主要职责：
该岗位主要面向金融组合优化场景，利用各种经典和先进的优化算法和求解器来解决A股投资权重分配问题，实现end-to-end端到端量化交易系统的核心一环。
目标求解出求解出周期轮动的投资组合权重。可能涉及的内容包括但不限于两阶段优化（将时序预测和投资权重求解联合优化），多目标优化，启发式算法系列（元启发式，生物启发式，物理启发式，量子启发式等)，动态优化，二次约束，线性约束，非线性约束，强化学习求解器，大模型求解器，可微分神经网络层求解器(如OptLayer，PortfolioNet)，物理信息网络PINN求解器，罚函数添加约束，loss改造添加自适应利普希兹条件等。
对优化算法领域应有自己的擅长之处，如精通启发式算法、熟悉并组建过RL求解器（熟悉经典DRL算法如PPO，SAC，DDPG，A2C，DQN, TRPO等）、利用大模型强化学习RLHF算法（DPO、TPO、TDPO、CPO、GSPO、GAPO、GRPO等）求解TSP、portfolio等经典组合优化场景或其他优化问题，面临过几万至百万级约束的运筹求解研究，使用过gorubi\华为天筹optiverse\杉数求解器等海内外知名求解器软件，使用过开源求解器软件，发表过运筹优化领域的论文，对经典算法的掌握如KKT、分割算法等，对高效添加约束的研究，利用优化算法解决过实际问题的如3D装箱、城市交通、运输、电力调度、供应链、金融、无人机等。运用机器学习、深度学习等技术，提升量化策略的准确性和有效性。
与量化研究团队合作，持续改进和验证量化策略模型。
职位要求：
学历：计算机科学、数据科学、数学、金融工程等相关领域硕士及以上学历，博士优先。
技术能力（有能力者优先）：
- 精通Python（必备）、C++、Java等编程语言，具有扎实的编程功底。
- 熟练使用常见的量化开发工具和框架，如Pandas、NumPy、TensorFlow、PyTorch等。
-运筹优化软件如gurobi、华为天筹、杉数求解器等
-优化领域的算法经验，具体参考上述“主要职责”
行业经验：
- 至少3年以上优化算法研发经历或实际落地的运筹优化领域工程项目。
- 对前沿优化算法有了解和追踪
-发过运筹领域论文（顶刊&顶会）者优先
-相关竞赛获奖可加分
参与过量化策略模型开发的项目经历，有稳定盈利策略的实际案例，有金融行业合规和风险管理经验者优先