- Страна
- США
Microstructure Quantitative Researcher
Оценка ИИПозиция в Point72 — это престижная роль в одном из ведущих хедж-фондов мира с доступом к лучшей инфраструктуре. Вакансия предлагает отличные возможности для профессионального роста и работы в команде экспертов мирового уровня, хотя и предполагает высокую конкуренцию.
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 требованиями к ученой степени (MS/PhD) и наличием подтвержденного опыта (4+ года) в разработке прибыльных торговых стратегий. Работа с тиковыми данными и микроструктурой рынка требует глубоких знаний математической статистики и навыков программирования на высоком уровне.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Quantitative Researcher с опытом от 4 лет в Нью-Йорке рыночный диапазон составляет $200,000 - $350,000 в качестве базового оклада, не включая значительные бонусы по результатам торговли. Предложение Point72 обычно соответствует верхнему децилю рынка для привлечения лучших талантов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
About the Team:
A well-established quantitative portfolio management team at Point72 is looking for an experienced quantitative professional to develop and trade systematic macro strategies, with a focus on market microstructure. The candidate will be given the resources and support to drive the build out and expansion of the quantitative macro business.
Role/Responsibilities:
- Perform rigorous and innovative research to develop systematic signals for global macro (futures, FX, etc.) markets, with a focus on market microstructure signals
- Perform feature engineering with order book tick data at intraday to daily horizons
- Perform feature combination using various modeling techniques ranging from linear to machine learning models
- Participate in the research pipeline end-to-end, including signal idea generation, data processing, modeling, strategy backtesting, and production implementation
- Help drive the growth of the investment process and research capabilities of the team
- Work in a team of highly qualified and motivated individuals with access to a cutting-edge research and trading infrastructure and clean datasets
- Assist in building, maintenance, and continual improvement of production and trading environments
Requirements:
- MS or PhD in physics, engineering, statistics, applied math, quantitative finance, or other quantitative fields with a strong foundation in statistics
- 4+ years of experience in quantitative research, building statistical models for intraday to daily trading, as part of a successful proprietary trading team with a track record
- Knowledge of market microstructure for futures and/or FX
- Prior experience with tick data based feature generation, modelling, and monetization
- Demonstrated proficiency in Python, R, or C/C++. Familiarly with data science toolkits, such as scikit-learn, Pandas
- Collaborative mindset with strong independent research abilities
- Commitment to the highest ethical standards
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- R
- C++
- Scikit-learn
- Pandas
- Statistics
- Machine Learning
- Quantitative Finance
- Feature Engineering
- Backtesting
Возможные вопросы на собеседовании
Проверка понимания фундаментальных механизмов формирования цены и ликвидности.
Как вы учитываете влияние рыночного воздействия (market impact) при моделировании сигналов на основе книги ордеров?
Оценка навыков работы с высокочастотными данными.
Опишите ваш подход к очистке и нормализации тиковых данных для FX-рынков, учитывая их децентрализованную природу.
Проверка опыта в машинном обучении применительно к финансам.
Какие методы регуляризации вы считаете наиболее эффективными для предотвращения переобучения при работе с краткосрочными сигналами?
Оценка способности доводить исследование до реализации.
Расскажите о случае, когда результаты бэктеста значительно разошлись с реальной торговлей. Как вы диагностировали и решили эту проблему?
Проверка знаний специфики инструментов.
В чем заключаются основные различия в микроструктуре фьючерсов на индексы и валютных пар на спот-рынке с точки зрения генерации признаков?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
