模型工程师：金融时间序列模型与大模型微调方向
| 工作地点
全球 |
工作类型
全职- 线上线下结合办公 |
汇报对象
首席执行官 (CEO) |
| 薪酬架构
基本工资 + 绩效奖金 |
工作模式
常白班 |
招聘人数
若干 |
| 薪酬待遇
面谈 |
工作福利
周末双休 |
▎ 岗位定位：
参与公司量化模型研发体系建设，研究金融时间序列建模、市场状态识别、波动率预测、新闻事件影响分析，以及基于 OpenAI API / 企业级方案的大模型微调、评估、推理服务和模型治理。该岗位不会接触公司生产策略机密，但会参与可公开抽象层面的模型研究、数据实验、评估框架和工程化落地。
▎ 主要工作内容
- 研究金融时间序列模型，包括隐状态模型、状态空间模型、波动率模型、序列分类、异常检测和多周期市场状态识别。
- 参与构建内部模型实验框架，包括特征工程、训练样本构建、标签体系、交叉验证、walk-forward 测试、回测评估。
- 参与研究新闻、宏观经济指标、市场价格和成交行为之间的关系，构建事件驱动型研究样本。
- 参与 OpenAI 模型微调相关研发，包括数据集构建、JSONL 样本规范、提示词设计、模型评估、输出契约校验和推理服务接入。
- 设计模型输出的结构化格式，使模型结果能够被交易机器人、风控系统和交易台监控系统稳定读取。
- 参与模型 Evals，包括方向准确率、状态识别稳定性、置信度校准、延迟、错误率、回放测试、异常样本分析。
- 协助建设模型治理机制，包括模型版本管理、训练数据版本管理、评估报告、上线审批、回滚机制和审计日志。
- 与数据工程团队合作，将数据湖仓中的历史数据、新闻数据、宏观数据转化为可训练、可评估、可推理的数据集。
▎ 任职要求
- 计算机、人工智能、机器学习、统计、数学、金融工程、物理、电子工程等相关专业本科高年级 / 硕士 / 博士毕业。
- 熟悉 Python，掌握 NumPy、pandas、scikit-learn、PyTorch、JAX、TensorFlow 中至少一类工具。
- 理解机器学习基础，包括监督学习、时间序列、分类、回归、概率模型、过拟合、交叉验证和模型评估。
- 对金融市场、量化交易、市场状态识别、波动率预测或新闻事件分析有兴趣。
- 了解 LLM 基础概念，包括 prompt engineering、fine-tuning、RAG、function calling / structured outputs、Evals、模型监控者优先。
- 了解 OpenAI API、fine-tuning、企业级数据治理、安全与权限控制者优先。
- 具备严谨的实验习惯，能够记录实验配置、数据版本、模型版本和评估结果。
- 不要求已有交易经验，但要求对不确定性、风险、样本偏差和模型失效保持敏感。
▎加分项
- 有 HMM、状态空间模型、Kalman Filter、Bayesian Modeling、GARCH、HAR-RV、Transformer 时间序列模型经验。
- 有金融市场方向预测、波动率预测、事件研究、量化因子研究经验。
- 有 OpenAI fine-tuning、Evals、结构化输出、JSON schema、模型 API 服务经验。
- 有 MLflow、Weights & Biases、DVC、Hydra、Ray、SageMaker、Docker、Kubernetes 经验。
- 有论文复现、Kaggle、数学建模、量化比赛、开源项目经验。
▎岗位共同要求
- 对金融科技、量化交易、AI、数据工程或自动化系统有强烈兴趣。
- 具备良好的学习能力、工程纪律和文档习惯。
- 能够遵守公司保密制度、数据权限制度和代码安全规范。
- 能接受跨团队协作，与数据、模型、交易机器人、交易台和运维团队沟通。
- 不要求已有实盘交易经验；更看重基础能力、工程质量、学习速度和责任心 。
※ 欢迎实习生申请！
▎ 应聘方式
请将个人简历（附照片）及相关证书扫描件发送至招聘邮箱：career@utc.group
邮件标题格式：
「应聘岗位名称 – 意向工作城市 – 姓名」
▎ 面试流程包括：
- 初筛面试（线上/电话）：了解从业背景与岗位匹配度
- 实操考核：在模拟环境中完成岗位相关操作
- 终面：与首席执行官及相关负责人面谈