О позиции
В продуктовой команде в сфере DeFi и алгоритмической торговли требуется старший исследователь Quant/ML. Основная задача заключается в разработке собственных торговых стратегий и исследовательской работе с рыночными данными. Команда небольшая, без сложной иерархии, с прямым взаимодействием с фаундером. Это не первый продукт команды: предыдущий работал на реальных объемах и был прибыльным.
Чем вы будете заниматься
- Исследование и разработка торговых стратегий для DeFi и крипторынков.
- Применение ML/DL-подходов для маркет-мейкинга, прогнозирования и управления позициями.
- Разработка стратегий дельта-нейтрального хеджирования и управления рисками.
- Бэктестинг и создание симуляционных сред на крипто-данных.
- Анализ рыночных данных и улучшение алгоритмов на основе реального исполнения.
Требования
- Опыт на senior-уровне в Quant/ML research, системной торговле или смежных областях.
- Участие в полном цикле ресерча: от гипотезы до анализа результата.
- Знание временных рядов, OOS-проверок и торговой экономики.
- Опыт работы с Supervised Learning, статистическим анализом и оптимизацией моделей.
- Уверенное владение Python и библиотеками PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna.
- Опыт доведения стратегий до реального исполнения или оценки PnL.
- Автономность в работе: способность самостоятельно формулировать гипотезы и доводить их до результата.
Будет плюсом
- Опыт в Reinforcement Learning.
- Знания в Rust или low-latency engineering.
- Опыт в трейдинге и маркет-мейкинге.
- Опыт работы в квант-фондах или HFT.
- Знания в области DeFi, DEX/CEX, AMM/LP.
- Активное использование AI-инструментов.
Что мы предлагаем
- Фиксированная зарплата в стейблкоинах (USDT/USDC, 1:1 к доллару).
- Квартальный profit sharing от результатов стратегий.
- Оплачиваемый отпуск.
- Компания оплачивает AI-подписки.
Кто здесь добьётся успеха
Глубокое понимание алгоритмических стратегий торговли с использованием Python и библиотек, таких как PyTorch и Scikit-learn для разработки моделей машинного обучения.
Способность к самостоятельной работе и самоорганизации в гибридном формате, включая умение эффективно управлять временем и приоритизировать задачи.
Ориентированность на результаты и аналитическое мышление для интерпретации рыночных данных и тестирования различных подходов к торговле, включая CatBoost и XGBoost.
Опыт работы в стартап-среде или небольших командах, что позволяет быстро адаптироваться к изменениям и эффективно взаимодействовать с фаундерами.
Ресурсы для обучения
Карьерный путь
Обзор рынка
Навыки и требования
Тренды отрасли
Новости FinTech
Загружаем новости отрасли...
Ищем релевантные статьи за последние 6 месяцев