机器学习量化研究员简历模板

• 负责中高频量价因子挖掘与机器学习模型开发，构建基于LightGBM和Transformer的选股策略，年化超额收益18%，夏普比率2.3。
• 优化因子组合与风险模型，将最大回撤从12%降低至7.5%，策略容量提升至8亿元。
• 搭建自动化因子回测与监控流水线，将策略迭代周期从2周缩短至3天，支撑团队日均50+因子测试。

• 参与股票日内高频因子研究，利用订单簿数据构建深度学习预测模型，样本外IC均值0.08，胜率58%。
• 开发基于强化学习的自适应交易执行算法，降低冲击成本约15%，日均交易额提升至2亿元。

• 设计并实现基于Transformer的时序特征提取网络，融合量价与基本面因子，样本外年化超额收益22%，信息比率1.8。
• 主导特征工程与模型调优，引入注意力机制提升因子非线性表达能力，策略换手率降低30%。
• 模型上线后管理资金规模超5亿元，实盘运行6个月最大回撤控制在6%以内。

• 构建基于CNN-LSTM的订单簿中期价格预测模型，预测未来10档价格变动，准确率62%，优于基准模型8个百分点。
• 开发端到端训练与推理管道，支持每日TB级数据处理，推理延迟低于5毫秒。

研究方向：机器学习在量化投资中的应用；GPA 3.8/4.0。

主修课程：随机过程、时间序列分析、多元统计；GPA 3.7/4.0。