1. 具有5年以上股票市場高頻策略開發經驗，包括日內T0策略和股票交易算法，獨自或作為核心開發人員開發的上述策略在已在實盤中部署并運行2年以上;
2. 熟悉A股高頻行情數據（逐筆/snapshot）的數據結構，能熟練使用上述數據開發高頻策略量價因子
3. 熟悉交易算法的交易沖擊成本評估方法
4. AI機器學習專家：
有8年以上機器學習模型研發經驗（含研究生/博士在讀期間的研究經驗）
熟練使用至少1種主流機器學習建模工具，包括但不限于TensorFlow/Keras、PyTorch、XGBoost/LightGBM等
對于機器學習基本算法有較為深入的理解，能解釋其數學原理，說明其適用場景，包括但不限于神經網絡誤差逆傳播、Boosting、支持向量機核映射、多種聚類算法、蒙特卡洛、時序差分、策略梯度等
能夠解決機器學習訓練過程中遇到的常見問題，包括但不限于GPU調度、神經網絡退化、超參數空間搜索、過擬合/泛化能力分析等
能熟練構建基于決策樹、各類深度神經網絡（DNN/CNN/LSTM/Trans等）的金融時間序列預測模型
有較好的數學基礎，熟悉線性代數、最優化方法、概率論、隨機過程和信息論的基礎知識，能夠快速閱讀和理解最前沿的機器學習學術論文，判斷其適用領域，并將其應用到量化策略改進中；能承擔數學建模工作
5. 對于傳統的多因子模型、套利模型、基于隨機過程的金融時間序列建模（ARMA/GARCH/卡爾曼濾波等）方法有較為深入的了解
6. 有較強的Python編程能力