Resumen: Moreton Capital Partners busca un Investigador de Aprendizaje Automático de nivel doctoral para diseñar y mejorar modelos predictivos destinados a estrategias sistemáticas de trading de materias primas, impactando directamente los rendimientos de la cartera. Aspectos destacados: 1. Impacto directo: la investigación impulsa el capital operativo en tiempo real 2. Libertad de investigación con bucles de retroalimentación rápidos 3. Fuerte curva de aprendizaje en aprendizaje automático, mercados y construcción de carteras ### **Investigador de Aprendizaje Automático (PhD) – Fondo de Cobertura Sistemático de Materias Primas** Moreton Capital Partners está buscando un Investigador de Aprendizaje Automático para ayudar a diseñar y mejorar los modelos predictivos que impulsan nuestras estrategias sistemáticas de trading de materias primas. Operamos futuros globales de materias primas mediante aprendizaje automático, datos alternativos y construcción institucional de carteras. Nuestra ventaja radica en la profundidad de la investigación, la experimentación disciplinada y sistemas de producción robustos. Este puesto está dirigido a candidatos que estén finalizando o hayan finalizado recientemente un doctorado con fuerte énfasis en aprendizaje automático, estadística o matemáticas aplicadas, y que deseen aplicar una investigación avanzada en un entorno real de capital. Trabajarás directamente con el Director de Inversiones y el equipo cuantitativo de investigación para transformar ideas punteras de aprendizaje automático en señales operativas en tiempo real. Este no es un puesto puramente académico. Tu investigación se implementará en producción e impactará directamente los rendimientos de la cartera. ### **En qué trabajarás** * Diseñar modelos predictivos para rendimientos transversales y en series temporales de materias primas * Desarrollar nuevas variables predictoras a partir de datos de precios, posiciones, opciones, macroeconómicos y alternativos * Mejorar la solidez de las señales y reducir el sobreajuste mediante validaciones rigurosas * Combinar y mezclar múltiples modelos en previsiones a nivel de cartera * Detección de regímenes, meta-modelos y marcos de asignación adaptativa * Diagnóstico de modelos, explicabilidad y análisis de estabilidad * Traducir ideas de investigación en implementaciones listas para producción * Colaborar con ingenieros para desplegar modelos en sistemas operativos de trading ### **Responsabilidades clave** * Formular hipótesis de investigación y someterlas a prueba mediante pipelines de aprendizaje automático limpios y conscientes del tiempo * Construir y evaluar modelos (basados en árboles, lineales, ensamblajes, aprendizaje profundo, etc.) * Realizar experimentos de avance progresivo (walk-forward) y fuera de muestra con costos realistas * Analizar coeficientes de información, rotación, caídas máximas (drawdowns) y rendimientos ajustados al riesgo * Diseñar marcos de ingeniería de características y herramientas de investigación reutilizables * Documentar claramente los hallazgos y comunicar los resultados a los gestores de cartera * Contribuir a mejorar los estándares de investigación, la reproducibilidad y los procesos **Requisitos** * Doctorado (finalizado o casi finalizado) en Aprendizaje Automático, Estadística, Matemáticas Aplicadas, Ciencias de la Computación, Física, Ingeniería o campo cuantitativo relacionado * Excelentes habilidades en Python y experiencia con pilas de computación científica * Profundo conocimiento del aprendizaje estadístico y la validación de modelos * Experiencia trabajando con grandes conjuntos de datos y pipelines experimentales * Capacidad para pasar de la teoría a la implementación práctica * Curiosidad intelectual y mentalidad fuerte para la resolución de problemas * Capacidad para trabajar en un entorno dinámico y de alta responsabilidad ### **Puntos adicionales valorados** * Experiencia en mercados financieros o trading sistemático * Conocimiento de modelado de series temporales o pronóstico * Experiencia con LightGBM/XGBoost, aprendizaje profundo o métodos de ensamblaje * Exposición a construcción de carteras o modelado de riesgos * Experiencia con entornos en la nube o computación distribuida * Investigación publicada o proyectos aplicados sólidos ### **Por qué este puesto es único** * Impacto directo: tu investigación impulsa el capital operativo en tiempo real * Libertad de investigación: explora ideas con bucles de retroalimentación rápidos * Datos del mundo real: grandes, complejos y procedentes de múltiples fuentes * Equipo pequeño: alta responsabilidad y iteración rápida * Fuerte curva de aprendizaje en aprendizaje automático, mercados y construcción de carteras * Trayectoria clara hacia responsabilidades como Investigador Senior o Gestor de Cartera **Beneficios** * Beneficios líderes en el mercado * Alta responsabilidad desde el primer día * Bono por desempeño vinculado al crecimiento de la firma y al desempeño personal (hasta 3 veces el salario)