Quant Researcher по микроструктуре крипторынка

Что за роль

Исследовательская позиция на стыке Quant, ML и микроструктуры крипторынка. Нужно самостоятельно проводить исследования для стратегий в crypto и DeFi: от гипотезы и подготовки данных до симуляции исполнения и решения о переносе стратегии в production. Важны не только результаты модели, но и корректность проверки сигнала, реалистичность торговых допущений и качество исследовательского кода.

Что предстоит делать

• Исследовать микроструктуру, ликвидность и исполнение, а также стратегии LP, хеджирования, межплощадочные сигналы и риск.
• Проектировать эксперименты: формулировать гипотезы, выбирать target и baseline, метрики и критерии GO/NO-GO, проводить OOS-проверку и анализировать рыночные режимы.
• Подготавливать данные: выбирать источники, выравнивать временные ряды, проверять качество и создавать признаки и воспроизводимые контракты данных.
• Применять ML и DL с учётом структуры финансовых последовательностей; использовать RL только там, где это обосновано задачей.
• Строить реалистичные симуляции с комиссиями, проскальзыванием, ликвидностью, задержками, market impact, допущениями о fill и хеджировании.
• Учитывать синхронизацию исполнения на DEX и CEX, проводить paper- и shadow-тестирование, оценивать sim-to-real и готовить перенос стратегии в production совместно с quant developer.
• Поддерживать воспроизводимость исследований, писать и ревьюить чистый Python-код, добавлять проверки и мониторинг, дисциплинированно применять LLM.

Что потребуется

• Образование в сильном техническом вузе, например МГУ, МФТИ, Бауманке, ВШЭ или сопоставимом вузе; направление — IT или смежная область.
• Проверяемый опыт 2–3 Quant/ML-проектов с личной ответственностью за существенную часть полного цикла — от постановки задачи и работы с данными до кода и решения GO/NO-GO.
• Отличный Python и сильная инженерная база: самостоятельная разработка, отладка и ревью исследовательского кода.
• Уверенное знание статистики, вероятностей, оптимизации и временных рядов, включая leakage, selection bias, неопределённость и корректную OOS-валидацию.
• Понимание 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 и понимание рисков оптимизации метрик вместо поиска устойчивого сигнала.
• Самостоятельность в работе с неопределённостью и понимание crypto-рынка. DeFi/DEX — преимущество; сильный опыт CEX и микроструктуры может его компенсировать.

Что важно знать

В качестве дополнительных преимуществ указаны Rust и низколатентная разработка, on-chain data, AMM и LP-стратегии, межплощадочное исполнение, RL/offline RL, bandits и policy evaluation. Также ценится опыт запуска стратегий на реальном капитале, публикации и open-source. Предусмотрен трудовой договор с ОАЭ; ИП и другие форматы можно обсудить. Для отклика просят резюме с описанием личной роли в 2–3 проектах и разбором одного успешного и одного неудачного проекта: что было построено и измерено, какое решение принято и почему.