- Страна
- Гонконг
Cubist Quantitative Researcher
Оценка ИИИсключительная возможность для старта карьеры в топовом хедж-фонде с доступом к уникальным данным и обучению. Высокий престиж компании и глобальное присутствие компенсируют отсутствие указанной зарплаты в объявлении.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена строгими требованиями к математической подготовке и навыкам программирования. Несмотря на начальный уровень (Entry-Level), отбор в такие хедж-фонды, как Point72, крайне конкурентен и включает многоэтапные технические тесты.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиций начального уровня в количественных исследованиях в таких глобальных хабах, как Гонконг или Лондон, предлагаемая зарплата обычно находится в верхнем дециле рынка, часто дополняясь значительными бонусами по результатам работы. Данная роль соответствует стандартам ведущих Tier-1 фондов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
ABOUT CUBIST
Cubist Systematic Strategies, an affiliate of Point72, deploys systematic, computer-driven trading strategies across multiple liquid asset classes, including equities, futures and foreign exchange. The core of our effort is rigorous research into a wide range of market anomalies, fueled by our unparalleled access to a wide range of publicly available data sources.
ROLE
Entry-Level Quantitative Researchers are responsible for conducting rigorous quantitative research with a focus on predictive models. You will be trained in all aspects of systematic trading from idea generation all the way to practical trading considerations. Successful hires will ultimately become thought leaders within our collaborative research group.
RESPONSIBILITIES
- Conduct original quantitative alpha signal research
- Follow, digest and analyze the latest academic research
- Manage all aspects of the research process, including idea generation, data analysis, hypothesis development and testing, alpha discovery, trading strategy generation, backtesting and portfolio analysis
- Build analytical tools to supplement our shared research framework
REQUIRMENTS
- B.S., M.S. or PhD in finance, economics, mathematics, statistics, data science, computer science, or other quantitative discipline.
- Programming in Python (or comparable language) and working knowledge of SQL
- Strong analytical and quantitative skills.
- Willingness to take ownership of his/her work.
- Ability to work both independently and collaboratively within a team.
- Strong desire to deliver high quality results in a timely fashion.
- Detail-oriented.
- Prior experience in the financial services industry is not required.
- A commitment to the highest ethical standards.
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Quantitative Research
- Data Analysis
- Backtesting
- Predictive Modeling
- Statistics
- Mathematics
- Finance
Возможные вопросы на собеседовании
Проверка навыков работы с данными и понимания процесса разработки стратегий.
Опишите ваш опыт проведения количественного исследования: от выдвижения гипотезы до тестирования модели. С какими основными трудностями вы столкнулись?
Оценка технических навыков, необходимых для реализации моделей.
Как бы вы оптимизировали процесс обработки огромного массива рыночных данных в Python, чтобы минимизировать использование памяти?
Проверка понимания статистических концепций, критически важных для альфа-исследований.
Что такое переобучение (overfitting) в контексте бэктестинга торговых стратегий и какие методы вы используете для борьбы с ним?
Оценка способности кандидата следить за индустрией и адаптировать теорию к практике.
Расскажите о недавней академической статье по финансам или машинному обучению, которая вас заинтересовала. Как ее выводы можно применить в трейдинге?
Проверка математической базы.
Объясните концепцию коинтеграции и ее отличие от корреляции. В каких рыночных сценариях коинтеграция более полезна?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
