Brasil
C6 Bank
Goldman Sachs
Global Markets – Pesquisador Quantitativo de Crédito Sistemático, Associado/VP - São Paulo
Brasil
São Paulo, São Paulo, Brazil
PythonJavaSQLC++
Tradução automática. Consulte o original.
Sobre a oportunidade
Visão Geral da Equipe
A equipe de Crédito Sistemático é um grupo global e multidisciplinar de market-making que utiliza métodos quantitativos avançados, tecnologia e insights profundos de mercado para negociar títulos corporativos, derivativos de crédito e ETFs de Renda Fixa.
Atuando na interseção de engenharia financeira, machine learning, e computação de alto desempenho, nossa equipe em São Paulo trabalha em sintonia com mesas globais em Nova York, Londres e Hong Kong. Projetamos, realizamos backtesting e implementamos estratégias sistemáticas de market-making que fornecem liquidez, capturam alfa e gerenciam riscos em mercados de crédito historicamente fragmentados e de balcão (OTC).
Seu Impacto
Como Pesquisador Quantitativo no nível de Associado ou Vice-Presidente, você conduzirá a agenda de pesquisa e a infraestrutura para nossas estratégias sistemáticas de market-making de crédito. Você assumirá a responsabilidade pelo pipeline quantitativo de ponta a ponta—desde a obtenção e estruturação de conjuntos de dados de crédito complexos até a engenharia de recursos preditivos, construção de modelos de alfa e desenvolvimento das plataformas centrais que democratizam a geração de sinais em toda a equipe.
Para candidatos que ingressam no nível de Vice-Presidente (VP), também será esperado que liderem decisões arquiteturais fundamentais para nossa plataforma de pesquisa, orientem pesquisadores juniores e colaborem diretamente com as mesas de negociação globais para a transição de modelos da pesquisa para a produção.
Principais Responsabilidades
- Geração de Alfa e Desenvolvimento de Estratégia: Conduzir pesquisas estatísticas rigorosas para identificar sinais preditivos (alfas) em títulos corporativos e ETFs de crédito. Aplicar análise avançada de séries temporais, machine learning, e processamento de dados alternativos para modelar a dinâmica de spreads de crédito.
- Estrutura e Pipeline de Dados Consolidados de Nível de Pesquisa: Arquitetar e construir uma estrutura e um pipeline de dados consolidados de alto desempenho e nível de pesquisa para dar suporte à geração de sinais. Ingerir, limpar e normalizar conjuntos de dados de crédito diversos e ruidosos (por exemplo, TRACE, dealer runs, feeds de redes de comunicação eletrônica) para estabelecer uma "Fonte Dourada" robusta para pesquisa quantitativa.
- Plataforma de Backtesting de Sinais Self-Service Orientada por IA: Projetar, desenvolver e manter uma plataforma aberta, escalável e baseada em IA que permita aos pesquisadores e traders carregar ideias de sinais de forma integrada, aproveitar machine learning para ajuste automatizado de parâmetros e realizar backtesting contra uma estrutura de simulação padronizada, point-in-time e livre de vieses.
- Infraestrutura e Ferramentas Quantitativas: Colaborar com desenvolvedores quantitativos para construir e escalar mecanismos de backtesting, estruturas de simulação e bibliotecas de análise de nível de produção. Garantir que o código de pesquisa seja modular, bem testado e otimizado para ambientes de computação de alto desempenho.
Requisitos mínimos
Experiência e Formação Exigidas
- Formação: Mestrado ou Doutorado em uma disciplina STEM altamente quantitativa (por exemplo, Matemática, Física, Ciência da Computação, Estatística, Pesquisa Operacional ou Engenharia Financeira).
Experiência:
- Nível de Associado: 3+ anos de experiência profissional em pesquisa quantitativa, engenharia financeira ou ciência de dados.
- Nível de VP: 6+ anos de experiência com histórico comprovado de desenvolvimento de estratégias de negociação sistemática ou modelos quantitativos avançados (idealmente em Renda Fixa, Crédito ou Macro).
Competências Principais e Habilidades Técnicas
- Fundamentos Quantitativos e de Renda Fixa: Compreensão profunda de probabilidade, estatística, álgebra linear e análise de séries temporais, combinada com uma forte compreensão conceitual de precificação de títulos, conversões de rendimento para preço (yield-to-price), spreads de crédito e risco de taxa de juros (duration/convexity).
- Programação Avançada: Proficiência avançada em Python (Pandas, NumPy, SciPy, Scikit-Learn) com uma mentalidade de engenharia de software—combinando prototipagem matemática rápida com código limpo, modular e bem documentado. Programação orientada a objetos em C++ ou Java é altamente desejável.
- Engenharia de Dados e Kit de Ferramentas Quantitativas: Experiência no gerenciamento de conjuntos de dados em larga escala, ruidosos e não estruturados usando SQL e bancos de dados de séries temporais de alto desempenho (por exemplo, KDB+/Q, ClickHouse). Proficiente na aplicação de técnicas de machine learning (regressão, modelos baseados em árvores, redes neurais) a dados financeiros.
- Honestidade Intelectual e Comunicação Colaborativa: Motivado a entender a mecânica do mercado em vez de apenas ajustar curvas. Possui a honestidade analítica para desafiar suposições, iterar sobre hipóteses fracassadas e traduzir conceitos quantitativos complexos em insights claros e acionáveis para stakeholders globais.
Qualificações Preferenciais
- Experiência direta em pesquisa de estratégias sistemáticas de títulos corporativos ou derivativos de crédito.
- Experiência na construção de plataformas de pesquisa quantitativa self-service, APIs, ou estruturas de backtesting compartilhadas.
- Experiência prática com KDB+/Q ou gerenciamento de conjuntos de dados financeiros em larga escala e em nível de tick.
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfilContinue explorando
Capgemini
AB InBev | Growth Group
