Categorías
···
Entrar / Registro

Investigador Cuantitativo – Fondo de Cobertura Sistemático de Materias Primas

Indeed
Tiempo completo
Presencial
Sin requisito de experiencia
Sin requisito de título
Isabel La Católica 5, Centro Histórico de la Cdad. de México, Centro, Cuauhtémoc, 06000 Ciudad de México, CDMX, México
Favoritos
Compartir
Parte del contenido se ha traducido automáticamenteVer original

Descripción

Resumen: Moreton Capital Partners busca un Investigador Cuantitativo para desarrollar señales alfa de nueva generación en futuros de materias primas mediante técnicas avanzadas de aprendizaje automático y pruebas rigurosas. Aspectos destacados: 1. Diseñar, probar y perfeccionar modelos predictivos para carteras de trading en vivo 2. Una cultura centrada en la investigación, con pensamiento profundo y rigor sistemático 3. Una trayectoria clara hacia puestos de investigador senior ### **Investigador Cuantitativo – Fondo de Cobertura Sistemático de Materias Primas** Moreton Capital Partners busca un talentoso Investigador Cuantitativo para ayudar a construir la próxima generación de señales alfa en futuros de materias primas. Nuestra investigación se basa en técnicas avanzadas de aprendizaje automático, marcos rigurosos de pruebas y una comprensión profunda de los mercados globales de materias primas. Este puesto es fundamental para nuestra misión: asumirás la responsabilidad integral del diseño, la prueba y el perfeccionamiento de modelos predictivos que alimentan directamente carteras de trading en vivo. ### **Principales responsabilidades** * Investigar, prototipar y validar señales de trading sistemático en materias primas mediante métodos avanzados de aprendizaje automático. * Diseñar e implementar pruebas retrospectivas rigurosas con fricciones realistas, validación walk\-forward y pruebas estadísticas robustas. * Ingeniar y evaluar nuevas características a partir de precios, fundamentales, posiciones, datos de opciones y conjuntos de datos alternativos (por ejemplo, satelitales, meteorológicos y precios al contado globales de materias primas). * Combinar múltiples previsiones alfa en meta\-modelos y señales de cartera, aprovechando métodos de ensamble y bayesianos. * Desarrollar técnicas de construcción y optimización de carteras, así como herramientas de análisis, para mejorar el rendimiento y rastrear los efectos sobre la ejecución de la cartera. * Colaborar con desarrolladores para trasladar la investigación a estrategias listas para producción. * Supervisar el rendimiento en vivo, la atribución y la deriva del modelo, garantizando la mejora continua de la biblioteca de señales alfa. **Requisitos** * Máster o doctorado en Estadística, Economía o Ciencias de la Computación. * Amplia experiencia en aprendizaje automático y modelado estadístico (modelos basados en árboles, regularización, aprendizaje automático para series temporales). * Competencia sólida en Python (pandas, NumPy, scikit\-learn, XGBoost, PyTorch/TensorFlow). * Conocimientos sobre pronóstico de series temporales, técnicas de validación cruzada y evitación del sesgo de mirada hacia adelante (look\-ahead bias). * Experiencia académica en investigación y capacidad demostrada para traducir trabajos académicos en código listo para producción. * Exposición previa al trading sistemático o a la modelización financiera. * Capacidad para diseñar experimentos, interpretar resultados e iterar rápidamente en un entorno de investigación. **Ventajas adicionales:** * Conocimientos sobre materias primas (agropecuarias, energéticas, metales) o mercados macroeconómicos. * Experiencia en ingeniería de características con conjuntos de datos no tradicionales (posicionamiento en opciones, datos meteorológicos, imágenes satelitales). * Experiencia colaborando en entornos de control de versiones. * Conocimientos sobre optimización de carteras, paridad de riesgo o promediado bayesiano de modelos. * Publicaciones, competencias Kaggle o historial investigador que demuestren excelencia aplicada en aprendizaje automático. **Beneficios** * Impacto directo: Tus señales alfa se pondrán en producción en carteras reales, respaldadas por capital real. * Cultura centrada en la investigación: Valoramos el pensamiento profundo, los enfoques novedosos y el rigor sistemático. * Colaboración estrecha con un equipo global. * Crecimiento profesional: Trayectoria clara hacia puestos de investigador senior a medida que aumentemos nuestros activos bajo gestión (AUM) y ampliemos nuestras líneas de productos. * Remuneración atractiva: Salario base altamente competitivo y bonificación anual que crece conforme lo hace la empresa. * Entorno laboral positivo, inclusivo y estimulante.

Fuentea:  indeed Ver publicación original
Juan García
Indeed · HR

Compañía

Indeed
Juan García
Indeed · HR
Cookie
Configuración de cookies
Nuestras aplicaciones
Download
Descargar en
APP Store
Download
Consíguelo en
Google Play
© 2025 Servanan International Pte. Ltd.