Переводить выходные данные ML-моделей в торговые сигналы и признаки (features). Комбинировать признаки, полученные с помощью ML, с существующими стратегиями...
Коротко о вакансии
Зарплату работодатель не назвал — вилку обсуждают на собеседовании. В требованиях: python, ml, quantitative research.
Описание вакансии
Мы ищем Quant Researcher в нашу ML-команду. Основной фокус — генерация альфы с применением машинного обучения. Это практическая роль: вы будете работать непосредственно с живыми рынками и стратегиями и самостоятельно отвечать за свой скоуп.
Обязанности:
Переводить выходные данные ML-моделей в торговые сигналы и признаки (features)
Комбинировать признаки, полученные с помощью ML, с существующими стратегиями для улучшения результатов и генерации альфы на рынках США, Японии и Китая — в маркетмейкинге по акциям и криптовалютам
Применять ML-признаки в HFT
Оценивать наборы признаков, сверять результаты бэктестов с показателями на реальных торгах, проводить эксперименты и оценивать практическое влияние ML-сигналов на PnL стратегии
Отслеживать качество сигналов во времени; выявлять деградацию, переобучение или смену рыночного режима и предлагать корректирующие меры
Наши ожидания:
3+ лет опыта в квантовых исследованиях, алгоритмической торговле или смежной области
Умение работать самостоятельно и доводить решения до результата без внешнего контроля
Сильная математическая и статистическая база
Уверенное владение Python, включая библиотеки для анализа данных и моделирования (pandas, scikit-learn и т.п.); опыт работы с AI-инструментами
Прикладные навыки ML — классические методы, включая бустинг, классификацию, ансамбли моделей и feature engineering
Будет плюсом:
Понимание механики low-latency систем: динамика стакана, качество исполнения, чувствительность к задержкам и микроструктура; опыт работы с латентно-чувствительными системами на уровне cloudbox и выше
Навыки C++ для latency-чувствительных задач; знакомство с соответствующей инфраструктурой и инструментарием
Вакансия опубликована 5 октября, проверена 07.10.2026. Открыть оригинал.
Ключевые навыки
PythonMLQuantitative research
Как откликнуться
Отклик оформляется на странице работодателя — кнопка выше ведёт туда напрямую.
Перед отправкой стоит подогнать резюме под текст вакансии: работодатели читают первые строки и ищут в них свои слова.
Если рассылаете отклики десятками, посмотрите сервис автооткликов — он отправляет их за вас
по заданным настройкам, до 50 в сутки. Про сам поиск работы есть разбор в статье
как быстро найти работу.
Спросите нейросети о вакансии
Отвечает DeepSeek по данным этой страницы: зарплата против рынка, условия, работодатель
Вопросы по этой вакансии
Сколько платят на позиции «Quantitative Researcher / Количественный исследователь (ML)»?
Вилку работодатель не назвал — обсуждать деньги придётся на собеседовании. Для ориентира: в среднем по направлению «Дата-сайентист» платят 174 000 ₽.
Какой опыт нужен?
В требованиях указано: от 3 до 6 лет. Формат работы удалённый, переезд не потребуется.
Вакансия ещё открыта?
Да, на 07.10.2026 она активна: каждую ночь каталог сверяется с источником, закрытые предложения помечаются и уходят из списков.
Мы - компания-разработчик эксклюзивных fintech решений и высоконагруженных систем . Advantage Solutions берет на себя продуктовые и технические задачи — от разработки дорожной карты продукта до непосредственно выкатки и администрирования инфраструктуры.
Команда работает с небольшим количеством международных клиентов на исключительных условиях и с полным погружением в процессы заказчика - от упра…
Развивать и улучшать модели прогнозирования. Заниматься полным циклом: сбор и обработка данных, feature engineering, выдвижение и проверка гипотез, оценка качества...
Можно удалённоОт 3 до 6 летДата-сайентистОпубликована 5 октября
Руководство командой DS (продуктовый и исследовательский треки) плюс собственная инженерная работа — от архитектуры ML/AI-решений до инструментов для fine...
Превращать телеметрию автономного транспорта в данные, удобные для анализа: разрабатывать и запускать Spark-пайплайны, продумывать преобразования и проверки качества.
Отвечать за задачи, метрики и OKR команды, формировать план их достижения. Управлять бэклогом, распределять задачи внутри команды, оценивать сроки и...
Можно удалённоБолее 6 летДата-сайентистОпубликована 28 сентября
Формировать и вести собственную исследовательскую повестку: находить рыночные неэффективности, формулировать гипотезы и строго проверять их на данных. Проектировать модели с...
Можно удалённоОт 3 до 6 летДата-сайентистОпубликована 6 октября
Проведение учебных сессий — разработка учебных материалов (презентации, упражнения, кейсы) на основе тематического плана, предоставленного нашей командой, и регулярное проведение занятий.
Сверять сделки, позиции и денежные балансы между нашими внутренними системами и данными брокеров и клиринговых агентов. Разбираться с расхождениями и...