公司简介：国泰海通由国泰君安与海通证券于2025年合并成立，是中国资本市场长期、持续、全面领先的综 合金融服务商。按照2024年度数据，公司总资产1.73万亿元、净资产3429亿元，资本实力位居行业第一。公司客户基础雄厚，分支机构遍布全国31个省市自治区，服务范围覆盖17个国家和地区，已形成涵盖证券及期货经纪、投行、自营、权益及FICC交易、信用、资产管理、公募基金管理、私募股权投资、另类投资、国际业务等诸多业务领域的综合金融服务体系，加快打造具备国际竞争力与市场引领力的一流投资银行。

博士后工作站简介：作为中国金融行业高端科研人才的孵化培养平台，我司博士后科研工作站秉承“人才是第一生产力”的人才开发理念，发掘和储备符合我司企业文化的高端专业人才，为公司前沿业务提供更多可转化的科研成果，为公司战略目标的达成贡献力量。自2015年建站以来，工作站培养在站博士后数名，分别服务于投行、债融、财富管理、研究与机构等主要业务条线及部门。

一、基本条件

1.具有良好的政治思想素质和道德水准，遵守中国法律，无违法违纪行为。年龄不超过35周岁，身体健康。

2.近三年(不早于2022年)在国内外大学获得博士学位，或2025年应届博士研究生，所学专业与博士后研究课题相关。

3.具备全脱产在本站从事博士后研究工作的条件。

4.具备较强的学习能力、科研能力与英语水平，具有敬业精神和团队合作能力，能尽职尽责完成博士后研究工作；具有课题要求的相关金融或产业从业经验者优先考虑。

二、研究选题

1.全球产业链变局：中国产业链的多重影响及全球产业布局动态演变研究

专业背景：国际贸易、产业经济学、国际政治经济学等专业背景

研究方向：1）贸易模式的改变将如何影响中美经济形势；2）新的贸易变局下，基于中美直接贸易、间接贸易的发展趋势，讨论间接贸易模式对中美以及第三方的影响；3）评估中国产业链在全球的地位和格局变化；4）哪些行业在关税冲击下，有更好的发展前景；5）中国如何更好的应对全球变局，有哪些具体方案？

2.中国上市公司市值管理效能测度与路径优化研究——基于“一行一策”的多维动态评价模型

专业背景：掌握计量经济学与数据建模，了解深度学习框架（如PyTorch/TensorFlow），熟练运用优化算法与仿真，熟悉案例深挖方法论，需具备管理、公共政策、计算机科学等背景

研究方向：嵌入Modigliani-Miller定理、信号传递理论及中国特色的政策工具理论，解析市值管理与政策非对称性响应的内在关联；引入管理层-投资者-监管机构三方博弈框架，量化分析市值管理策略的博弈均衡条件；结合自然语言处理（NLP）分析年报文本语调，机器学习构建行业异质性参数的预测模型；采用面板数据回归（GMM）、DEA效率测度、LSTM神经网络预测市值管理绩效；对央国企的案例深挖，提炼“政策-市场”双轮驱动范式；开发“行业适配性指数（IAI）”，通过客观赋权行业关键指标；开发情绪分析的“投资者认知摩擦指数”。

3.中国FIC/BIC创新药管线研究

专业背景：药物化学、生物学等专业背景

研究方向：通过本课题的研究，梳理国内具备全球竞争力的FirstinClass/BestinClass创新药管线，对有关上市公司、研发管线进行估值研究，并寻找对应的美股映射投资机会，提出具备全球视野的创新药投资策略。

4.飞行汽车发展空间与长期价值

专业背景：金融学、管理科学与工程、数量经济学等专业背景

研究方向：通过本课题的研究，对飞行汽车的市场容量、产业演进过程进行系统的梳理分析，借鉴其他产业研究的经验，并结合飞行汽车与汽车产业交叉领域的机会，系统分析产业内部的竞争格局演变路径、优秀企业产生的可能性。

5.深度学习在股票投资交易策略中的应用研究

专业背景：人工智能、计算机科学与技术、统计学、数学与应用数学、金融工程等专业背景

研究方向：通过本课题的研究，借鉴学术界、工业界前沿的深度学习模型，刻画有效交易特征，在截面及时序交易场景下实现良好的预测效果，并构建具有Alpha收益的交易投资策略。

6.最优控制理论在股票投资组合、做市交易决策中的应用研究

专业背景：运筹学、控制论、数学与应用数学、计算机科学与技术、统计学、金融工程等专业背景

研究方向：通过本课题的研究，借鉴学术界最优控制理论的最新成果，使用前沿的优化算法结合机器学习模型预测、在市场行情、冲击成本等约束下，执行最优投资策略，构造做市交易及投资组合策略。

7.人工智能赋能证券公司风险管理的关键技术与应用场景研究

专业背景：计算机科学与技术、人工智能、统计、数学、金融学等专业背景

研究方向：本课题研究推动人工智能技术在证券公司风险管理中的应用，通过利用大模型等技术建立动态风险识别与合规监控体系，增强市场风险、信用风险及操作风险的防控能力，确保符合监管要求与行业标准。

