Quant/ML Researcher
Оценка ИИИнтересная и сложная роль в динамично развивающейся сфере крипто-финансов с возможностью удаленной работы. Вакансия предлагает работу над полным циклом продукта, что дает большую автономию, хотя отсутствие указанной вилки зарплаты является минусом.
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 ИИПозиция требует редкого сочетания глубоких знаний в области количественных финансов (микроструктура, DeFi), продвинутого ML и сильных инженерных навыков на Python. Высокая планка ответственности за полный цикл исследования делает роль крайне сложной.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ объявлении не указана заработная плата, однако для позиции Senior Quant Researcher на международном рынке и в крипто-индустрии медиана составляет около $8,000 - $12,000. Предложение hirix, вероятно, находится в этом диапазоне или выше, учитывая высокие требования к квалификации.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
hirix
Quant/ML Researcher
Формат работы: можно удалённо
*☑️* Чем предстоит заниматься
-Полный цикл исследований по краткосрочной микроструктуре, LP/хеджированию, исполнению, межплощадочным сигналам, распределению риска и смежным задачам crypto/DeFi
-Дизайн исследования: гипотеза, target/разметка, baseline, метрики, причинно корректная OOS-проверка, анализ режимов и явные критерии GO/NO-GO
-Работа с данными: поиск источников, выравнивание времени, контроль качества, построение признаков и воспроизводимые контракты данных
-ML/DL по структуре задачи; RL или другие методы последовательного управления - только когда они действительно оправданы
-Реалистичная симуляция и торговая экономика: комиссии, проскальзывание, ликвидность, задержки, adverse selection, impact, fill assumptions, хеджирование и синхронизация DEX/CEX
-Paper/shadow-стратегии, анализ sim-to-real и совместная работа с quant developer при переносе доказанных решений в production
-Инженерный стандарт исследования: воспроизводимые эксперименты, чистый Python, критичные проверки, мониторинг и дисциплинированное использование LLM/агентов
*☑️* Наши пожелания к кандидатам
-Проверяемый опыт 2-3 Quant/ML проектов, где вы лично отвечали за существенную часть цепочки от постановки задачи и данных до проверки, кода и решения о внедрении либо GO/NO-GO
-Отличный Python и сильная инженерная база: вы сами пишете, отлаживаете и ревьюите исследовательский код
-Сильную статистику, вероятность, оптимизацию и работу с временными рядами: временную зависимость, leakage, selection bias, uncertainty и честную OOS-проверку
-Глубокое практическое понимание микроструктуры и исполнения: order book/flow, liquidity, latency, fees, slippage, adverse selection, impact, sizing и hedging
-Сильное практическое владение ML/DL для последовательных финансовых данных и способность отличать реальный сигнал от оптимизации метрики
-Высокую самостоятельность: структурировать неясную проблему, выбирать наиболее информативный эксперимент, быстро останавливать слабые гипотезы и принимать решения на основании доказательств
-Рабочее понимание структуры crypto-рынка. Прямой опыт DeFi/DEX будет плюсом, но сильный CEX/microstructure опыт может его компенсировать при быстрой адаптации
Контакты: Откликнуться
*🔥* Подписаться на наши каналы / Откликнуться / Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Machine Learning
- Deep Learning
- Reinforcement Learning
- Statistics
- Time Series Analysis
- DeFi
- Quantitative Research
- Trading Strategies
Возможные вопросы на собеседовании
Проверка понимания специфики финансовых данных и предотвращения переобучения.
Как вы подходите к разделению данных на обучающую и тестовую выборки для временных рядов, чтобы избежать утечки данных (data leakage)?
Оценка практического опыта работы с рыночными механизмами.
Опишите ваш подход к моделированию adverse selection при разработке стратегий маркет-мейкинга.
Проверка навыков работы с DeFi-спецификой.
В чем заключаются основные сложности при синхронизации данных и хеджировании рисков между DEX и CEX площадками?
Оценка инженерной культуры и использования современных инструментов.
Как вы организуете процесс воспроизводимости своих ML-экспериментов и какую роль в вашем рабочем процессе играют LLM-агенты?
Проверка способности принимать решения на основе данных.
Расскажите о случае, когда вам пришлось принять решение NO-GO по перспективной на первый взгляд гипотезе. Какие метрики стали решающими?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
