Softcard беше финтех и платформа за мобилна търговия, създадена от AT&T Mobility, T-Mobile USA и Verizon Wireless. Нейният мобилен портфейл с NFC поддръжка позволяваше на потребителите да извършват безконтактни плащания, да пазаруват от телефона си и да използват функции за лоялност на едно място. Фокусирана върху мобилните плащания, дигиталните портфейли и наградите, Softcard разработваше технологии, предназначени да направят ежедневните транзакции по-бързи и по-персонализирани, преди да бъде придобита от Google.
Количествен анализатор, анализи за конструиране на портфейли
Разработвайте аналитични решения за конструиране на портфейли, API, методи за прогнозиране и модели за машинно обучение в подкрепа на инвестиционните възможности на Invesco. Прилагайте количествени изследвания, оптимизация, симулации и инженеринг на данни в портфейлни и клиентски решения.
Съединени щати
Масачузетс
Ню Йорк130 000 $ – 135 000 $ / година
На мястоПълен работен денСредно нивоСтаршиЗадължителен Език: английскиАнализатор на данниОписание
- Подпомагане на изграждането на портфейли с множество и с един клас активи чрез усъвършенствани методи за разпределение на активи и конструиране на портфейли
- Разработване на алгоритми, инфраструктура и API за високопроизводителни изчисления
- Изследване и внедряване на подходи за предвиждане и прогнозиране чрез статистически методи, машинно обучение и генеративен изкуствен интелект
- Превръщане на инвестиционните рамки в практически инструменти за инвестиционните екипи и ангажирането на клиенти
- Прилагане на усъвършенствани методи за оптимизация при разработването на портфейлни решения за вътрешни и външни заинтересовани страни
- Използване на многопериодни симулации за прогнозиране и оптимизиране на резултатите при парични потоци и опционалност
- Включване на модели за риск от трети страни в анализите за конструиране на портфейли
- Създаване и поддържане на процеси и инструменти, които подобряват управлението на данни и продуктивността на изследователската работа
- Партниране с количествени и технологични екипи за прилагане на финансовата теория и най-добрите технологични практики
- Разработване на изследователски концепции, които подобряват съществуващите рамки и инструменти
- Наблюдение на академичните изследвания и развитието в индустрията с цел въвеждане на релевантни добри практики в работата
Изисквания
- Напреднала степен в количествена област като инженерство, финанси, изследване на операциите или компютърни науки
- Работни познания по утвърдени методи на финансовото инженерство
- Силни умения в областта на статистиката и оптимизацията
- Отлични програмни умения, за предпочитане на Python
- Опитът в разработването и внедряването на модели за машинно обучение във финансови приложения, особено невронни архитектури като LSTM, CNN и трансформъри, е предимство
- Познаване на scikit-learn, TensorFlow и PyTorch за моделиране на невронни мрежи
- Опит в обработката и трансформирането на големи набори от данни, за предпочитане със SQL
- Способност за усвояване на сложни концепции и изразяването им като систематични алгоритми
- Опитът с модели за риск от трети страни като BarraOne или Axioma е предимство
- За предпочитане е напредък към придобиване на квалификация CFA
- Способност за приоритизиране на отговорностите и управление на времето с цел максимален принос към инвестиционния процес
- Изключително внимание към детайлите и навик за проверка и съпоставяне на резултатите
- Силни умения за междуличностно общуване и партньорство в екип
- Ангажираност към предоставяне на висококачествена работа
Придобивки
- Гъвкав платен отпуск
- Хибриден начин на работа
- Съответстващ принос към 401(k), равен на 100% от първите 6% внесени средства, плюс допълнителен дискреционен принос
- Програми за здраве и благосъстояние
- Родителски отпуск
- План за закупуване на акции от служители