Brasil
C6 Bank
Goldman Sachs
Global Markets – Investigador Cuantitativo de Crédito Sistemático, Asociado/VP - Sao Paolo
Brasil
São Paulo, São Paulo, Brazil
PythonJavaSQLC++
Traducción automática. Consulta el original.
Sobre la oportunidad
Descripción del Equipo
El Equipo de Crédito Sistemático es un grupo global multidisciplinar de creación de mercado que aprovecha métodos cuantitativos avanzados, tecnología y profundos conocimientos del mercado para operar con bonos corporativos, derivados de crédito y ETFs de Renta Fija.
Operando en la intersección de la ingeniería financiera, el machine learning y la computación de alto rendimiento, nuestro equipo en São Paulo trabaja en estrecha colaboración con mesas globales en Nueva York, Londres y Hong Kong. Diseñamos, realizamos backtesting e implementamos estrategias sistemáticas de creación de mercado que proporcionan liquidez, capturan alfa y gestionan el riesgo en mercados de crédito históricamente fragmentados y extrabursátiles (OTC).
Tu Impacto
Como Investigador Cuantitativo a nivel de Asociado o Vicepresidente, impulsarás la agenda de investigación y la infraestructura para nuestras estrategias sistemáticas de creación de mercado de crédito. Asumirás la propiedad del pipeline cuantitativo de extremo a extremo, desde la obtención y estructuración de complejos conjuntos de datos de crédito hasta la ingeniería de características predictivas, la construcción de modelos alfa y el desarrollo de las plataformas centrales que democratizan la generación de señales en todo el equipo.
Para los candidatos que ingresen al nivel de Vicepresidente (VP), también se espera que lideren decisiones arquitectónicas clave para nuestra plataforma de investigación, asesoren a investigadores junior y colaboren directamente con las mesas de operaciones globales para migrar modelos de investigación a producción.
Responsabilidades Clave
- Generación de Alfa y Desarrollo de Estrategias: Realizar una rigurosa investigación estadística para identificar señales predictivas (alfas) en bonos corporativos y ETFs de crédito. Aplicar análisis avanzado de series temporales, machine learning y procesamiento de datos alternativos para modelar la dinámica de los diferenciales de crédito.
- Marco y Pipeline de Datos Consolidado a Nivel de Investigación: Diseñar y construir un marco y pipeline de datos consolidado, de alto rendimiento y a nivel de investigación para respaldar la generación de señales. Ingerir, limpiar y normalizar diversos y ruidosos conjuntos de datos de crédito (por ejemplo, TRACE, flujos de dealers, feeds de redes de comunicación electrónica) para establecer una "Fuente Dorada" robusta para la investigación cuantitativa.
- Plataforma de Backtesting de Señales de Autoservicio Impulsada por IA: Diseñar, desarrollar y mantener una plataforma abierta y escalable basada en IA que permita a los investigadores y traders cargar sin problemas ideas de señales, aprovechar el machine learning para la optimización automática de parámetros y realizar backtesting contra un marco de simulación estandarizado, puntual y libre de sesgos.
- Infraestructura Cuantitativa y Herramientas: Colaborar con desarrolladores cuantitativos para construir y escalar motores de backtesting, marcos de simulación y bibliotecas de análisis de grado de producción. Asegurar que el código de investigación sea modular, esté bien probado y optimizado para entornos de computación de alto rendimiento.
Requisitos mínimos
Experiencia y Educación Requeridas
- Educación: Máster o Doctorado en una disciplina STEM altamente cuantitativa (por ejemplo, Matemáticas, Física, Informática, Estadística, Investigación de Operaciones o Ingeniería Financiera).
Experiencia:
- Nivel Asociado: 3+ años de experiencia profesional en investigación cuantitativa, ingeniería financiera o ciencia de datos.
- Nivel VP: 6+ años de experiencia con un historial comprobado en el desarrollo de estrategias de trading sistemático o modelos cuantitativos avanzados (idealmente en Renta Fija, Crédito o Macro).
Competencias Básicas y Habilidades Técnicas
- Fundamentos Cuantitativos y de Renta Fija: Profundo conocimiento de probabilidad, estadística, álgebra lineal y análisis de series temporales, junto con una sólida comprensión conceptual de la valoración de bonos, conversiones de rendimiento a precio, diferenciales de crédito y riesgo de tipos de interés (duración/convexidad).
- Programación Avanzada: Dominio avanzado de Python (Pandas, NumPy, SciPy, Scikit-Learn) con una mentalidad de ingeniería de software, combinando la creación rápida de prototipos matemáticos con código limpio, modular y bien documentado. La programación orientada a objetos en C++ o Java es muy deseable.
- Ingeniería de Datos y Caja de Herramientas Cuantitativas: Experiencia en la gestión de conjuntos de datos ruidosos, no estructurados y a gran escala utilizando SQL y bases de datos de series temporales de alto rendimiento (por ejemplo, KDB+/Q, ClickHouse). Competencia en la aplicación de técnicas de machine learning (regresión, modelos basados en árboles, redes neuronales) a datos financieros.
- Honestidad Intelectual y Comunicación Colaborativa: Impulsado a comprender la mecánica del mercado en lugar de simplemente ajustar curvas. Posee la honestidad analítica para desafiar suposiciones, iterar sobre hipótesis fallidas y traducir conceptos cuantitativos complejos en información clara y procesable para las partes interesadas globales.
Calificaciones Preferidas
- Experiencia directa en la investigación de estrategias sistemáticas de bonos corporativos o derivados de crédito.
- Experiencia en la construcción de plataformas de investigación cuantitativa de autoservicio, APIs o marcos de backtesting compartidos.
- Experiencia práctica con KDB+/Q o en la gestión de conjuntos de datos financieros a gran escala a nivel de tick.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil
