我们做技术，让投资决策有更好的依据
拾新未来是一家金融科技公司，2025 年成立于深圳。我们用工程和 AI 做三件事：从海量市场数据里识别出可解释的规律，把这些规律合成为经得起检验的候选策略，再把结论整理成基金经理可以直接判断的材料。
TenX AI is a financial technology company founded in 2025. We use engineering and AI to surface explainable market patterns, synthesise them into testable candidate strategies, and put the evidence in front of the portfolio manager in a form they can act on.
研究工作的重点是区分噪声与可解释的模式，并把证据、假设和限制交给决策者。
在价量、基本面和另类数据上开展研究，同时评估统计稳定性、解释性和适用边界，并标记尚不能充分解释的结果。
把多个研究结果组合成候选策略，并记录仓位规则、成本假设、容量估计、失效条件和关键实验步骤，便于后续复核。
在组合层面给出归因、相关性、情景分析和取舍说明，让基金经理看到"如果采纳这条候选，组合会变成什么样"。系统给材料，人做决定。
三件事跑在同一套平台上，不是三个拼起来的产品。看平台 →
{{ stageBody }}
批注：{{ stageNote }}
技术实现需要结合量化研究和风险场景。工程师愿意理解研究问题，研究员也参与讨论系统约束，团队才能做出更合适的取舍。
Good engineering choices depend on the research context, risk constraints, and clear communication across disciplines.
这些原则用于指导产品、研究和协作中的具体取舍。
从真实问题出发，持续寻找更好的解法。
尊重事实、数据和工程约束，及时修正判断。
明确假设、边界和取舍，用结果验证关键判断。
关注共同结果，主动沟通问题并推动解决。
持续扩展专业边界，理解协作伙伴的问题和约束。
平台
平台做的是一件事：把“市场上似乎有这么个规律”变成一份基金经理可以直接判断的材料——有证据、有代价、有失效条件。
对象、口径、窗口与判定标准。
数据版本、假设、对照与结果。
成本、容量、约束与失效条件。
组合变化、压力情景与关键取舍。
我们在多类数据上开展模式研究，并结合多重检验、不同市值与流动性分组，以及不同时间窗口，评估结果的稳定性。
统计结果之外，还会讨论可能的市场行为、交易对手和替代解释；证据不足时会明确标记为“存疑”，留待进一步验证。
单个模式不能直接用。合成这一步把若干模式组合起来，加上仓位规则、换手约束、真实成本假设，输出一条完整的候选策略。
候选策略的材料会说明预期表现区间、容量估计、可能的失效条件，以及和常见风格因子的相关性，供后续评估与讨论。
决策材料不仅评估单条策略，也关注它进入现有组合后的变化，包括新增暴露、与已有仓位的关系，以及不同压力情景下的组合表现。
界面重点呈现不同配置下的变化和取舍，为基金经理保留判断空间。
| 组合层面的指标 | 材料需要呈现 | 需要回答的问题 |
|---|---|---|
| 预期收益区间 | 不同配置下的变化与估计范围 | 潜在改善是否值得增加风险预算 |
| 最大回撤 | 压力情景、敏感性与尾部变化 | 不利情况下的损失是否能够承受 |
| 与现有仓位相关性 | 新增暴露、集中度与分散效果 | 候选是否提供了不同的信息来源 |
| 成本与容量 | 换手、冲击成本与承载范围 | 结论对成本和流动性假设是否敏感 |
图表仅用于说明呈现结构，不代表具体产品界面或分析结果；实际内容需要基于具体组合和使用场景生成。
垂直 Agent 用于辅助数据处理、实验编排和结果整理；具体能力、工具和权限根据研究场景配置，并保留必要的人工确认。
实验编排
结果整理与过程记录
投资建议
最终判断
平台可以通过研究工作台、API / SDK 或私有化部署接入现有研究流程。具体方式取决于使用场景、已有系统和数据边界。
我们不从事资产管理、投资顾问或交易执行。系统提供研究工具和决策材料，具体服务边界以合作协议和实际产品配置为准。
观点
这里记录我们对量化研究、工程系统和 AI 应用的一些思考，内容会持续修订。
不同意见欢迎写信：hr@ten-x-ai.com。
{{ viewTitle }}
{{ viewSub }}
{{ viewPull }}
{{ p.t }}
关于我们
拾新未来是一家为量化研究服务的金融科技公司，2025 年成立于深圳南山。
量化研究不仅涉及模型，也依赖一致的数据口径、清晰的实验记录，以及便于理解和讨论的决策材料。
工程系统可以帮助管理数据、实验和表达，但系统设计仍需要结合具体的研究问题、市场环境和风险约束。
我们的工作是把工程能力与对市场、成本和风险的理解结合起来，并持续验证其中的假设与边界。
团队以研究员和工程师为主，成员拥有量化研究、基础设施和学术研究等不同背景。
这些能力是我们评估候选人与日常协作的重要参考。看在招岗位 →
加入我们
我们目前在深圳和上海开放平台工程、量化研究和实习岗位。
招聘通常包括初步沟通、岗位相关任务、复盘和团队交流；具体环节与时间会根据岗位和候选人情况调整。
根据课题需求评估和配置资源。
在现有基础上持续设计、实现和迭代。
与研究、平台和 Agent 团队直接沟通。
入职初期获得必要的背景和协作支持。
综合考虑专业能力、协作和工作影响。
办公地点位于南山区。
可以。欢迎愿意理解量化研究场景的工程与技术背景候选人。
讲清一件你做完的事：问题、做法、结果。
可以。表现和岗位匹配时，可进入正式岗位流程。
{{ jobTitle }}
{{ p.t }}
{{ jobBuildLead }}
{{ b.t }}
{{ b.t }}
{{ jobJudgeLead }}
{{ b.t }}
如果你想过下面这些问题，我们大概聊得来。
联系我们
机构合作、岗位咨询和媒体问询可通过邮件联系。
本站不保存表单内容；点击下方按钮后，会在你的默认邮件客户端中生成一封待发送邮件。
如果邮件客户端没有打开，也可以直接写信到 hr@ten-x-ai.com。
科苑南路 3176 号 彩讯科技大厦 1801
来访请提前一天约。