牛敬业
188****2596niu****@***.com北京30男机器学习量化研究员在职北京30k-50k •带队参加全国大学生统计学竞赛，运用特征工程与集成学习构建商品期货价格预测模型，获华东赛区特等奖。
•完成金融工程双学位核心课程《算法交易与高频数据分析》，通过实践掌握订单簿建模与价差套利策略开发。
•主导实验室NLP+金融舆情项目，设计情感强度量化指标并接入实盘信号系统，在回测中实现年化收益28%。
•负责多因子选股模型的迭代升级，利用集成学习方法提升因子有效性，优化选股策略的胜率。
•搭建自动化回测框架，引入并行计算技术，将策略验证周期缩短 40%，提高研发迭代效率。
•负责历史行情的清洗与对齐，处理缺失值与异常值，确保回测结果真实反映市场环境。
•定期复盘策略表现，针对市场风格切换提出动态调整方案，维持模型在不同市况下的稳定性。
•参与衍生品量化交易系统的核心模块设计，处理毫秒级行情数据，确保交易指令的低延迟传输。
•构建基于深度强化学习的交易执行算法，有效降低大额订单的市场冲击成本。
•协同团队完成风控系统的升级，实现实时风险敞口监控，自动触发止损与熔断机制。
•输出技术文档，沉淀量化工程最佳实践，推动团队内部的技术共享与标准化建设。
•整合全市场历史交易数据，搭建高效的数据查询接口，支持多源异构数据的快速检索。
•实现基于 Pandas 的向量化回测引擎，支持多股票并行回测，显著提升回测速度。
•设计可视化的策略评估仪表盘，直观展示夏普比率、最大回撤等关键指标。
•针对特定行业板块进行策略压力测试，验证模型在极端市场情况下的鲁棒性。
•基于现代投资组合理论，设计动态资产配置算法，平衡收益与风险比例。
•引入用户风险测评数据，构建千人千面的投资组合推荐机制，提升用户满意度。
•利用蒙特卡洛模拟预测未来收益分布，辅助投资决策，提供概率化的收益预期。
•与前端团队协作，将复杂的资产模型转化为易理解的交互界面，降低用户认知门槛。
热爱数据挖掘背后的逻辑规律，习惯用代码验证直觉，对量化模型的稳健性有近乎偏执的追求。具备扎实的数学功底与工程落地能力，享受从噪声中提取 Alpha 因子的过程。在算法与金融的交叉领域持续深耕，期待用技术手段赋能投资决策，共同探索市场的不确定性。
量化策略开源:
维护GitHub开源回测框架QuantEngine，新增波动率聚类模块与动态止损机制，月活开发者突破5000人。
在雪球平台连载《CTA策略构建指南》，以MATLAB/C++混合编程案例解析因子筛选流程，累计获赞1.2万。
