研究助理 - 金融 AI - TINs 项目· 2026-06-01

我们正在开展一个金融人工智能专项研究，方向为 Technical Indicator Networks（TINs，技术指标神经网络） 的稳健复现与扩展验证。项目目标是将经典技术指标（如 EMA、MACD、RSI、CCI 等）重构为可微、可训练、可解释的神经网络模块，并在真实金融时间序列任务中完成严格实验与基础回测验证。 团队当前聚焦于： 金融时间序列建模 技术指标神经化与可解释建模 可验证、可复现的金融 AI 研究流程 从研究原型到策略与系统化落地的技术路线探索 适合希望进入 金融 AI / 量化研究 / 时间序列建模 / 可解释机器学习 的同学。

我们希望招募一位认真、细致、执行力强的实习研究助理，协助推进 Technical Indicator Networks（TINs） 项目的文献整理、数据处理、指标验证、实验执行、结果记录与基础回测工作。 你将参与的工作包括： 1. 金融时间序列数据整理与预处理 2. EMA / MACD / RSI / CCI 等技术指标验证 3. TINs 相关实验执行与结果记录 4. 回测支持、图表整理、文档维护 5. 这是一个偏研究执行 + 工程支持的岗位，适合希望系统接触金融 AI 研究流程的同学。

1. 本科高年级或硕士在读，计算机、人工智能、数学、统计、金融工程、数据科学等相关方向优先 2. 具备 Python 编程基础 3. 熟悉 pandas、numpy 4. 能阅读英文技术资料 5. 做事认真细致，愿意规范记录实验过程 6. 对金融 AI / 量化 / 时间序列建模有真实兴趣 6. 能保证基本响应速度与稳定交付 加分项 1. 熟悉 PyTorch / scikit-learn 2. 接触过 TA-Lib、yfinance、backtesting.py 3. 做过机器学习、量化研究、回测或金融数据分析项目 4. 有 Git / GitHub 使用经验 5. 文档整理能力较好 我们更看重 · 能把任务做完整 · 能如实记录问题与实验过程 · 能快速学习并按要求推进 · 对研究细节有耐心，不“只想挂名”