# 「启元计划」2027 暑期实习｜量化开发实习生 at AXQ Capital

> China · Unspecified · Other · open. Source: https://alderhq.app/jobs/greenhouse%3Aaxq%3A5745501004 (read 2026-11-13).

## Facts (observed)

- Company: [AXQ Capital](https://alderhq.app/companies/axq-capital)
- Location text: Beijing; Beijing
- Where it can be done from (inferred): China (evidence: "Location: Beijing; Beijing")
- Posted: 2025-12-30 (318 days ago)
- First seen by alder: 2026-11-02 · last verified: 2026-11-09
- Reposted: 0 times · edited: 0 times
- Apply on the employer's site: https://job-boards.greenhouse.io/axq/jobs/5745501004
- Skills listed (inferred): Python, C++

## Pay and sponsorship

- Posted pay: not posted
- H-1B filings at this company for similar roles, FY26: 1 ([US DOL OFLC LCA disclosure data](https://www.dol.gov/agencies/eta/foreign-labor/performance))

## Description (the employer's text)

关于我们

AXQ 安贤投资 是一家全球量化投资机构。我们立足不同地域、资产类别和交易周期，持续构建多元化的投资优势。我们的策略植根于严谨的量化研究与深入的市场理解，并通过对数据、技术和人工智能的长期投入不断强化。我们汇聚来自全球顶尖高校及领先量化机构的优秀人才，倡导以好奇心、严谨精神和主人翁意识为基础的合作文化。在这里，最好的想法能够脱颖而出，每个人也能与公司共同成长。

项目概览

安贤投资2027暑期实习项目面向全球顶尖人才。作为量化开发实习生（Quantitative Developer Intern），您将师从一位经验丰富的技术专家，在其指导下参与一项完整的量化系统开发与优化项目。公司提供业界一流的技术架构、充足的计算资源以及贯穿项目全程的指导支持。您的工作内容可能涉及低延迟交易系统、实时数据处理、机器学习模型训练与预测、研究平台开发、风控系统构建或云计算架构优化等核心技术环节。项目具有明确的考核标准，您将在实习结束时向用人经理和公司合伙人展示工作成果。

实习安排

- 实习地点：北京；
- 实习时长：6 月 28 日 – 9 月 3 日（共 10 周）；
- 实习薪酬：3000 元 / 天 + 餐补；
- 住宿安排：为异地实习生按需统一安排住宿。
培训计划

- 6 月 28 – 29 日在上海开展集中培训与团建；
- 实习期间，公司将为量化研究实习生提供系列专题讲座，覆盖量化研究与投资实践的核心课题；
- 配备专属一对一带教，持续跟进项目进展与提供阶段性反馈。
留用机制

- 结项答辩评定达到 M+ 或 E 级者，即可获得全职录用；
- 优秀应届生 Offer 总包百万元以上，并安排赴纽约办公室参加培训。
岗位要求

- 国内外知名院校计算机、自然科学、工程学或金融数学本科及以上学历；
- 扎实的代码能力，熟悉 Python，了解 Go 或 C++；
- 熟悉 NumPy、Pandas 等数据处理工具；
- 有 Linux 操作系统以及 Shell 编程经验；
- 对计算机网络、数据结构和算法有深入了解；
- 有优秀的沟通协调能力，思维缜密，注重细节。
加分项

- 曾获得国际或国内数学、物理、计算机等奥林匹克竞赛奖项；
- 在校期间学业成绩优异。
如遇任何问题，请联系我们：recruiting@axqcap.com

---
Data: alder (https://alderhq.app). Cite https://alderhq.app/jobs/greenhouse%3Aaxq%3A5745501004 and the date you read it. Observed facts come from the employer's own listing; location reach, level, family and skills are inferences.