公司簡介：國泰海通由國泰君安與海通證券于2025年合并成立，是中國資本市場長期、持續、全面領先的綜合金融服務商。按照2024年度數據，公司總資產1.73萬億元、凈資產3429億元，資本實力位居行業第一。公司客戶基礎雄厚，分支機構遍布全國31個省市自治區，服務范圍覆蓋17個國家和地區，已形成涵蓋證券及期貨經紀、投行、自營、權益及FICC交易、信用、資產管理、公募基金管理、私募股權投資、另類投資、國際業務等諸多業務領域的綜合金融服務體系，加快打造具備國際競爭力與市場引領力的一流投資銀行。

博士后工作站簡介：作為中國金融行業高端科研人才的孵化培養平臺，我司博士后科研工作站秉承“人才是第一生產力”的人才開發理念，發掘和儲備符合我司企業文化的高端專業人才，為公司前沿業務提供更多可轉化的科研成果，為公司戰略目標的達成貢獻力量。自2015年建站以來，工作站培養在站博士后數名，分別服務于投行、債融、財富管理、研究與機構等主要業務條線及部門。

一、基本條件

1.具有良好的政治思想素質和道德水準，遵守中國法律，無違法違紀行為。年齡不超過35周歲，身體健康。

2.近三年(不早于2022年)在國內外大學獲得博士學位，或2025年應屆博士研究生，所學專業與博士后研究課題相關。

3.具備全脫產在本站從事博士后研究工作的條件。

4.具備較強的學習能力、科研能力與英語水平，具有敬業精神和團隊合作能力，能盡職盡責完成博士后研究工作；具有課題要求的相關金融或產業從業經驗者優先考慮。

二、研究選題

1.全球產業鏈變局：中國產業鏈的多重影響及全球產業布局動態演變研究

專業背景：國際貿易、產業經濟學、國際政治經濟學等專業背景

研究方向：1）貿易模式的改變將如何影響中美經濟形勢；2）新的貿易變局下，基于中美直接貿易、間接貿易的發展趨勢，討論間接貿易模式對中美以及第三方的影響；3）評估中國產業鏈在全球的地位和格局變化；4）哪些行業在關稅沖擊下，有更好的發展前景；5）中國如何更好的應對全球變局，有哪些具體方案？

2.中國上市公司市值管理效能測度與路徑優化研究——基于“一行一策”的多維動態評價模型

專業背景：掌握計量經濟學與數據建模，了解深度學習框架（如PyTorch/TensorFlow），熟練運用優化算法與仿真，熟悉案例深挖方法論，需具備管理、公共政策、計算機科學等背景

研究方向：嵌入Modigliani-Miller定理、信號傳遞理論及中國特色的政策工具理論，解析市值管理與政策非對稱性響應的內在關聯；引入管理層-投資者-監管機構三方博弈框架，量化分析市值管理策略的博弈均衡條件；結合自然語言處理（NLP）分析年報文本語調，機器學習構建行業異質性參數的預測模型；采用面板數據回歸（GMM）、DEA效率測度、LSTM神經網絡預測市值管理績效；對央國企的案例深挖，提煉“政策-市場”雙輪驅動范式；開發“行業適配性指數（IAI）”，通過客觀賦權行業關鍵指標；開發情緒分析的“投資者認知摩擦指數”。

3.中國FIC/BIC創新藥管線研究

專業背景：藥物化學、生物學等專業背景

研究方向：通過本課題的研究，梳理國內具備全球競爭力的FirstinClass/BestinClass創新藥管線，對有關上市公司、研發管線進行估值研究，并尋找對應的美股映射投資機會，提出具備全球視野的創新藥投資策略。

4.飛行汽車發展空間與長期價值

專業背景：金融學、管理科學與工程、數量經濟學等專業背景

研究方向：通過本課題的研究，對飛行汽車的市場容量、產業演進過程進行系統的梳理分析，借鑒其他產業研究的經驗，并結合飛行汽車與汽車產業交叉領域的機會，系統分析產業內部的競爭格局演變路徑、優秀企業產生的可能性。

