使用 Python 设计、开发和维护面向加密货币及金融市场的自动化量化交易系统。
设计、开发和实现系统化交易策略，包括趋势跟踪（Trend Following）、均值回归（Mean Reversion）、动量（Momentum）、反转（Reversal）及市场状态（Market Regime）策略。
开展量化研究，开发和评估 Alpha 因子、技术指标、市场微观结构信号及另类数据，寻找潜在交易机会。
建立完善的回测（Backtesting）及前向测试（Forward Testing）框架，评估不同市场环境、时间周期及参数组合下的策略表现。
进行统计分析、特征工程（Feature Engineering）、信号优化（Signal Optimization）及量化研究，提高策略稳定性并降低过拟合风险。
开发市场状态识别（Market Regime Detection）模型，结合波动率、成交量、未平仓合约（Open Interest）、资金费率（Funding Rate）、链上数据及统计/机器学习模型，实现动态策略调整。
设计和实施风险管理及仓位管理（Position Sizing）系统，包括波动率调整仓位、风险敞口控制、止损、止盈及最大回撤控制。
基于 Exchange API 和 WebSocket 实时行情数据开发自动化交易基础设施，实现实时行情处理、自动下单及仓位管理。
集成多个加密货币交易所及金融数据供应商，并使用 CCXT 等工具进行 API 接入及交易数据标准化。
开发可靠的订单执行及交易管理系统，包括订单状态追踪、异常处理、自动重连及交易执行监控。
构建实时及历史市场数据处理 Pipeline，处理 OHLCV、Trade、Order Book、Funding Rate、Open Interest、Liquidation 及链上数据等。
使用 PostgreSQL、TimescaleDB 和 Redis 管理高频市场数据、策略状态、缓存及交易系统持久化数据。
使用 FastAPI 和 Flask 开发后端服务及 API，为交易引擎、量化分析平台、Dashboard 及内部系统提供支持。
使用 AWS 和 Docker 部署及维护自动化交易系统，确保系统具备稳定性、可扩展性及高可用性。
使用 Pandas、NumPy、Plotly、Dash 和 Streamlit 开发量化分析及实时监控 Dashboard，用于监控策略表现、风险、仓位及交易活动。
使用 Sharpe Ratio、Sortino Ratio、Maximum Drawdown、Win Rate、Profit Factor、Volatility 和 Risk-Adjusted Return 等指标进行策略绩效及风险分析。
建立自动化的参数优化、Walk-Forward Analysis、Sensitivity Analysis 及基于 Market Regime 的策略测试流程。
将**机器学习（Machine Learning）及统计建模（Statistical Modeling）**应用于交易信号生成、市场状态分类、特征选择及自适应交易模型。
遵循良好的软件工程实践，包括模块化架构、单元测试、日志系统、Git 版本控制、CI/CD 及生产环境监控。
持续监控 Live Trading 系统，及时发现和解决交易执行异常、数据质量问题、异常市场行为及策略表现下降等问题。
与量化研究、软件工程、产品及运营团队合作，将量化交易研究成果转化为可投入生产环境的自动化交易系统。
持续研究新的市场信号、交易策略、数据源及量化技术，不断提升交易系统的稳定性、效率及风险调整后收益。

1份Java工作在Bangsar - November 2026

管理提醒

高级软件工程师