Наш партнер строит систематические стратегии на стыке финансовых рынков, машинного обучения и DeFi.
Ищем Senior Quant/ML Researcher, который способен самостоятельно вести исследовательское направление от рыночной гипотезы и сырых данных до корректного эксперимента, реалистичной торговой экономики, качественного кода и проверки результата в paper/shadow/live.
Это не узкая роль по обучению моделей на готовых датасетах. Важно уметь самостоятельно определить, что и зачем проверяем, как доказать наличие сигнала, как учесть реальную механику рынка и когда отказаться от гипотезы.
Что предстоит делать
- Вести полный цикл исследований в направлениях market microstructure, execution, LP/hedging, cross-venue signals, risk-aware allocation и смежных crypto/DeFi задач.
- Формулировать гипотезы, определять target/labels, baselines, метрики и критерии GO/NO-GO.
- Работать с данными: искать источники, выравнивать timestamps, контролировать качество, строить features и воспроизводимые datasets.
- Проектировать корректную temporal/OOS validation с учетом leakage, selection bias, uncertainty и смены рыночных режимов.
- Использовать ML/DL там, где они действительно дают преимущество перед более простыми подходами.
- Строить реалистичные backtest/simulation с учетом fees, slippage, liquidity, latency, adverse selection, market impact, fill assumptions, sizing и hedging.
- Исследовать расхождения между backtest и реальной торговлей, проводить paper/shadow и sim-to-real analysis.
- Самостоятельно писать и отлаживать research-код на Python.
- Вместе с quant developers переносить доказавшие эффективность модели и торговую логику в production.
- Работать с CEX/DEX и market/on-chain data.
Что для нас важно
- Проверяемый опыт 2–3 Quant/ML проектов, где вы лично отвечали за существенную часть цепочки: постановка задачи → данные → исследование → validation → код → deployment либо решение GO/NO-GO.
- Отличный Python и сильная инженерная база: самостоятельно пишете, отлаживаете и ревьюите исследовательский код.
- Сильная база в статистике, теории вероятностей, оптимизации и временных рядах.
- Понимание temporal dependence, leakage, selection bias, uncertainty и принципов честной OOS-проверки.
- Глубокое практическое понимание market microstructure и execution: order book/flow, liquidity, latency, fees, slippage, adverse selection, impact, sizing и hedging.
- Сильный практический ML/DL для последовательных финансовых данных и способность отличать реальный predictive signal от оптимизации метрики.
- Высокая самостоятельность: способность структурировать неясную задачу, выбирать наиболее информативный эксперимент, быстро останавливать слабые гипотезы и принимать решения на основании данных.
- Рабочее понимание структуры crypto-рынка.
Прямой опыт DeFi/DEX будет плюсом, но сильный CEX/microstructure background может его компенсировать.
Будет плюсом
- Rust или опыт low-latency engineering.
- On-chain data pipelines.
- AMM, LP-стратегии и cross-venue execution.
- Практический RL, offline RL, contextual bandits, policy evaluation или risk-constrained decision systems.
- Опыт запуска стратегий и моделей на реальном капитале.
- Сильные публикации, open-source проекты или другой проверяемый технический track record.
RL не является обязательным требованием — он интересен там, где последовательная постановка действительно оправдана.
Скорее всего, мы не подойдём друг другу, если
Ваш основной опыт — обучение моделей на подготовленных данных, где target, validation и критерии успеха определены другими.
Также роль вряд ли подойдет, если вы не готовы самостоятельно писать и отлаживать Python-код или не можете объяснить, почему хороший backtest может не пережить реальное исполнение.
Условия
