Мы ищем людей с сильным опытом в области машинного обучения для работы в области количественных исследований и инженерии признаков. Опыт в финансах не требуется — мы научим вас всему, от микроструктуры рынка до построения портфеля. Для нас важно, как вы думаете и ваша способность задавать правильные вопросы данным.
Чем вы будете заниматься:
- Формулировать и проверять гипотезы о рыночных неэффективностях — и оставаться честным, когда бэктест говорит «нет».
- Заранее думать о том, как прогнозы модели будут интегрированы в торговлю — направленные ставки, сходимость спредов или что-то другое.
- Разрабатывать признаки с подлинной предсказательной силой, от классических статистических преобразований до обученных представлений. Каждый признак — это гипотеза о рынке, закодированная в числе, и вы отвечаете за качество этого входа.
- Работать с альтернативными данными, временными рядами и нелинейными зависимостями, чтобы находить сигнал там, где другие его не замечают.
- Строить надежные в производстве конвейеры данных, а не только в блокноте.
Что мы ищем:
- Опыт работы в производстве в области машинного обучения не менее 4 лет.
- Глубокое понимание машинного обучения, не просто знание API, а четкое понимание, почему градиентный бустинг обычно превосходит трансформеры на табличных данных, когда байесовский подход лучше частотного и как выглядит утечка информации в контексте временных рядов.
- Подтвержденный практический опыт работы как с глубоким обучением, так и с фреймворками градиентного бустинга — важное сильное концептуальное понимание внутренностей нейронных сетей.
- Серьезное внимание к утечке данных. В финансах будущее просачивается в прошлое неочевидными способами, и вы должны выявлять эти проблемы до того, как они аннулируют бэктест.
- Прочный математический фундамент: статистика, теория вероятностей, стохастические процессы.
- Хорошие навыки Python. Опыт работы с pandas, polars или потоковой обработкой данных является плюсом.
- Статистический склад ума: вы не просто применяете методы, вы понимаете их предпосылки, ограничения и режимы отказа.
- Профессиональное владение английским языком на уровне B2 или выше.
Желательно иметь:
- Выпускник SHAD или аналогичной программы высшего уровня в технической или количественной области.
- Опыт участия в олимпиадах по математике, физике или информатике.
- Доказанные результаты в Kaggle или других соревнованиях по машинному обучению.