5.深度學習在股票投資交易策略中的應用研究

專業背景：人工智能、計算機科學與技術、統計學、數學與應用數學、金融工程等專業背景

研究方向：通過本課題的研究，借鑒學術界、工業界前沿的深度學習模型，刻畫有效交易特征，在截面及時序交易場景下實現良好的預測效果，并構建具有Alpha收益的交易投資策略。

6.最優控制理論在股票投資組合、做市交易決策中的應用研究

專業背景：運籌學、控制論、數學與應用數學、計算機科學與技術、統計學、金融工程等專業背景

研究方向：通過本課題的研究，借鑒學術界最優控制理論的最新成果，使用前沿的優化算法結合機器學習模型預測、在市場行情、沖擊成本等約束下，執行最優投資策略，構造做市交易及投資組合策略。

7.人工智能賦能證券公司風險管理的關鍵技術與應用場景研究

專業背景：計算機科學與技術、人工智能、統計、數學、金融學等專業背景

研究方向：本課題研究推動人工智能技術在證券公司風險管理中的應用，通過利用大模型等技術建立動態風險識別與合規監控體系，增強市場風險、信用風險及操作風險的防控能力，確保符合監管要求與行業標準。

課題重點聚焦大模型、多智能體、模型上下文協議等前沿技術在風險管理系統中的融合路徑，深入探索人工智能在風險數據治理與智能分析、風險智能預警、同一客戶風險識別、風控流程自動生成、關鍵風險點智能識別等關鍵場景中的創新實踐，旨在構建具有前瞻性、系統性和實用性的智能風控新范式，全面提升證券公司風險管理的數字化與智能化水平。

8.基于機器學習面向特定交易場景品種的交易執行體系優化的研究

專業背景：計算機科學與技術、信息與通信工程、統計、數學、物理、金融學等專業背景

研究方向：本課題旨在研究機器算法等前沿技術在證券公司業務場景的應用路徑，踐行“AllinAI”戰略。助力國泰海通證券打造智能化、數字化、綠色化業務生態系統，提升客戶服務水平，增強公司核心競爭力，為證券行業轉型提供示范。

課題研究重點為基于機器學習的方法，在公司自研算法分析與研究的基礎上，對現有的特征工程、算法模型、交易策略、回測方法、績效分析、算法匹配與推薦方面提出系統性的優化解決方案，同時將解決方案應用到實際生產特定交易場景或品種的交易執行優化問題，并針對后續的實盤交易數據持續進行優化。特定交易場景或品種包括但不限于:高波動性股票預測模型準確率優化，日頻股票與算法的匹配擇優以及盤中調整，咨詢與輿情的事件觸發算法執行優化研究，特定時間段的固定收益交易品種交易策略優化等。

9.大模型賦能智能運維的關鍵技術與場景落地研究

專業背景：計算機科學與技術、軟件工程、人工智能、數據科學等相關專業博士畢業，具備扎實的理論基礎，博士期間研究方向與大模型技術、智能運維、知識圖譜、機器學習等領域相關者優先。

研究方向：

一、項目背景與目標

1.1項目背景

隨著企業IT系統規模的不斷擴大和復雜度的持續提升，傳統運維模式在面對海量數據處理、復雜故障定位、高效決策支持等方面逐漸顯現出局限性。大模型技術的快速發展為智能運維帶來了新的機遇，其強大的自然語言處理、知識推理和自動化決策能力，能夠有效提升運維效率、降低人力成本、增強系統穩定性。本項目旨在將大模型技術與企業智能運維體系深度融合，打造智能化、自動化的運維解決方案。

