Москва
Метро: Библиотека им.ЛенинаИсследовать рыночные данные и краткосрочные закономерности, связанные с ликвидностью, исполнением, хеджированием и межплощадочными взаимодействиями.
Самостоятельно формулировать количественные гипотезы, определять подход к их проверке и выстраивать корректный дизайн экспериментов и валидации.
Работать с большими объёмами рыночных данных: находить и объединять источники, контролировать качество, синхронизировать данные и формировать необходимые признаки.
Применять ML/DL и методы последовательного принятия решений там, где они подходят для конкретной исследовательской задачи.
Оценивать стратегии в реалистичной среде с учётом рыночных условий и ограничений исполнения, проводить paper/shadow-тестирование и анализировать переход от исследований к реальной торговле.
Разрабатывать воспроизводимый исследовательский код на Python и совместно с командой доводить подтверждённые решения до production.
Практический опыт в 2–3 Quant/ML-проектах
Сильный Python и уверенная инженерная база.
Хорошее знание статистики, теории вероятностей, оптимизации и временных рядов.
Понимание temporal leakage, selection bias, uncertainty и корректной OOS-проверки.
Понимание рыночной динамики, особенностей исполнения и факторов, влияющих на результат стратегии.
Практический опыт работы с ML/DL на финансовых данных и временных рядах.
Умение самостоятельно формулировать подход к исследовательской задаче и проверять гипотезы на практике.
Общее понимание устройства и особенностей crypto-рынка.
Полная занятость.
Гибридный формат работы.
Офис в центре Москвы.