岗位职责： 1. 量化平台核心后端开发：使用 Python 设计、开发和优化支撑量化研究、策略回测、实盘交易、风险管理、数据服务等核心业务模块的后端系统。 2. 高性能与低延迟架构：设计和实现高并发、低延迟、高可用的分布式系统架构，满足量化交易对速度和稳定性的严苛要求。 3. 数据处理管道构建：开发高效、可靠的数据处理流水线 (ETL/ELT)，对接市场行情数据 (Tick/Level2/OrderBook)、基本面数据、另类数据等海量金融数据源，进行清洗、存储（如时序数据库）和分发。 4. API 与服务开发：为量化研究平台、交易系统、风控系统提供稳定、高效的 Python API (如 RESTful, gRPC) 和微服务。 5. 数据库设计与优化： 针对金融时序数据、大规模因子数据、交易记录等特定场景，设计和优化关系型数据库 (如 PostgreSQL，DDB) 和/或 NoSQL 数据库 (如 Redis, Cassandra, InfluxDB, ClickHouse) 的使用。 6. 系统监控与性能调优：建立完善的系统监控和告警体系，持续进行性能分析、瓶颈定位与系统调优，保障生产环境稳定运行。 7. 技术文档与协作：编写清晰的设计、开发和 API 文档；与量化研究员、交易员、运维及其他开发人员紧密协作。 任职条件： 1、应届或者工作 1-2 年；QS100优秀院校的理工科毕业生优先 2、必备编程技能： 精通 Python: 深入理解 Python 语言特性、核心库、面向对象设计和常用设计模式。有大型 Python 项目开发经验。 扎实的计算机基础： 深入理解数据结构、算法、操作系统、计算机网络、数据库原理。 后端开发基础：熟悉常用 Python Web 框架 (如 FastAPI, Flask, Django - 侧重 API 开发部分) 和异步编程 (如 asyncio)。 3. 量化/金融相关经验与技能 (高度相关)： 具备量化项目经验者优先： 有金融数据处理、量化研究平台、交易系统、风险管理系统等相关项目经验者将获得极大优势。 量化工具链熟悉度：熟练掌握 Python 在量化领域的核心工具库，如： 数据处理与分析： `pandas`, `NumPy` (必备) 日期/时间处理： `pandas.Timestamp`, `datetime` 高性能计算 (可选但加分)： `Numba`, `Cython` 数据可视化 (可选)： `Matplotlib`, `Seaborn` 金融数据理解：对金融市场数据（如行情、订单簿、Tick 数据、基本面数据）有基本了解。 数据库技能： 熟悉至少一种关系型数据库 (如 PostgreSQL, MySQL) 和一种适合金融数据场景的数据库 (如 Redis - 缓存/消息, InfluxDB/TimescaleDB - 时序数据, ClickHouse - 分析型列存)。 4. 系统与架构技能： Linux 环境：熟练在 Linux 环境下进行开发、调试和部署。 版本控制：精通 Git。 分布式与中间件：了解分布式系统基本原理，熟悉消息队列 (如 Kafka, RabbitMQ) 和 RPC 框架 (如 gRPC) 的使用。 性能优化： 具备系统性能分析和调优经验。 云服务/容器化 (加分)：了解 Docker, Kubernetes 及主流云平台 (AWS, GCP, Azure) 的基础服务。 5. 软技能与特质： 强大的逻辑思维与问题解决能力： 能够快速定位和解决复杂技术问题。 严谨细致： 对代码质量、系统稳定性和性能有较高的追求，注重细节。 强烈的责任心与自驱力： 能够在压力下独立工作并主动承担责任。 良好的沟通与团队协作精神： 能与量化研究员、交易员等非技术人员有效沟通需求。 对量化金融/技术有热情： 持续学习金融知识和技术新动态。 6、加分项 有 C /Go/Java 等高性能语言开发经验。 熟悉常用量化回测框架 (如 Backtrader, Zipline) 或交易 API (如 CTP, OES)。 具备扎实的数理统计、机器学习基础，并能在量化场景中应用。 有大规模金融数据处理或实时计算平台 (如 Flink, Spark Streaming) 开发经验。