Quantitative Research Graduate — моделирование рисков

Что за роль

KPK ищет выпускника или недавнего выпускника для количественного исследования рисков в DeFi. Работа сосредоточена на моделировании поведения onchain-стратегий в неблагоприятных рыночных условиях и оценке риска портфелей ликвидности. Результаты анализа будут использоваться при формировании хранилищ активов и принятии решений о ребалансировке.

Что предстоит делать

• Создавать симуляционные модели для стресс-тестирования onchain-стратегий, включая сценарии отвязки стейблкоинов, сбоев оракулов, нехватки ликвидности и каскадных ликвидаций.
• Оценивать концентрационный риск, контрагентские экспозиции и взаимосвязи между активами портфеля.
• Анализировать исторические onchain-данные, проверять допущения и калибровать параметры количественных моделей.
• Готовить отчёты по рискам, которые помогают принимать решения о составе vault-портфелей и их ребалансировке.
• Моделировать и тестировать корзины AMM-позиций: подбор LP-позиций, оптимизацию комиссий, непостоянные потери и стратегии ребалансировки для концентрированной и полно диапазонной ликвидности.
• Исследовать работу действующих протоколов и стратегий с реальным капиталом, включая Morpho, Gearbox, Aave, Uniswap и Balancer.

Что потребуется

• Степень бакалавра или обучение на выпускном курсе по экономике и финансам, естественным наукам, математике, статистике либо другой количественной дисциплине.
• Уверенная работа с вероятностями, стохастическими процессами и статистическим выводом.
• Исследовательский склад ума, критическое мышление, самостоятельность и готовность осваивать новые темы.
• Умение сводить сложные системы к проверяемым моделям и понимать ограничения этих моделей.
• Знание финансовых инструментов, например опционов и бессрочных контрактов.
• Опыт программирования будет преимуществом; в качестве примеров указаны Python, NumPy, SciPy и pandas. Знакомство с DeFi и AMM, включая Uniswap v3/v4 и концентрированную ликвидность, также приветствуется, но не обязательно при сильной количественной подготовке.

Что важно знать

Исследовательская задача соединяет количественное моделирование, анализ исторических данных и практическую работу с DeFi-протоколами. Вакансия подходит кандидату с сильной математической базой, который готов разбираться в механике AMM и оценивать не только результаты модели, но и ситуации, в которых её допущения перестают работать.