1. 具有5年以上股票市场高频策略开发经验，包括日内T0策略和股票交易算法，独自或作为核心开发人员开发的上述策略在已在实盘中部署并运行2年以上;

2. 熟悉A股高频行情数据（逐笔/snapshot）的数据结构，能熟练使用上述数据开发高频策略量价因子

3. 熟悉交易算法的交易冲击成本评估方法

4. AI机器学习专家：

有8年以上机器学习模型研发经验（含研究生/博士在读期间的研究经验）

熟练使用至少1种主流机器学习建模工具，包括但不限于TensorFlow/Keras、PyTorch、XGBoost/LightGBM等

对于机器学习基本算法有较为深入的理解，能解释其数学原理，说明其适用场景，包括但不限于神经网络误差逆传播、Boosting、支持向量机核映射、多种聚类算法、蒙特卡洛、时序差分、策略梯度等

能够解决机器学习训练过程中遇到的常见问题，包括但不限于GPU调度、神经网络退化、超参数空间搜索、过拟合/泛化能力分析等

能熟练构建基于决策树、各类深度神经网络（DNN/CNN/LSTM/Trans等）的金融时间序列预测模型

有较好的数学基础，熟悉线性代数、最优化方法、概率论、随机过程和信息论的基础知识，能够快速阅读和理解最前沿的机器学习学术论文，判断其适用领域，并将其应用到量化策略改进中；能承担数学建模工作

5. 对于传统的多因子模型、套利模型、基于随机过程的金融时间序列建模（ARMA/GARCH/卡尔曼滤波等）方法有较为深入的了解

6. 有较强的Python编程能力