课题重点聚焦大模型、多智能体、模型上下文协议等前沿技术在风险管理系统中的融合路径，深入探索人工智能在风险数据治理与智能分析、风险智能预警、同一客户风险识别、风控流程自动生成、关键风险点智能识别等关键场景中的创新实践，旨在构建具有前瞻性、系统性和实用性的智能风控新范式，全面提升证券公司风险管理的数字化与智能化水平。

8.基于机器学习面向特定交易场景品种的交易执行体系优化的研究

专业背景：计算机科学与技术、信息与通信工程、统计、数学、物理、金融学等专业背景

研究方向：本课题旨在研究机器算法等前沿技术在证券公司业务场景的应用路径，践行“AllinAI”战略。助力国泰海通证券打造智能化、数字化、绿色化业务生态系统，提升客户服务水平，增强公司核心竞争力，为证券行业转型提供示范。

课题研究重点为基于机器学习的方法，在公司自研算法分析与研究的基础上，对现有的特征工程、算法模型、交易策略、回测方法、绩效分析、算法匹配与推荐方面提出系统性的优化解决方案，同时将解决方案应用到实际生产特定交易场景或品种的交易执行优化问题，并针对后续的实盘交易数据持续进行优化。特定交易场景或品种包括但不限于:高波动性股票预测模型准确率优化，日频股票与算法的匹配择优以及盘中调整，咨询与舆情的事件触发算法执行优化研究，特定时间段的固定收益交易品种交易策略优化等。

9.大模型赋能智能运维的关键技术与场景落地研究

专业背景：计算机科学与技术、软件工程、人工智能、数据科学等相关专业博士毕业，具备扎实的理论基础，博士期间研究方向与大模型技术、智能运维、知识图谱、机器学习等领域相关者优先。

研究方向：

一、项目背景与目标

1.1项目背景

随着企业IT系统规模的不断扩大和复杂度的持续提升，传统运维模式在面对海量数据处理、复杂故障定位、高效决策支持等方面逐渐显现出局限性。大模型技术的快速发展为智能运维带来了新的机遇，其强大的自然语言处理、知识推理和自动化决策能力，能够有效提升运维效率、降低人力成本、增强系统稳定性。本项目旨在将大模型技术与企业智能运维体系深度融合，打造智能化、自动化的运维解决方案。

1.2项目目标

1.构建基于大模型的智能运维应用，实现基于多智能体联动的运维数据的智能分析与自动化处理。

2.开发智能故障诊断与预测模型，实现故障的提前预警和快速定位。

3.建立运维知识管理体系，利用大模型实现知识的自动提取、整合与应用，提高知识利用率。

4.实现运维流程的自动化与智能化，减少人工干预，降低运维成本。

二、项目建设内容

2.1智能运维应用开发

1.智能风险预警：建立风险预警综合评估模型，结合大模型对系统当前潜在的风险隐患进行分析和识别。

2.智能监控与告警：利用大模型对监控数据进行分析，实现异常检测、告警聚合和根因分析，减少告警风暴，提高告警准确性。

3.智能故障诊断与恢复：开发智能故障诊断模型，结合CMDB配置数据和监控指标，实现故障的快速定位和解决方案推荐，并自动触发故障恢复流程。

4.智能工单处理：实现工单的智能分类、自动派单和回复，提高工单处理效率，减少人工干预。

2.2运维知识管理系统建设

1.知识获取与整合：利用大模型从运维文档、故障报告、工单记录等多源数据中自动提取知识，构建统一的运维知识库。

2.知识检索与推荐：开发智能知识检索和推荐引擎，根据运维场景和用户需求，精准推荐相关知识，提高知识的应用效率。

3.知识更新与维护：实现知识的自动更新和维护，确保知识库的时效性和准确性。

2.3运维自动化流程构建

1.自动化运维工具集成：集成现有的自动化运维工具（如配置管理、部署发布、日志分析等），利用大模型实现工具的智能调用和流程编排。

2.智能决策支持：基于大模型的推理能力，为运维决策提供支持，如资源调度、变更风险评估等。

3.无人值守运维场景实现：构建无人值守运维场景，如自动巡检、自动备份、自动故障分析和预案执行推荐等，提高运维的自动化水平。

10.全球资产配置建模研究

专业背景：数理统计、金融工程等专业背景

研究方向：通过本课题的研究，探索数理统计相关前沿理论方法在全球资产配置中的应用。借鉴海内外先进理论及实践经验，搭建与大类资产、宏观配置相关的分析框架，并进行建模分析，为资产配置策略的研发及实现提供支持。

11.T0算法交易策略研究

专业背景：数学、统计学、物理学、人工智能、计算机科学、金融工程等相关背景

研究方向：通过本课题研究，研发适配A股市场特性的T0算法策略，为个人交易者、量化私募、高净值客户、大股东等各类客户提供合规的日内收益增强工具，提升公司的股基交易量，为二级市场交易提供流动性，活跃资本市场。

