Softcard fue una plataforma de tecnología financiera y comercio móvil creada por AT&T Mobility, T-Mobile USA y Verizon Wireless. Su billetera móvil con tecnología NFC ayudaba a los consumidores a realizar pagos sin contacto, comprar desde sus teléfonos y acceder a funciones de fidelización en un solo lugar. Centrada en los pagos móviles, las billeteras digitales y las recompensas, Softcard desarrolló tecnología diseñada para agilizar las transacciones cotidianas y hacerlas más personalizadas antes de su adquisición por Google.
Analista cuantitativo de analítica de ingeniería de carteras
Desarrollar análisis de construcción de carteras, API, métodos de previsión y modelos de aprendizaje automático para respaldar las capacidades de inversión de Invesco. Aplicar investigación cuantitativa, optimización, simulación e ingeniería de datos en soluciones para carteras y clientes.
Descripción
- Respaldar la construcción de carteras multiactivo y de un solo activo mediante métodos avanzados de asignación de activos y construcción de carteras
- Desarrollar algoritmos, infraestructura y API de computación de alto rendimiento
- Investigar e implementar métodos de predicción y previsión mediante métodos estadísticos, aprendizaje automático e IA generativa
- Convertir marcos de inversión en herramientas prácticas para los equipos de inversión y la interacción con clientes
- Aplicar métodos avanzados de optimización para desarrollar soluciones de carteras para partes interesadas internas y externas
- Utilizar simulaciones multiperiodo para prever y optimizar el rendimiento considerando flujos y opcionalidad
- Incorporar modelos de riesgo de terceros en los análisis de construcción de carteras
- Crear y mantener procesos y herramientas que mejoren la gestión de datos y la productividad de la investigación
- Colaborar con equipos cuantitativos y tecnológicos para aplicar la teoría financiera y las mejores prácticas tecnológicas
- Desarrollar conceptos de investigación que mejoren los marcos y herramientas existentes
- Supervisar la investigación académica y la evolución del sector para incorporar las mejores prácticas pertinentes al trabajo
Requisitos
- Título avanzado en un campo cuantitativo, como ingeniería, finanzas, investigación operativa o informática
- Conocimientos prácticos de métodos consolidados de ingeniería financiera
- Sólidos conocimientos de estadística y optimización
- Excelentes capacidades de programación, preferiblemente en Python
- Se valorará la experiencia en el desarrollo y la implementación de modelos de aprendizaje automático en aplicaciones financieras, especialmente arquitecturas de redes neuronales como LSTM, CNN y transformers
- Dominio de scikit-learn, TensorFlow y PyTorch para el modelado de redes neuronales
- Experiencia en el manejo y la transformación de grandes conjuntos de datos, preferiblemente con SQL
- Capacidad para aprender conceptos complejos y expresarlos como algoritmos sistemáticos
- Se valorará la experiencia con modelos de riesgo de terceros, como BarraOne o Axioma
- Se prefiere estar avanzando hacia la obtención de la certificación CFA
- Capacidad para priorizar responsabilidades y gestionar el tiempo con el fin de maximizar el impacto en el proceso de inversión
- Atención excepcional al detalle y hábito de validar y triangular los resultados
- Sólidas habilidades interpersonales y de colaboración
- Compromiso con la producción de trabajo de alta calidad
Beneficios
- Tiempo libre remunerado flexible
- Modalidad de trabajo híbrida
- Aportación equivalente al 100 % de las primeras contribuciones del 6 % al plan 401(k), más una contribución suplementaria discrecional
- Programas de salud y bienestar
- Permiso parental
- Plan de compra de acciones para empleados