

职位涉及前沿的AI与市场微观结构交叉领域，提供接触顶级数据和实盘系统的机会，技术成长空间巨大。

技术前沿前沿/新兴技术

技术栈Market Microstructure、High-Frequency Trading、Python、C++、Machine Learning、Deep Learning、Reinforcement Learning

业务类型profit_center

工作生活

40较低

量化交易行业通常工作强度大、节奏快，且位于金融中心核心区，通勤可能便利但工作压力显著，WLB一般。

工作模式未明确

办公地点市区核心地段

加班情况JD含高强度暗示词

使命价值

50较低

作为金融机构的核心盈利部门，主要追求商业成功和市场效率，社会影响力相对中性，更多体现为专业领域的卓越贡献。

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

Watch Jobs