- Страна
- США
Senior Quantitative Researcher & AI Engineer
Оценка ИИВысокий балл за работу с реальным капиталом на рынке США, прямой доступ к руководству (CIO) и возможность собрать собственную команду. Удаленный формат и использование передовых AI-технологий делают вакансию крайне привлекательной для Senior-специалистов.
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 ИИРоль требует редкого сочетания навыков: глубокой экспертизы в количественных финансах (бэктестинг, риск-менеджмент) и современного стека AI (LLM-агенты, RAG). Высокая планка ответственности из-за прямого влияния на инвестиционные решения фонда.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ вакансии не указан точный диапазон, однако для позиции Senior Quant/AI Engineer в инвестиционных компаниях, ориентированных на рынок США, рыночные вилки начинаются от $6,000-8,000 и могут достигать значительно больших сумм с учетом бонусов. Предложение конкурентной оплаты и бонусов соответствует стандартам индустрии buy-side.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Senior Quantitative Researcher & AI Engineer
Инвестиционная компания с фокусом на публичные рынки США и технологические тренды.
Формат: удалённо, полная занятость.
Вам предстоит дополнить фундаментальный анализ количественным: собрать данные, построить модели и инструменты, на которые будут опираться инвестиционные решения. Прямое взаимодействие с CIO и Head of Research.
Задачи:
• Мониторинг: создать систему, которая регулярно сверяет инвест тезисы с новыми данными и показывает подтверждается тезис, слабеет или требует пересмотра.
• Данные: Создать point-in-time хранилище: рыночные и фундаментальные данные, документы SEC, стенограммы звонков, новости, внутренняя аналитика.
• Backtesting и модели: проверка инвестиционных гипотез на исторических данных, разработка сигналов в дополнение к фундаментальному анализу.
• Портфельная аналитика: концентрация, факторные экспозиции, ликвидность, сценарные риски, размер позиций.
• AI-агенты: развивать агентов в исследовательском процессе и оценивать качество их работы.
Требования:
• Сильная база в математике, статистике и машинном обучении.
• От 3 лет в quantitative research или data science на финансовых данных.
• Довели модель или сигнал до практического применения и можете показать, как проверяли результат.
• Опыт backtesting на point-in-time данных: на практике знаете look-ahead bias, survivorship bias и переобучение.
• Python и SQL: самостоятельно строите пайплайны данных и пишете надёжный, тестируемый код.
• Строили системы на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок.
• Понимаете фундаментальный анализ и портфельный риск, чтобы формализовать инвестиционный тезис.
• Уверенный английский.
Желательно:
• Опыт построения систем на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок.
• Опыт на buy-side или в прямой работе с портфельными управляющими.
Мы предлагаем:
• Работа с реальным портфелем: ваши инструменты тестируются в инвестиционном процессе.
• Профессиональные источники данных и современные AI-инструменты.
• Конкурентная оплата труда и годовой бонус по личным результатам и результатам компании.
• Собственный бюджет на инфраструктуру и найм команды при подтверждении эффективности системы.
Контакты: Telegram Откликнуться. CV и пример своего проекта: задача, данные, результат.
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Machine Learning
- Statistics
- Backtesting
- LLM
- Quantitative Research
- Data Science
- Financial Analysis
- Risk Management
Возможные вопросы на собеседовании
Проверка практического опыта работы с временными рядами и понимания типичных ошибок количественного анализа.
Расскажите о самом сложном случае борьбы с look-ahead bias в вашей практике бэктестинга. Как вы организовали структуру данных, чтобы избежать этой ошибки?
Оценка навыков работы с современными языковыми моделями в специфическом финансовом домене.
Как вы выстраиваете систему оценки (evaluation) для AI-агентов, анализирующих стенограммы звонков или отчеты SEC? Какие метрики качества вы считаете ключевыми?
Проверка способности кандидата переводить качественные идеи в количественные показатели.
Как бы вы формализовали и оцифровали инвестиционный тезис 'компания является лидером технологического тренда' для системы автоматического мониторинга?
Оценка понимания управления рисками и портфельного конструирования.
Какие факторные экспозиции вы считаете наиболее критичными для портфеля акций технологического сектора США в текущих макроэкономических условиях?
Проверка инженерных навыков и умения работать с данными.
Опишите архитектуру point-in-time хранилища данных, которую вы бы спроектировали для объединения рыночных котировок и неструктурированных текстовых данных (новостей).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