1.2項目目標

1.構建基于大模型的智能運維應用，實現基于多智能體聯動的運維數據的智能分析與自動化處理。

2.開發智能故障診斷與預測模型，實現故障的提前預警和快速定位。

3.建立運維知識管理體系，利用大模型實現知識的自動提取、整合與應用，提高知識利用率。

4.實現運維流程的自動化與智能化，減少人工干預，降低運維成本。

二、項目建設內容

2.1智能運維應用開發

1.智能風險預警：建立風險預警綜合評估模型，結合大模型對系統當前潛在的風險隱患進行分析和識別。

2.智能監控與告警：利用大模型對監控數據進行分析，實現異常檢測、告警聚合和根因分析，減少告警風暴，提高告警準確性。

3.智能故障診斷與恢復：開發智能故障診斷模型，結合CMDB配置數據和監控指標，實現故障的快速定位和解決方案推薦，并自動觸發故障恢復流程。

4.智能工單處理：實現工單的智能分類、自動派單和回復，提高工單處理效率，減少人工干預。

2.2運維知識管理系統建設

1.知識獲取與整合：利用大模型從運維文檔、故障報告、工單記錄等多源數據中自動提取知識，構建統一的運維知識庫。

2.知識檢索與推薦：開發智能知識檢索和推薦引擎，根據運維場景和用戶需求，精準推薦相關知識，提高知識的應用效率。

3.知識更新與維護：實現知識的自動更新和維護，確保知識庫的時效性和準確性。

2.3運維自動化流程構建

1.自動化運維工具集成：集成現有的自動化運維工具（如配置管理、部署發布、日志分析等），利用大模型實現工具的智能調用和流程編排。

2.智能決策支持：基于大模型的推理能力，為運維決策提供支持，如資源調度、變更風險評估等。

3.無人值守運維場景實現：構建無人值守運維場景，如自動巡檢、自動備份、自動故障分析和預案執行推薦等，提高運維的自動化水平。

10.全球資產配置建模研究

專業背景：數理統計、金融工程等專業背景

研究方向：通過本課題的研究，探索數理統計相關前沿理論方法在全球資產配置中的應用。借鑒海內外先進理論及實踐經驗，搭建與大類資產、宏觀配置相關的分析框架，并進行建模分析，為資產配置策略的研發及實現提供支持。

11.T0算法交易策略研究

專業背景：數學、統計學、物理學、人工智能、計算機科學、金融工程等相關背景

研究方向：通過本課題研究，研發適配A股市場特性的T0算法策略，為個人交易者、量化私募、高凈值客戶、大股東等各類客戶提供合規的日內收益增強工具，提升公司的股基交易量，為二級市場交易提供流動性，活躍資本市場。

12.拆單算法研究

專業背景：數學、統計學、物理學、人工智能、計算機科學、金融工程等相關背景

研究方向：通過本課題研究，構建智能拆單算法引擎，支持基金、險資、大股東等等客戶的大額下單指令進行智能拆單，幫助客戶降低沖擊成本，隱蔽交易意圖，同時優化執行價格，為客戶降低交易成本。

13.算法績效歸因及績效延續性研究

專業背景：數學、統計學、物理學、人工智能、計算機科學、金融工程等相關背景

研究方向：通過本課題研究，設計算法績效多維度歸因體系以及績效延續性評估，為客戶提供透明的策略收益來源分析（市場Beta/算法Alpha/運氣成分），幫助客戶理解算法的適用環境，以及潛在的風險，并通過績效延續性評估為公司構建算法智能路由平臺提供算法路由依據。

14.人工智能在期貨行業的價格預測和風險預測的應用研究

專業背景：金融學、金融工程、統計學、數學、計算機科學、人工智能和機器學習等專業背景

研究方向：通過本課題的研究，對人工智能在期貨的金融量化領域進行實證分析。利用大模型的語義理解能力、機器學習的預測決策能力，構建具備市場信息動態感知能力、行情價格趨勢分析能力、實時風險計算能力的自主推理決策系統。

