Blog

【关于我们】

我们是一家领先的量化交易公司和流动性提供商，致力于提供卓越的风险调整后回报。通过结合全面的数学分析、广泛的金融市场知识和尖端的人工智能技术解决方案，我们的交易模型经受住了时间的考验。在系统化决策、算法执行和主动风险管理方面，我们是市场领域的先锋。我们的团队由来自顶级投资银行（如摩根士丹利/美林（美国银行）/瑞银/麦格理）的经验丰富的人才组成，以及来自伦敦政治经济学院/牛津大学/南洋理工大学/新加坡国立大学等优秀学术背景的毕业生。

 

【职责】

• 金融知识图谱设计与构建：
• 基于 节点、边、属性 的三要素设计知识图谱结构：
• 确定哪些数据作为节点（如股票、期货、期权、公司、新闻事件等基本实体）。
• 定义实体之间的关联边（如股票与期权的关系、新闻与市场波动的关系）。
• 确定属性数据的存放位置（如价格、波动率、情绪分数等属性放置在节点或边上）。
• 设计知识图谱的实时更新机制，确保节点、边及属性在市场波动中动态变化。
• 图数据库的实现与优化：
• 负责基于 Neo4j、TigerGraph、ArangoDB 或 JanusGraph 等主流图数据库的知识图谱存储设计与性能优化。
• 确保知识图谱支持高频查询、动态更新以及图计算任务。
• 知识图谱与大模型结合：
• 将知识图谱与大语言模型（如 GPT、LLM）结合，通过 RAG（Retrieval-Augmented Generation） 技术提升大模型的语义理解能力。
• 开发智能问答与趋势分析工具，从知识图谱中提取关联性强的金融洞察。
• 实时数据处理与图谱构建：
• 使用 Apache Flink 或 Kafka Streams 处理实时行情数据、期权希腊值、新闻事件等，将清洗后的数据注入知识图谱。
• 实现多源数据的融合与关联关系挖掘，确保知识图谱的实时性与准确性。
• 趋势分析与策略支持：
• 基于知识图谱挖掘市场潜在趋势和风险因子，支持量化交易策略生成和优化。
• 设计图计算算法（如图嵌入、路径分析、节点分类），揭示隐藏的市场关系。

 

【要求】

• 知识图谱相关技能：
• 熟悉知识图谱三要素（节点、边、属性）的建模方法，能够设计符合业务需求的知识图谱结构。
• 掌握实体识别、关系抽取、知识推理等关键技术，能够从结构化和非结构化数据中提取实体和关系。
• 熟悉图数据库（如 Neo4j、TigerGraph、ArangoDB 或 JanusGraph），具备优化查询性能和存储效率的能力。
• 了解 RDF、SPARQL 等知识图谱标准化技术（加分项）。
• 实时数据处理：
• 精通流处理框架（如 Apache Flink、Kafka Streams），能够处理海量实时数据并动态更新知识图谱。
• 有处理金融 tick 数据、期权希腊值和新闻事件的经验。
• 图计算与图机器学习：
• 熟悉常见图计算算法（如 PageRank、Shortest Path、GraphSAGE、Node2Vec）。
• 有图嵌入和图神经网络（如 GCN、GAT）的开发经验，用于节点分类、关系预测等任务。
• NLP 与大模型结合：
• 熟练掌握主流 NLP 框架（如 spaCy、Transformers），用于实体识别、关系抽取和情感分析。
• 熟悉大语言模型（LLM）的知识注入方法，能够结合知识图谱提升模型性能。
• 编程能力：
• 熟练掌握 Python、Java、C++ 或 Scala，具有扎实的算法与数据结构基础。
• 有分布式系统开发经验，能够处理大规模图计算任务。
• 行业经验（加分项）：
• 有金融行业背景，熟悉股票、期货、期权等金融产品及其关联关系。
• 对量化交易系统或金融数据分析有实际项目经验。
• 个人能力：
• 优秀的系统设计能力，能够从业务需求出发设计高效的技术架构。
• 良好的沟通与协作能力，能够与量化分析师和算法工程师紧密合作。

 

【福利】

• 可选择远程工作，甚至可达100%– 由您选择；每年可在国外工作长达25天。
• 具有竞争力的基本工资和奖金。
• 扁平化结构，积极的团队氛围。
• 每年多次公司海外旅行。
• 休闲活动，如体育运动、桌游等。

 

【工作地点】 中国上海/都柏林/卡尔加里