投研工作主要包括以下岗位：

一、研究类岗位

行业研究员

职责

深入研究特定行业（如科技、消费、医药等）的发展趋势、竞争格局、政策法规影响等。例如，在科技行业研究中，需要持续关注人工智能、半导体等领域的技术突破、新企业的崛起以及行业内的并购动态。

收集和分析行业数据，包括市场规模、增长率、企业营收利润等财务数据，以及行业内的产能利用率、库存水平等运营数据。通过构建行业数据模型，预测行业未来的发展趋势。

撰写行业研究报告，为公司内部的投资决策提供依据。报告内容涵盖行业现状总结、未来发展趋势展望、投资建议等方面。

要求

具备扎实的经济学、金融学或相关专业知识。例如，了解宏观经济周期对行业的影响机制，熟悉金融市场与行业发展之间的关联。

对特定行业有浓厚的兴趣和深入的了解，能够快速掌握行业内的新技术、新模式。如研究新能源汽车行业的研究员需要对电池技术、自动驾驶技术等有深入的认识。

具有较强的数据分析能力和文字表达能力，能够从海量数据中提炼关键信息，并清晰地撰写研究报告。

宏观研究员

职责

负责研究宏观经济形势，包括国内生产总值（GDP）增长、通货膨胀率、利率水平、汇率波动等因素。例如，分析央行货币政策调整对金融市场和实体经济的影响。

监测全球宏观经济动态，研究国际经济形势对国内市场的溢出效应。如关注美国经济的复苏或衰退对中国出口企业的影响。

为投资策略提供宏观经济方面的分析支持，根据宏观经济周期的不同阶段提出资产配置建议。例如，在经济衰退期建议增加债券等固定收益类资产的配置比例。

要求

精通宏观经济学理论，熟悉各类宏观经济指标的计算方法和意义。

具备全球视野，能够及时跟踪国际主要经济体的政策变化和经济数据发布情况。

能够运用宏观经济模型进行预测分析，并且善于将宏观经济分析与具体的投资标的相结合。

公司研究员

职责

对上市公司进行深入的基本面研究，包括公司的财务状况（资产负债表、利润表、现金流量表的详细分析）、经营管理模式、核心竞争力等方面。例如，剖析一家消费类上市公司的渠道优势、品牌价值以及成本控制能力。

调研上市公司，与公司管理层、员工、客户等进行沟通交流，获取一手信息。通过参加公司的股东大会、实地参观生产车间等方式深入了解公司运营情况。

对上市公司进行估值分析，采用相对估值法（如市盈率、市净率比较）和绝对估值法（如现金流折现模型）评估公司的内在价值，为投资决策提供公司层面的依据。

要求

具备扎实的财务分析能力，能够准确解读公司财务报表中的复杂信息。

有良好的沟通能力和调研能力，能够与不同类型的人员进行有效的交流并获取有用信息。

对企业经营管理有深入的理解，能够识别企业的竞争优势和潜在风险。

二、投资类岗位

股票投资经理

职责

根据公司的投资策略和目标，在研究员的支持下构建股票投资组合。例如，在价值投资策略下，挑选被市场低估的优质股票。

对股票市场进行持续监测，及时调整投资组合。当宏观经济形势变化、行业竞争格局发生重大改变或者公司基本面出现异常时，对持有的股票进行增减仓操作。

与其他部门（如研究部门、风控部门）协作沟通，确保投资决策符合公司的整体风险偏好和投资目标。例如，在追求高收益的同时，与风控部门共同控制投资组合的波动率在可接受范围内。

要求

有多年的股票投资经验，熟悉股票市场的运行规律。

具备较强的风险控制意识，在追求投资收益的同时能够有效管理投资风险。

能够独立进行投资决策，并且能够根据市场变化及时调整投资策略。

债券投资经理

职责

研究债券市场，包括国债、金融债、企业债等各类债券的发行情况、利率走势、信用风险等。例如，分析宏观经济数据对国债利率的影响，评估企业债发行企业的信用状况。

构建和管理债券投资组合，根据利率预期和信用风险评估结果确定债券的久期、信用等级配置等。在利率下行预期下，适当增加长久期债券的投资比例。

与债券承销商、评级机构等外部机构保持联系，获取债券市场的一手信息，及时把握债券市场的投资机会。

要求

精通债券投资理论和相关法律法规，熟悉债券市场的交易规则。

具备较强的信用分析能力，能够准确评估债券的信用风险。

对利率走势有敏锐的洞察力，能够根据宏观经济形势和货币政策变化调整债券投资组合。

量化投资研究员/经理

职责

开发量化投资模型，如利用数学算法构建股票价格预测模型、风险评估模型等。例如，通过大数据分析和机器学习算法挖掘股票市场中的价格异常波动规律，构建量化选股模型。

进行量化策略的研究与优化，不断测试和改进量化投资策略在不同市场环境下的表现。例如，在市场波动加剧时，调整量化对冲策略中的参数以提高策略的有效性。

管理量化投资组合，根据量化模型的信号进行交易操作，确保投资组合符合量化投资策略的要求。

要求

具备深厚的数学、统计学和计算机科学背景，熟练掌握编程语言（如Python、C++等）。

熟悉金融市场和金融产品，能够将量化技术与金融投资实践相结合。

具备较强的数据处理能力和算法优化能力，能够快速适应市场的变化并调整量化模型。