15.生成式人工智能、智能體在期貨投研、投顧、客服等領域的能力研究和應用

專業背景：計算機科學、人工智能和機器學習、數據科學、數學與統計學等專業背景

研究方向：通過本課題的研究，對生成式人工智能、智能體在期貨投研、投顧、客服等方面的能力邊界和智商水平進行測評和分析，對由人工智能構建的數字員工進行工作能力評價，為人工智能在真實業務場景下的應用和優化提供科學依據。

16.FICC風險管理的量化研究

專業背景：近三年內獲得或即將獲得國內外知名高校金融工程、金融數學、計量金融、統計學（金融方向）、應用數學（金融方向）等相關專業的博士學位。

研究方向：構建覆蓋利率、信用、外匯、商品及衍生品的統一量化風險管理平臺。目標是實現精準計量市場風險（VaR,ES）、信用風險（CVA,PFE）、流動性風險，提升壓力測試與情景分析能力，優化高性能風險引擎，并建立智能化風險監控與報告體系，以支持FICC業務穩健發展與監管合規。

17.多資產策略的定價和模型研究

專業背景：近三年內獲得或即將獲得國內外知名高校金融工程、金融數學、計量金融、統計學（金融方向）、應用數學（金融方向）等相關專業的博士學位。

研究方向：建立標準化、自動化、可擴展的多資產模型驗證框架與平臺。目標是系統化評估定價模型、風險模型及策略模型的理論合理性、假設適用性、計算準確性與穩健性，量化模型風險，提升驗證效率與覆蓋率，并確保模型治理符合內控與監管要求（如Basel,FRTB）。

18.基于遺傳規劃與對抗性驗證的魯棒擇時量價因子挖掘及動態擇時策略研究

專業背景：金融學、數量經濟學、金融工程、計算機科學等專業背景

研究方向：

一、理論目標

1、構建動態量價因子挖掘理論框架

提出“遺傳規劃（GP）與深度學習協同進化”的因子生成范式，突破傳統靜態因子庫的局限性，融合數學表達多樣性、時序動態建模與經濟邏輯約束，實現因子自適應性演化。

建立低信噪比金融數據下的魯棒性因子評估理論，解決因子過擬合、失效邊界模糊等核心難題。

2、推動可解釋性因子研究

結合市場微觀結構理論與機器學習歸因方法，構建跨學科因子解釋體系，彌合數據驅動模型與金融學理論間的鴻溝。

二、技術目標

1、開發自動化因子挖掘系統

設計高頻量價數據的動態因子生成-驗證閉環框架，支持端到端的因子進化、噪聲過濾與策略優化。

實現跨市場（如股票、期貨）的因子泛化能力驗證，顯著提升擇時策略在極端行情中的抗風險能力。

2、解決產業核心痛點

延長量化策略生命周期，降低人工迭代成本；建立動態因子失效預警機制，應對市場機制突變。

三、報名方式

1.請申請人將簡歷發送到國泰海通證券博士后科研工作站聯系人郵箱，通過初篩的申請人將會收到應聘報名表。

2.本工作站采取“公開招收、嚴格選拔、擇優錄取”的原則，公開、公平、公正地招收博士后研究人員。本站對報名材料進行審核，審核合格者將在上海參加面試，具體時間將另行通知。

四、聯系方式

聯系人：陸老師

聯系電話：021-38031206

郵箱：postdoctor@gtht.com（郵件內容不超過10M）

報名截止時間：2025年7月4日

國泰君安證券股份有限公司博士后科研工作站

2025年6月4日

信息來源于網絡，如有變更請以原發布者為準。

來源鏈接：

https://www.job.sjtu.edu.cn/career/zpxx/view/zpxx/70824569979670528

為防止簡歷投遞丟失請抄送一份至：boshijob@126.com（郵件標題格式：應聘職位名稱+姓名+學歷+專業+中國博士人才網）