Quant Researcher по Crypto и DeFi

Что за роль

Исследовательская позиция на стыке количественного анализа, машинного обучения и микроструктуры crypto-рынков. Специалист ведёт исследования от формулировки гипотезы и подготовки данных до проверки стратегии и решения о её дальнейшем внедрении. Основные направления — ликвидность и маркет-мейкинг в DeFi, хеджирование, исполнение сделок, межплощадочные сигналы и риск.

Что предстоит делать

• Проектировать исследования: формулировать гипотезу и целевую переменную, выбирать baseline и метрики, проводить out-of-sample-проверки и анализировать рыночные режимы.
• Подготавливать данные для анализа: выбирать источники, синхронизировать временные ряды, проверять качество и создавать воспроизводимые контракты данных.
• Разрабатывать и проверять модели ML/DL для последовательных финансовых данных, применяя RL только там, где это оправдано постановкой задачи.
• Строить реалистичные симуляции исполнения с учётом комиссий, проскальзывания, ликвидности, задержек, рыночного воздействия, вероятности исполнения и хеджирования.
• Исследовать синхронизацию и исполнение между DEX и CEX, а также стратегии для микроструктуры, LP и межплощадочных сигналов.
• Запускать paper- и shadow-стратегии, оценивать перенос результатов из симуляции в реальную среду и готовить решения о переходе в production совместно с quant developer.
• Поддерживать воспроизводимость исследований, писать и ревьюить чистый Python-код, добавлять проверки и мониторинг.

Что потребуется

• Образование в сильном техническом вузе, например МГУ, МФТИ, Бауманке, ВШЭ или сопоставимом; профиль — IT или смежная область.
• Проверяемый опыт участия в 2–3 Quant/ML-проектах с личной ответственностью за существенную часть полного цикла — от задачи и данных до кода и решения GO/NO-GO.
• Отличное знание Python и инженерная самостоятельность: способность писать, отлаживать и ревьюить исследовательский код.
• Сильная база в статистике, теории вероятностей, оптимизации и временных рядах; понимание leakage, selection bias, неопределённости и корректной OOS-проверки.
• Знание микроструктуры и исполнения: order book и flow, ликвидность, latency, комиссии, slippage, adverse selection, impact, sizing и hedging.
• Практический опыт ML/DL для последовательных финансовых данных, понимание crypto-рынка и умение отличать реальный сигнал от подгонки метрики.

Что важно знать

В работе ценится самостоятельное исследовательское мышление: нужно структурировать неоднозначные задачи, выбирать информативные эксперименты и отказываться от слабых гипотез на основании данных. Опыт с Rust, on-chain data, AMM, LP-стратегиями, межплощадочным исполнением, RL, запуском стратегий на реальном капитале, публикациями или open-source будет преимуществом. Трудовой договор оформляется в ОАЭ; другие форматы, включая ИП, обсуждаются. Для отклика просят прислать резюме с указанием своей роли в каждом из 2–3 проектов и разобрать два кейса — удачный и неудачный: что было построено и измерено, какое решение принято и почему.