实习生招聘 - 工作地点覆盖深圳、广州、上海、北京，要求线下实习 [1] - 简历投递截止日期为2025年4月30日 [1] - 实习时间要求每周至少3天，持续不少于3个月，优秀者有留用机会 [1] 岗位职责 - 负责数据处理、分析、统计，协助量化投资课题研究 [2] - 协助金融工程策略模型开发与跟踪 [2] - 完成小组安排的其他工作 [2] 基本要求 - 专业要求为数学、统计、物理、计算机、信息工程等理工科或金融工程，硕士或博士在读，特别优秀的大四保研生也可 [3] - 需熟练掌握Python编程语言和SQL数据库，具备优秀编程能力与规范 [3] - 要求责任心强、自我驱动，具备信息搜集、逻辑思维、分析判断、表达沟通等综合能力 [3] 加分项 - 具备扎实的金融市场基础知识，熟悉股票、债券、期货等核心概念 [4] - 数学基础好，有科研项目经历或SCI/EI论文收录 [4] - 熟悉Wind、Bloomberg等金融终端 [4] - 熟悉机器学习、深度学习，掌握PyTorch、Linux及GPU服务器开发经验 [4] - 有其他机构量化投研实习经历 [4] 简历投递 - 简历需投递至指定邮箱，PDF格式，邮件标题需按"【金融工程组】-【姓名】-【毕业学校】-【专业】"格式命名 [5] - 未按要求命名的邮件将被视为垃圾邮件 [5] - 合格候选人将在简历截止后安排笔试和面试 [5]

低空经济概述 - 低空经济是以低空空域为依托，以通用航空产业为主导，以有人及无人驾驶航空器为载体的综合性经济形态，主要产品包括无人机、eVTOL、直升机及固定翼飞机等 [1][3] - 行业概念源自美国，中国起步较晚但发展迅速，2014年亿航智能成立为首家中国企业，2023-2024年多家企业完成融资及获得国际认证 [3] - 2023年中国低空经济规模突破5000亿元，预计2030年达2万亿元，七年复合增长率22% [1][5] 政策支持与产业链 - 2023年中央经济工作会议将低空经济列为战略性新兴产业，2024年首次纳入政府工作报告，近30个省份出台相关政策 [1][5] - 产业链以飞行器为核心，上游涵盖研发设计/原材料/零部件，中游为总装集成/基础设施，下游应用包括交通/农业/物流/救援等六大领域 [6] - eVTOL成为核心增量，具备垂直起降优势，覆盖1000米以下空域多场景，相比传统固定翼飞机更适合城市应用 [8] 国证通用航空产业指数 - 指数选取50只通用航空产业相关股票，覆盖航材/飞行器制造/运营服务全产业链，国防军工权重占比近60% [9][14] - 成分股市值以中小盘为主，400亿以上权重仅4%，200-400亿占48%；板块分布主板占55%，科创板21%，创业板24% [18][22] - 自2012年基日以来累计涨幅213.03%，跑赢创业板指17.79个百分点，2024年反弹期弹性显著优于军工指数 [26][28] 富国航空ETF产品 - 航空ETF（159392）采用完全复制策略跟踪国证通用航空产业指数，管理费0.5%，托管费0.1% [33][34] - 富国基金已布局宽基/行业/跨境等多元ETF产品线，包括中证A500ETF、创业板ETF等旗舰产品 [34][35]

市场表现 - 最近5个交易日科创50指数跌0.63%，创业板指跌6.73%，大盘价值跌2.61%，大盘成长跌3.37%，上证50跌1.60%，国证2000代表的小盘跌6.29% [1] - 农林牧渔、商贸零售市场表现靠前，电力设备、通信表现靠后 [1] 风险溢价与估值水平 - 中证全指风险溢价指标2024/01/19达4.11%，为2016年以来第五次超过4%，截至2025/04/11指标为4.09%，两倍标准差边界为4.73% [1] - 中证全指PETTM分位数45%，上证50与沪深300分别为56%、43%，创业板指接近9%，中证500与中证1000分别为28%、30% [1] - 创业板指风格估值处于历史相对较低水平 [1] 技术面分析 - 深100指数技术面显示每隔3年一轮熊市后进入牛市，本轮2021年一季度开始的调整时间和空间较充足，可能进入底部向上周期 [1] 资金交易动态 - 最近5个交易日ETF资金流入2069亿元，融资盘减少约983亿元，两市日均成交15742亿元 [2] 行业主题配置 - 卷积神经网络模型当前配置主题为证券等，涉及国证证券龙头指数、中证证券公司30指数、中证全指证券公司指数等 [9][10] 主流ETF规模变化 - 该部分内容未提供具体数据，仅标题提及 [7] 权益与债券资产风险偏好跟踪 - 该部分内容未提供具体数据，仅标题提及 [12] 融资余额 - 该部分内容未提供具体数据，仅标题提及 [14] 个股收益分布统计 - 该部分内容未提供具体数据，仅标题提及 [16] 指数超卖 - 该部分内容未提供具体数据，仅标题提及 [18]

大语言模型在金融领域的应用 - 大语言模型(LLMs)凭借强大的文本理解、信息提取和推理预测能力，正在改变传统金融分析和决策方式，为投资管理、市场分析、风险控制等领域带来新机遇 [1][9] - LLMs能处理海量非结构化数据如新闻报道、社交媒体、企业财报等，帮助投资者更快获取关键信息，并具备情感分析能力识别市场情绪变化 [9] - DeepSeek系列模型基于Transformer架构，使用GQA和FlashAttention2技术优化，开发成本仅600万美元，每百万输入Tokens价格0.14美元，显著低于ChatGPT 4.0的2.50美元 [15] 基金季报行业观点定量解析方法 - 通过DeepSeekV3模型对约18000份主动型权益基金季报观点文本进行行业观点解析，样本筛选标准包括存续超5年、权益仓位超60%、规模超2亿等条件 [28] - 模型输入需加入特定提示词明确任务目标，输出格式设定为"行业名称:得分"，单次计算平均耗时10秒，总耗时约50小时处理20M输入和3M输出tokens [35][36] - 行业观点统计显示电子(58.55%)、电力设备(65.25%)、计算机(55.98%)等行业提及率最高，机械设备看多比例达91.18%，房地产看空比例54.15% [44] 行业轮动策略构建与表现 - 构建14个行业观点指标，包括看多/看空比例、关注度及其环比变化等维度，指标间相关性分析显示关注度与看多比例呈正相关(0.92) [61][62] - 测试发现基于看空比例及其环比变化的策略在熊市表现优异，而看多比例策略仅在牛市阶段跑赢行业平均 [67][71] - 结合看多比例和关注度的组合策略中，"低比例关注+低比例看多"组合表现最佳，而"高比例关注+高比例看多"组合未跑赢行业平均 [77][80] 行业关注度动态变化特征 - TMT板块关注度在2023Q1(AI概念行情)和2024Q3显著上升，电子、计算机等行业长期保持高关注度 [47] - 消费板块中食品饮料、医药生物关注度较高但呈下降趋势，纺织服装、轻工制造平均提及率不足10% [49] - 上游周期板块2021年关注度短暂上升后回落，煤炭行业因红利风格保持相对高关注度 [51] - 中游制造板块电力设备、汽车行业关注度随新能源行情波动，机械设备行业关注度稳定 [54]