OS
Senior Quantitative Researcher & AI Engineer
- Hiring from
- Norway
- Work type
- Remote
- Posted
Is this job info correct?
530,752 remote jobs, straight from company career pages
100% free · New jobs every hour
Show job descriptionHide job description
Tracks
Competitions
Hacks & Tasks
Events
Projects
Hubs
Jobs
Privacy policyService agreementWebsite agreementPublic offer on the transfer of the right to use speechesOffer with the authorContact/Support
© ODS.AI 2015—2026
Brief description of the vacancy
Ищем исследователя, который построит количественный и AI-контур инвестиционного процесса: мониторинг тезисов, point-in-time данные, backtesting, портфельная аналитика, LLM-агенты. Команда принимает решения на основе фундаментального анализа, вы работаете напрямую с CIO и Head of Research. Полностью удалённо.
About The Company
Company Capital Lab.
Capital Lab — инвестиционная компания с фокусом на публичные рынки США и технологические тренды.
Responsibilities
Построить систему мониторинга, которая регулярно сверяет инвестиционные тезисы с новыми данными и показывает, подтверждается ли тезис, слабеет или требует пересмотра. Создать point-in-time хранилище: рыночные и фундаментальные данные, документы SEC, стенограммы звонков, новости, внутренняя аналитика. Проверять инвестиционные гипотезы на исторических данных, разрабатывать сигналы в дополнение к фундаментальному анализу. Вести портфельную аналитику: концентрация, факторные экспозиции, ликвидность, сценарные риски, размер позиций. Развивать LLM-агентов в исследовательском процессе и оценивать качество их работы.
Requirements
Сильная база в математике, статистике и машинном обучении. От 5 лет в quantitative research или data science на финансовых данных. Довели модель или сигнал до практического применения и можете показать, как проверяли результат. Опыт backtesting на point-in-time данных: на практике знаете look-ahead bias, survivorship bias и переобучение. Python и SQL: самостоятельно строите пайплайны данных и пишете надёжный, тестируемый код. Строили системы на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок. Понимаете фундаментальный анализ и портфельный риск, чтобы формализовать инвестиционный тезис. Свободный английский.
Желательно: Опыт на buy-side или в прямой работе с портфельными управляющими.
Working conditions
Работа с реальным портфелем: ваши инструменты сразу тестируются в инвестиционном процессе. Профессиональные источники данных и современные AI-инструменты. Конкурентная оплата труда и годовой бонус по личным результатам и результатам компании. Собственный бюджет на инфраструктуру и найм команды при подтверждении эффективности системы.
Contacts
Log InOnly registered users can open employer contacts.
Evgeny Shatov
Posted: October 9 at 11:39 AM
Ищем исследователя, который построит количественный и AI-контур инвестиционного процесса: мониторинг тезисов, point-in-time данные, backtesting, портфельная аналитика, LLM-агенты. Команда принимает решения на основе фундаментального анализа, вы работаете напрямую с CIO и Head of Research. Полностью удалённо.
Capital Lab — инвестиционная компания с фокусом на публичные рынки США и технологические тренды.
Построить систему мониторинга, которая регулярно сверяет инвестиционные тезисы с новыми данными и показывает, подтверждается ли тезис, слабеет или требует пересмотра. Создать point-in-time хранилище: рыночные и фундаментальные данные, документы SEC, стенограммы звонков, новости, внутренняя аналитика. Проверять инвестиционные гипотезы на исторических данных, разрабатывать сигналы в дополнение к фундаментальному анализу. Вести портфельную аналитику: концентрация, факторные экспозиции, ликвидность, сценарные риски, размер позиций. Развивать LLM-агентов в исследовательском процессе и оценивать качество их работы.
Сильная база в математике, статистике и машинном обучении. От 5 лет в quantitative research или data science на финансовых данных. Довели модель или сигнал до практического применения и можете показать, как проверяли результат. Опыт backtesting на point-in-time данных: на практике знаете look-ahead bias, survivorship bias и переобучение. Python и SQL: самостоятельно строите пайплайны данных и пишете надёжный, тестируемый код. Строили системы на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок. Понимаете фундаментальный анализ и портфельный риск, чтобы формализовать инвестиционный тезис. Свободный английский.