12.拆单算法研究

专业背景：数学、统计学、物理学、人工智能、计算机科学、金融工程等相关背景

研究方向：通过本课题研究，构建智能拆单算法引擎，支持基金、险资、大股东等等客户的大额下单指令进行智能拆单，帮助客户降低冲击成本，隐蔽交易意图，同时优化执行价格，为客户降低交易成本。

13.算法绩效归因及绩效延续性研究

专业背景：数学、统计学、物理学、人工智能、计算机科学、金融工程等相关背景

研究方向：通过本课题研究，设计算法绩效多维度归因体系以及绩效延续性评估，为客户提供透明的策略收益来源分析（市场Beta/算法Alpha/运气成分），帮助客户理解算法的适用环境，以及潜在的风险，并通过绩效延续性评估为公司构建算法智能路由平台提供算法路由依据。

14.人工智能在期货行业的价格预测和风险预测的应用研究

专业背景：金融学、金融工程、统计学、数学、计算机科学、人工智能和机器学习等专业背景

研究方向：通过本课题的研究，对人工智能在期货的金融量化领域进行实证分析。利用大模型的语义理解能力、机器学习的预测决策能力，构建具备市场信息动态感知能力、行情价格趋势分析能力、实时风险计算能力的自主推理决策系统。

15.生成式人工智能、智能体在期货投研、投顾、客服等领域的能力研究和应用

专业背景：计算机科学、人工智能和机器学习、数据科学、数学与统计学等专业背景

研究方向：通过本课题的研究，对生成式人工智能、智能体在期货投研、投顾、客服等方面的能力边界和智商水平进行测评和分析，对由人工智能构建的数字员工进行工作能力评价，为人工智能在真实业务场景下的应用和优化提供科学依据。

16.FICC风险管理的量化研究

专业背景：近三年内获得或即将获得国内外知名高校金融工程、金融数学、计量金融、统计学（金融方向）、应用数学（金融方向）等相关专业的博士学位。

研究方向：构建覆盖利率、信用、外汇、商品及衍生品的统一量化风险管理平台。目标是实现精准计量市场风险（VaR,ES）、信用风险（CVA,PFE）、流动性风险，提升压力测试与情景分析能力，优化高性能风险引擎，并建立智能化风险监控与报告体系，以支持FICC业务稳健发展与监管合规。

17.多资产策略的定价和模型研究

专业背景：近三年内获得或即将获得国内外知名高校金融工程、金融数学、计量金融、统计学（金融方向）、应用数学（金融方向）等相关专业的博士学位。

研究方向：建立标准化、自动化、可扩展的多资产模型验证框架与平台。目标是系统化评估定价模型、风险模型及策略模型的理论合理性、假设适用性、计算准确性与稳健性，量化模型风险，提升验证效率与覆盖率，并确保模型治理符合内控与监管要求（如Basel,FRTB）。

18.基于遗传规划与对抗性验证的鲁棒择时量价因子挖掘及动态择时策略研究

专业背景：金融学、数量经济学、金融工程、计算机科学等专业背景

研究方向：

一、理论目标

1、构建动态量价因子挖掘理论框架

提出“遗传规划（GP）与深度学习协同进化”的因子生成范式，突破传统静态因子库的局限性，融合数学表达多样性、时序动态建模与经济逻辑约束，实现因子自适应性演化。

建立低信噪比金融数据下的鲁棒性因子评估理论，解决因子过拟合、失效边界模糊等核心难题。

2、推动可解释性因子研究

结合市场微观结构理论与机器学习归因方法，构建跨学科因子解释体系，弥合数据驱动模型与金融学理论间的鸿沟。

二、技术目标

1、开发自动化因子挖掘系统

设计高频量价数据的动态因子生成-验证闭环框架，支持端到端的因子进化、噪声过滤与策略优化。

实现跨市场（如股票、期货）的因子泛化能力验证，显著提升择时策略在极端行情中的抗风险能力。

2、解决产业核心痛点

延长量化策略生命周期，降低人工迭代成本；建立动态因子失效预警机制，应对市场机制突变。

三、报名方式

1.请申请人将简历发送到国泰海通证券博士后科研工作站联系人邮箱，通过初筛的申请人将会收到应聘报名表。

2.本工作站采取“公开招收、严格选拔、择优录取”的原则，公开、公平、公正地招收博士后研究人员。本站对报名材料进行审核，审核合格者将在上海参加面试，具体时间将另行通知。

四、联系方式

联系人：陆老师

联系电话：021-38031206

邮箱：postdoctor@gtht.com（邮件内容不超过10M）

报名截止时间：2025年7月4日

国泰君安证券股份有限公司博士后科研工作站

2025年6月4日

信息来源于网络，如有变更请以原发布者为准。

来源链接：

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