JPMorgan Chase logo
摩根大通
Quantitative Trading & Research - Quantitative Researcher for Systematic Volatility Trading – Associate / Vice President

Quantitative Trading & Research - Quantitative Researcher for Systematic Volatility Trading – Associate / Vice President

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 6.0–12.0万 · AI 参考估算
Central and Western, Hong Kong Island, Hong Kong, HK
高级经验
硕士
全职员工仅现场办公基金研究
基金研究
Backtesting
Equity Derivatives
Numpy
Risk Management
Statistics
Systematic Trading

值不值得投

76综合评分

综合评分 76

顶级投行高薪、前沿量化技术栈、高压高挑战、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

9.0万

比基金研究中位数高

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

选择面较广

基金研究 · 54 个在招

职位详情

关于这个职位

该职位隶属于摩根大通亚太区系统性波动率交易团队,主要负责开发和维护基于股票衍生品的自动化交易系统

候选人需结合定量建模与实盘交易逻辑,完成从策略研究、回测到生产部署的全生命周期管理,并与交易员及技术人员紧密协作,优化模型性能并监控实盘表现

最低要求

拥有数学、统计学、计算机科学、物理、工程或金融工程等定量学科的博士或硕士学位

具备股票衍生品或其他相关资产类别的定量研究或系统性交易经验
深刻理解期权和波动率(包括希腊字母、隐含波动率和风险),以及交易和对冲决策如何转化为盈亏
理解自动化交易系统端到端的运作方式,涵盖数据、决策逻辑、风险控制、执行和监控
具备强大的统计建模技能,能够将交易问题转化为数据和建模问题,并评估模型风险
精通 Python,熟练使用 numpy、pandas 和科学计算栈,具备良好的用于生产的代码软件工程实践
能够处理来自多个来源的大型交易和风险数据集,并得出稳健的结论
具备清晰的书面和口头沟通能力,能够解释复杂的模型、其假设及其局限性
具有务实、以所有权为导向的心态,并对看到模型在监控下的实盘交易中运行感兴趣

工作职责

与股票衍生品交易台合作,识别并提供系统性交易的机会

研究和开发用于做市、组合管理和执行的定量模型和信号
分析交易性能和交易成本,并利用结果改进模型
设计回测和模拟框架,以在现实条件下评估策略
与技术团队合作,将模型投入生产,并进行适当的监控和控制
通过校准、绩效审查和生产问题的调查来支持实盘策略
向交易、风险和技术合作伙伴清晰地传达研究成果和结果

优先资格

具有客户报价、做市或期权和权证簿组合管理的经验

具有事件驱动或有状态交易平台、消息系统、订单管理或执行系统的经验
熟悉执行算法和交易成本分析
了解 kdb+/q 或类似的时间序列数据库
具有自动化交易的風險限制、交易前控制或监管要求的经验
具有 C++、Java 或生产软件工程的经验
接触过应用于交易信号或组合管理的机器学习或优化方法

AI 洞察

优缺点分析

优点

  • 顶级投行平台,接触全球最核心的衍生品市场
  • 技术栈前沿,涉及高频/系统化交易基础设施
  • 薪酬福利极具竞争力
  • 工作强度大,对模型准确性和实时响应要求极高
  • 需要同时兼顾学术研究与工程落地,沟通成本高

缺点 / 挑战

  • 市场竞争激烈,业绩压力直接
  • 拥有顶尖高校定量学科背景,热爱编程与金融交叉领域,抗压能力强且追求高挑战高回报的专业人士

角色解读

  • 可向资深量化研究员、交易主管或投资组合经理方向发展,或在跨资产类别系统性交易领域拓展
  • 负责开发和维护股票衍生品(特别是波动率)的系统性交易策略,连接研究与实盘交易
  • 扎实的定量建模能力(统计/数学背景)、精通 Python 数据处理、深入理解期权希腊字母及波动率理论

申请策略

  • 准备具体的案例说明如何将一个学术模型转化为可运行的交易系统
  • 展现对摩根大通特定交易台业务的了解
  • 突出量化项目经历,强调 Python 工程化能力(不仅是脚本,而是生产级代码)
  • 展示对波动率曲面、Greeks 及风险控制的深度理解
  • 强化 C++ 或 Java 等高性能语言知识(加分项)
  • 熟悉 kdb+/q 时间序列数据库
  • 提升对交易执行算法和成本分析的理解

面试指南

  • 使用 STAR 法则(情境、任务、行动、结果)描述项目
  • 对于技术问题,先阐述理论基础,再结合具体代码实现细节,最后讨论风险控制和实际效果
  • 请解释 Black-Scholes 模型的假设及其在现实市场中的局限性
  • 你如何使用 Python 进行大规模历史数据的回测?如何处理过拟合?
  • 描述一次你发现模型在生产环境中失效的经历,你是如何排查和解决的?
  • 如何对冲一个动态的波动率头寸?
  • 复习随机微积分、期权定价理论和统计推断基础
  • 准备 1-2 个完整的量化项目案例,重点讲述从想法到落地的全过程

职位点评

薪资福利92
成长发展88
工作生活45
使命价值60

薪资福利

92较高

作为已上市的跨国巨头企业,提供极具竞争力的薪酬包和完善的福利体系,满足度高。

薪资信号未披露(AI估算:6.0千–12.0万/月)

成长发展

88较高

岗位涉及前沿的系统性交易和衍生品建模,技术含量高,且能与顶级交易员合作,成长空间大。

技术前沿前沿/新兴技术
技术栈Python、numpy、pandas、kdb+/q、Machine Learning、C++、Java
业务类型profit_center

工作生活

45较低

金融行业高压特性明显,虽未明确提及加班,但系统性交易岗位要求实时监控和快速响应,WLB 可能受限。

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

60中等

虽然主要服务于商业目标,但作为全球领先金融机构,其在市场流动性和风险管理方面具有正面社会影响。

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

Watch Jobs