- Страна
- Россия
Senior Quant/ML Researcher
Оценка ИИПривлекательное предложение для опытных квантов: оплата в стейблкоинах, отсутствие бюрократии и прямой бонус от прибыли (profit sharing). Однако работа в DeFi сопряжена с высокими рисками и требует специфических знаний.
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 глубоких знаний в ML (включая DL и потенциально RL) и специфического опыта в HFT или крипто-трейдинге. Высокая автономность и необходимость доведения стратегий до PnL делают позицию крайне ответственной.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в стейблкоинах (USDT/USDC) защищает от валютных рисков, а система profit sharing может значительно увеличить итоговый доход. Указанный диапазон соответствует рыночным ставкам для Senior Quant ролей в Москве и международном финтехе.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
**Senior Quant/ML Researcher
Москва | гибрид, офис в центре**
Продуктовая команда в сфере DeFi и алгоритмической торговли. В основе продукта собственные торговые стратегии, исследовательская работа с рыночными данными и плотное взаимодействие Quant Research, ML и инженерной команды. Команда небольшая, без сложной иерархии, с прямым взаимодействием с фаундером.
Это не первый продукт команды: предыдущий работал на реальных объемах и был прибыльным
Задача:
Предстоит исследовать и разрабатывать торговые стратегии для DeFi и крипторынков: от гипотезы и анализа данных до бэктестинга, валидации и оценки результата стратегии.
Деплой и инфраструктурная часть остаются на инженерной команде, фокус роли – research, модели, торговая логика и качество стратегии.
Чем предстоит заниматься:
- Quant/ML research и разработка торговых стратегий для DeFi и крипторынков
- ML/DL-подходы для маркет-мейкинга, forecasting, управления позициями и смежных задач
- Стратегии дельта-нейтрального хеджирования и управления рисками
- Бэктестинг и симуляционные среды на крипто-данных: order book, trades
- Анализ рыночных данных и улучшение алгоритмов по результатам реального исполнения
Что важно:
- Senior-уровень в Quant/ML research, systematic trading, HFT/prop trading, market microstructure или смежных задачах
- Участие в полном цикле ресерча: гипотеза > данные > модель/логика > бэктестинг > валидация и анализ результата
- Понимание временных рядов, OOS-проверки, future leakage и торговой экономики
- Supervised Learning, статистический анализ, оптимизация моделей
- Уверенный Python; PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna
- Опыт доведения стратегий до реального исполнения или PnL-оценки
- Order book и trades
- Автономность: сами ставите гипотезу и сами доводите её до ответа
- В команде общаемся на русском
Будет плюсом:
- Reinforcement Learning
- Rust или low-latency engineering опыт
- Трейдинг, маркет-мейкинг, low-latency крипта
- Опыт в квант-фондах, HFT, prop trading, банковских квант-командах
- Опыт с DeFi, DEX/CEX, AMM/LP, perpetuals, funding, cross-venue arbitrage
- Активное использование AI-инструментов
Что предлагаем:
- Фикс в стейблкоинах (USDT/USDC, 1:1 к доллару)
- Квартальный profit sharing от результатов стратегий
- Оплачиваемый отпуск
- Компания оплачивает AI-подписки
Откликаться на Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- Scikit-learn
- CatBoost
- XGBoost
- Optuna
- Reinforcement Learning
- Rust
- Statistical Analysis
- Supervised Learning
- Time Series Analysis
Возможные вопросы на собеседовании
Проверка понимания фундаментальных рисков при работе с временными рядами в трейдинге.
Расскажите о вашем опыте борьбы с look-ahead bias и future leakage при бэктестинге стратегий. Какие методы валидации вы используете?
Оценка практического опыта работы с рыночными данными.
С какими особенностями микроструктуры крипторынка (LOB, задержки, проскальзывания) вы сталкивались и как учитывали их в своих моделях?
Проверка навыков оптимизации и управления рисками.
Как вы подходите к задаче дельта-нейтрального хеджирования в условиях высокой волатильности и изменения ставок финансирования (funding)?
Оценка технического стека и подходов к обучению моделей.
В каких случаях для прогнозирования рыночных данных вы предпочтете градиентный бустинг (CatBoost/XGBoost), а в каких — нейронные сети (PyTorch)?
Проверка автономности и продуктового мышления.
Опишите случай, когда ваша гипотеза не подтвердилась на этапе бэктестинга. Как вы принимали решение о модификации или закрытии этого направления исследований?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
