Quant/ML Researcher

hirix·Москва·1 окт.

Quant/ML Researcher

Ориентир по рынку≈ 275 000 – 400 000 ₽наш грубый ориентир по 190 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

🌍 УдалённоSeniorПолная занятость🇷🇺 РФ

≈ 275 000 – 400 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Только задачи не расписаны: что за работа, придётся спрашивать.

2 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Вилку работодатель не назвал. Грубый ориентир: столько платят в 190 вакансиях уровня Senior по всему рынку, без учёта специальности.

платят меньше275 000 – 400 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Открыта 18 дней, и признаков фиктивного найма у неё нет.

Живая

Описание

Требований 7, а чем предстоит заниматься, не сказано.

Не сказано: как оформят и часовой пояс команды

Задач нет

Что требуют

ОбязательноMLGoPythonLLM

Надбавка к зарплате на этом уровне: ML +43%, LLM +43%, Python +22%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наша компания

Hirix — это рекрутинговый партнёр по поиску IT-талантов. Мы помогаем компаниям собирать сильные команды, а специалистам находить проекты, где их экспертиза действительно нужна. Подбираем в IT, Digital, AI и ведём каждого кандидата от первого контакта до оффера. Наш заказчик расширяет команду и ищет Senior Quant/ML Researcher.

Наши требования

Проверяемый опыт 2-3 Quant/ML проектов, где вы лично отвечали за существенную часть цепочки от постановки задачи и данных до проверки, кода и решения о внедрении либо GO/NO-GO

Отличный Python и сильная инженерная база: вы сами пишете, отлаживаете и ревьюите исследовательский код

Сильную статистику, вероятность, оптимизацию и работу с временными рядами: временную зависимость, leakage, selection bias, uncertainty и честную OOS-проверку

Глубокое практическое понимание микроструктуры и исполнения: order book/flow, liquidity, latency, fees, slippage, adverse selection, impact, sizing и hedging

Сильное практическое владение ML/DL для последовательных финансовых данных и способность отличать реальный сигнал от оптимизации метрики

Высокую самостоятельность: структурировать неясную проблему, выбирать наиболее информативный эксперимент, быстро останавливать слабые гипотезы и принимать решения на основании доказательств

Рабочее понимание структуры crypto-рынка. Прямой опыт DeFi/DEX будет плюсом, но сильный CEX/microstructure опыт может его компенсировать при быстрой адаптации

Мы предлагаем

Полная занятость, 5/2, гибридный/удаленный формат, офис в центре Москвы

Работа с реальным капиталом, где качество исследования, реалистичность исполнения и риск-контроль имеют прямое значение

Прямая работа с Quant/ML, разработкой и руководством компании, высокая самостоятельность и короткий цикл обратной связи

Небольшая команда, где сильное исследование может стать production-системой, а не закончиться презентацией

Компенсация всех необходимых инструменты и ПО для работы

Дополнительно

Технологическая компания, развивающая quantitative-инфраструктуру и ML-решения для рынков цифровых активов. Проект находится на pre-launch стадии, команда специализируется на quant research, machine learning и blockchain-разработке.Задачи на этой роли

Полный цикл исследований по краткосрочной микроструктуре, LP/хеджированию, исполнению, межплощадочным сигналам, распределению риска и смежным задачам crypto/DeFi

Дизайн исследования: гипотеза, target/разметка, baseline, метрики, причинно корректная OOS-проверка, анализ режимов и явные критерии GO/NO-GO

Работа с данными: поиск источников, выравнивание времени, контроль качества, построение признаков и воспроизводимые контракты данных

ML/DL по структуре задачи; RL или другие методы последовательного управления - только когда они действительно оправданы

Реалистичная симуляция и торговая экономика: комиссии, проскальзывание, ликвидность, задержки, adverse selection, impact, fill assumptions, хеджирование и синхронизация DEX/CEX

Paper/shadow-стратегии, анализ sim-to-real и совместная работа с quant developer при переносе доказанных решений в production

Инженерный стандарт исследования: воспроизводимые эксперименты, чистый Python, критичные проверки, мониторинг и дисциплинированное использование LLM/агентов