Lead Financial Data Engineer

Job description

**关于我们** **安贤投资****（****AXQ Capital****）**致力于以严谨的量化研究与先进的信息技术驱动投资。我们打造科学高效的量化研究框架，构建**多市场多策略**投资体系。策略布局覆盖全球股票统计套利、A股指数增强、CTA、股票日内、期货高频等领域，在全球市场部署运行，覆盖多个地区、资产类别及交易周期。自2018年成立以来，安贤持续为海内外投资者创造长期稳健的投资回报，资产管理规模稳步增长。公司在**北京、上海、香港、纽约**设有办公室，为国内员工提供海外交流与培训机会。 **岗位使命** 作为数据平台负责人**（Head of Data Platform）**，你将向 CTO 汇报，负责公司核心金融数据系统的开发和持续建设。你将亲自参与全球多市场、多资产数据的接入、解析、清洗、校验、标准化、存储、计算和分发，建设服务于量化研究、回测、模拟交易和实盘交易的数据基础设施。你会直接面对真实且复杂的金融数据问题，包括海量历史行情、高频实时数据、参考数据、公司行动、订单与成交数据等，并持续解决数据正确性、时效性、性能、稳定性和可复现性等工程问题。我们希望你是一名优秀的软件工程师和数据工程师：既能够深入理解金融数据，也能够亲自写代码、设计数据模型、优化数据链路，并解决复杂生产环境中的问题。 **主要职责** 1. 金融数据开发 - 负责全球股票、期货及其他资产类别的数据接入和数据开发工作，亲自参与核心数据链路的设计与实现。 - 开发和维护行情数据、参考数据、公司行动、订单与成交数据、因子数据及另类数据等数据处理流程。 - 对来自交易所、券商、数据供应商及内部系统的原始数据进行解析、清洗、校验、标准化和整合，形成可靠、统一的数据集。 - 深入理解不同市场、交易所和数据源之间的数据定义与差异，处理 symbol mapping、交易日历、时区、公司行动、合约生命周期等复杂金融数据问题。 - 持续发现和解决缺失数据、异常值、重复数据、时间错位、数据修订及不同数据源不一致等问题。 - 建设高质量的数据开发工具和公共组件，提高新数据源接入和数据处理的研发效率。 2. 数据 Pipeline 与数据基础设施 - 设计、开发和维护从原始数据接入到下游消费的端到端数据 pipeline。 - 建设和优化批量及实时数据处理链路，支持大规模历史数据和高频实时数据的稳定处理。 - 负责数据存储方案、数据模型和数据组织方式的设计，支持高效的数据写入、查询、更新和历史版本管理。 - 针对大规模时序数据、高频行情和复杂查询场景持续进行性能优化。 - 建设稳定的数据服务和访问接口，使研究员和交易系统能够方便、高效地获取所需数据。 - 持续优化系统吞吐量、延迟、资源使用和运行成本。 3. 数据质量与生产可靠性 - 建立自动化的数据质量检查机制，对数据完整性、准确性、一致性和时效性进行持续监控。 - 开发数据异常检测、告警、定位和修复工具，缩短数据问题从发现到解决的时间。 - 深入排查生产环境中的复杂数据问题，包括上游数据源异常、数据延迟、pipeline failure、历史数据修订及下游结果异常。 - 建设完善的数据监控和可观测性体系，确保关键数据链路能够长期稳定运行。 - 对于核心数据问题进行 root cause analysis，并通过工程手段避免同类问题重复发生。 4. 量化研究与交易数据支持 - 与量化研究员和交易团队密切合作，理解研究、回测和实盘交易中的数据需求。 - 针对研究员实际使用场景持续改善数据 API、数据模型和开发工具，提高研究效率。 - 确保研究、回测、模拟交易和实盘交易使用的数据在定义和时间语义上保持一致。 5. 工程建设与技术演进 - 负责核心数据系统的架构设计和持续演进，但同时保持深入参与代码开发。 - 参与技术选型、代码评审、测试、部署、监控和技术文档等工程实践。 - 持续识别现有数据系统中的技术债务、性能瓶颈和稳定性风险，并推动改进。 - 负责重要数据项目的技术方案设计及落地，可以指导其他工程师完成复杂的数据开发工作。 **岗位要求** - 5 年以上软件工程、数据工程或数据基础设施相关开发经验，有复杂生产数据系统的实际建设经验。 - 具备很强的 hands-on 编程能力，能够亲自完成数据 pipeline、数据处理系统和核心基础设施的设计、编码、测试、上线及问题排查。 - 熟练使用 Python，并熟悉至少一门后端或系统编程语言，如 C++、Rust、Go、Java、Scala 等。 - 具备扎实的数据工程能力，对数据接入、ETL/ELT、数据清洗、数据校验、数据建模、数据存储及数据服务有深入理解。 - 熟悉 Linux、数据库和分布式系统，具备大规模数据处理及复杂生产环境问题排查能力。 - 熟悉批处理和实时数据处理体系，对高吞吐、低延迟、大规模时序数据处理中的常见工程问题有实际经验。 - 对数据质量高度敏感，能够主动发现数据异常，并通过系统化和自动化的方式解决问题。 - 具备良好的软件工程习惯，重视代码质量、测试、性能、可观测性、可维护性及生产系统稳定性。 - 具备良好的沟通能力，能够直接与量化研究员和交易团队合作，将复杂业务需求转化为可靠的数据系统。 - 国内外优秀院校计算机科学、数学、物理、工程、金融工程或相关专业本科及以上学历。 - **不要求团队管理经验。** **加分项** - 有量化投资、对冲基金、自营交易、做市、高频交易或其他金融科技领域的数据开发经验。 - 熟悉股票、期货等金融市场数据，对行情数据、tick/order book 数据、参考数据、公司行动、交易日历、订单和成交数据等有实际处理经验。 - 了解量化研究中的 point-in-time、look-ahead bias、survivorship bias、corporate action adjustment 等数据问题。 - 有高频行情或大规模时序数据处理经验，对延迟、吞吐、存储空间和查询性能优化有实际经验。 - 有全球多市场数据开发经验，熟悉不同交易所、数据供应商及数据格式之间的差异。 - 熟悉 Kafka、Flink、Spark、ClickHouse、KDB、PostgreSQL、Parquet、对象存储、时序数据库或类似数据技术。 - 有技术负责人、项目负责人或团队管理经验 - 熟练使用 AI 辅助编程工具，如 Claude Code、Cursor、Codex 等，并能够有效应用于日常数据开发和软件工程工作。