近年来，在数据和算力爆发式增长的背景下，越来越多量化机构将机器学习技术运用到量化投资中来。知名的对冲基金和银行，如文艺复兴、Two Sigma、Citadel、D.E. Shaw、JP 摩根、高盛等也在扩充自己的机器学习团队。机器学习算法从广泛的市场基础和另类数据中提取信号，并可应用于算法交易策略过程的所有步骤。
运用机器学习，交易员可以不再手动挑选变量，而是通过无监督机器学习算法来挑选出建模最优的变量。深度强化学习和神经网络可以构建一个具有认知体系的投资组合系统，通过在各种随机环境中训练，该系统能够发现长期策略。量化交易中的机器学习使用特别关注如何更有效地使用传统和另类数据，以实现更好的交易预测。
1.提升执行效率。机器学习算法擅长从高维和海量数据中寻找关联性，为交易执行决策的深层量化提供一种可能性，从而在市场冲击风险和错失交易机会而产生的机会成本风险之间寻求最优解。
2.实现α因子创建和聚合。将机器学习算法应用于交易的主要理由是获得对资本基本面、价格变动或市场状况的预测。一个策略是集成多个互为基础的机器学习算法的结果。
3.资产收益。机器学习可利用基于风险的回报特征，这些风险特征是由资产价格模式驱动的，而不是由资产类别驱动的。在这里，机器学习工具可以通过识别提供多样化收益的不相关资产，或通过将数据映射到允许其他解释的新表示来增加收益。
4.交易回测。回测是选择优秀算法交易策略的关键一步，模拟数据场景下的验证是检测算法在不同交易场景中稳定性的重要环节。使用机器学习合成数据的交叉检验是一项关键的机器学习技术，当它与适当的方法相结合以校正多重测试时，可产生可靠的样本外结果。
5.另类数据处理。在处理非结构化数据方面，人工智能技术具有独特的优势。对于网络文本数据，包括公司财报、研究报告、新闻、社交媒体数据等，人工智能可通过自然语言处理技术提取和分析关键信息，比传统机构更早识别出市场的正面和负面消息。
6.持续优化。对于标准化的参数优化工作，机器学习算法能够更加高效和主动地跟踪和改进性能，如遗传学启发的进化计算可被用于开发更好的深度学习算法，使得算法能够自主优化。
由于机器学习算法在效率和性能等方面的优势，其可以作为很好的量化交易辅助工具，并从决策、执行、验证等各方面提升量化交易算法的处理能力。在一定程度上，机器学习可以减轻人类的工作强度，但短期内不应该期望机器学习和算法来突然超越人类的能力。
非凸科技正基于 Rust 生态体系，结合机器学习和深度学习等新兴技术，构建业内领先的算法交易系统，为券商、量化私募等众多大型金融机构提供优质的技术解决方案。如果你也对机器学习感兴趣，欢迎加入我们！
公司氛围：
1.鼓励开放讨论，分享最新研究成果，碰撞技术火花；
2.鼓励对所在方向有全局眼光，学习了解工程师文化 ；
3.这里不论资历高低，不按忙碌定结果，重点结果导向；
4.诚实面对自己，不断学习，克服弱点，发展自己；
5.这里满足你的自由发挥，弹性工作制，以完成目标为前提；
6.这里有最先进的技术，最聪明的同事，让你的工作效率大大提升。
一、量化开发工程师
岗位职责：
1.设计并开发高性能，低延时的算法交易系统，研发交易模型；
2.设计并开发策略相关回测平台，并面向量化研究团队以及客户的实际需求，开发高可用的交易工具；
3.设计并开发数据处理平台，参与交易结果分析，交易系统性能分析，进行相关数据清洗、整理及相关工作。
岗位要求：
1.拥有计算机科学、数学、统计学或者相关领域本科及以上学历，国内外一流大学优先；
2.熟练掌握 Linux 操作，能熟练使用一种或多种编程语言，Rust/C++/Java/Go/python 均可；
3.具有分布式计算、自然语言处理、机器学习、平台开发、网络或者系统设计方面的经验；
4.国内外计算机/数学/物理学竞赛奖项加分；
5.对技术、软件开发和数学充满热情。
二、机器学习研究员
岗位职责：
1.参与设计开拓性的智能算法应用于交易；
2.参与构建科学、严谨的算法评测体系；
3.紧跟领域前沿，推动基础研究；
4.利用机器学习、深度学习和人工智能等方法，对历史数据进行研究、分析和统计，并从中寻找相关的趋势和规律。
岗位要求：
1.本科及以上学历，金融、物理、数学、计算机等理科背景；
2.专业基础知识扎实，熟悉机器学习（深度学习），具备创新研究能力；
3.至少熟悉一种编程语言：Rust/C++/Python/Go/Java；
4.对人工智能及量化交易有浓厚的兴趣，思考深入，自我驱动，能快速学习新鲜事物。
Base range:
实习期 600-800 元/天
转正后 30k-60k+ 年终奖 + 员工福利
工作地点：北京、上海、成都、新加坡
简历发送至：recruit@ft.tech
微信沟通：354334592
公司官网：ft.tech
邮件注明：姓名 + 岗位 + 社招/校招 + 来源