您将是公司交易数据价值链的核心构建者。负责设计、实施和维护交易后数据处理管线（Pipeline），确保所有历史交易、市场和账户数据的高完整性、高准确性和高可用性。您的工作直接支撑公司的财务核算、风险管理和量化研究。 1. PnL 核算与报告： - 主导开发和维护精确的盈亏（PnL）计算系统，负责日终 PnL (EOD PnL) 的最终核算，确保与外部对账单和清算数据的一致性。 - 构建自动化报告系统，生成包括历史 PnL 趋势、回撤分析、风险回报比等关键业务指标报告。 2. 合规与审计支持： - 设计和维护交易数据完整性校验工具，每日核对交易记录与经纪商对账单，确保数据零丢失、零错误。 - 负责根据监管要求，生成标准的交易报告和审计所需的历史证据链（Traceability）。 3. 交易质量分析 (TCA)： - 开发 Transaction Cost Analysis 工具，计算历史交易的滑点、冲击成本、成交均价等指标，并按经纪商、策略、合约等维度进行细致分析。 - 利用历史日志数据，对系统的 P99.9 延迟抖动进行深入研究，找出导致极端延迟的根本原因（如特定时段的 CPU 中断、网络拥堵等），并将发现反馈给核心技术团队。 4. 交易数据持久化、清洗与管理: - 数据抽取与 ETL：负责设计和维护高效的 ETL (Extract, Transform, Load) 流程，将来自 Co-location 的 Journal Files (日志文件) 中的原始数据（市场、订单、回报）同步、清洗和结构化到核心数据中心, 以文件或时间序列数据库形式加以持久化管理。 - 数据完整性校验：设计自动化工具，每日将交易记录与经纪商/交易所的对账单进行严格核对，这是确保数据可信度的关键步骤。 - Prod-Sim 结果校验：与核心技术团队协作，量化并报告实盘（Prod）和回测（Sim）结果之间的偏差，帮助定位策略或系统 Replay 逻辑中的潜在问题。 职位要求 1. 学历背景：计算机科学、数据科学、金融工程或相关理工科专业硕士及以上学历。 2. 经验要求：具备丰富的数据工程经验，至少 2 年在金融、交易或高并发系统背景下的数据处理经验。 3. 技术专长： - 精通 Python（作为主要的数据处理语言），熟悉高性能库（如 Pandas, NumPy）。 - 了解数据中间件如：Kafka - 掌握 SQL 和数据库技术，具备 Time-Series Database（如 InfluxDB, TimescaleDB，PostgreSQL）或分布式数据库（如 Cassandra, HBase）的实战经验。 - 熟悉数据 ETL 工具和流程设计。 4. 金融与业务知识： - 对交易数据有深刻理解：熟悉订单生命周期、PnL 计算原理、交易费用和清算流程。 - 具备数据驱动思维，能够将数据分析结果转化为业务优化建议。 加分项 - 了解 FIX 协议和交易 Journal File 的数据结构。 - 有开发或维护高并发、分布式数据采集系统经验。 - 熟悉云计算环境下的数据存储和处理方案。 - 了解 C++，能够阅读和理解交易系统核心模块的日志结构和数据格式。