Желательно: Опыт на buy-side или в прямой работе с портфельными управляющими.
Работа с реальным портфелем: ваши инструменты сразу тестируются в инвестиционном процессе. Профессиональные источники данных и современные AI-инструменты. Конкурентная оплата труда и годовой бонус по личным результатам и результатам компании. Собственный бюджет на инфраструктуру и найм команды при подтверждении эффективности системы.
Our website uses cookies, including web analytics services. By using the website, you consent to the processing of personal data using cookies. You can find out more about the processing of personal data in the Privacy policy
Learn More
Competitions
Hacks & Tasks
Events
Projects
Hubs
Jobs
Privacy policyService agreementWebsite agreementPublic offer on the transfer of the right to use speechesOffer with the authorContact/Support
© ODS.AI 2015—2026
Brief description of the vacancy
Ищем исследователя, который построит количественный и AI-контур инвестиционного процесса: мониторинг тезисов, point-in-time данные, backtesting, портфельная аналитика, LLM-агенты. Команда принимает решения на основе фундаментального анализа, вы работаете напрямую с CIO и Head of Research. Полностью удалённо.
About The Company
Company Capital Lab.
Capital Lab — инвестиционная компания с фокусом на публичные рынки США и технологические тренды.
Responsibilities
Построить систему мониторинга, которая регулярно сверяет инвестиционные тезисы с новыми данными и показывает, подтверждается ли тезис, слабеет или требует пересмотра. Создать point-in-time хранилище: рыночные и фундаментальные данные, документы SEC, стенограммы звонков, новости, внутренняя аналитика. Проверять инвестиционные гипотезы на исторических данных, разрабатывать сигналы в дополнение к фундаментальному анализу. Вести портфельную аналитику: концентрация, факторные экспозиции, ликвидность, сценарные риски, размер позиций. Развивать LLM-агентов в исследовательском процессе и оценивать качество их работы.
Requirements
Сильная база в математике, статистике и машинном обучении. От 5 лет в quantitative research или data science на финансовых данных. Довели модель или сигнал до практического применения и можете показать, как проверяли результат. Опыт backtesting на point-in-time данных: на практике знаете look-ahead bias, survivorship bias и переобучение. Python и SQL: самостоятельно строите пайплайны данных и пишете надёжный, тестируемый код. Строили системы на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок. Понимаете фундаментальный анализ и портфельный риск, чтобы формализовать инвестиционный тезис. Свободный английский.
Желательно: Опыт на buy-side или в прямой работе с портфельными управляющими.
Working conditions
Работа с реальным портфелем: ваши инструменты сразу тестируются в инвестиционном процессе. Профессиональные источники данных и современные AI-инструменты. Конкурентная оплата труда и годовой бонус по личным результатам и результатам компании. Собственный бюджет на инфраструктуру и найм команды при подтверждении эффективности системы.
Contacts
Log InOnly registered users can open employer contacts.
Evgeny Shatov
Posted: October 9 at 11:39 AM
Ищем исследователя, который построит количественный и AI-контур инвестиционного процесса: мониторинг тезисов, point-in-time данные, backtesting, портфельная аналитика, LLM-агенты. Команда принимает решения на основе фундаментального анализа, вы работаете напрямую с CIO и Head of Research. Полностью удалённо.
Capital Lab — инвестиционная компания с фокусом на публичные рынки США и технологические тренды.
Построить систему мониторинга, которая регулярно сверяет инвестиционные тезисы с новыми данными и показывает, подтверждается ли тезис, слабеет или требует пересмотра. Создать point-in-time хранилище: рыночные и фундаментальные данные, документы SEC, стенограммы звонков, новости, внутренняя аналитика. Проверять инвестиционные гипотезы на исторических данных, разрабатывать сигналы в дополнение к фундаментальному анализу. Вести портфельную аналитику: концентрация, факторные экспозиции, ликвидность, сценарные риски, размер позиций. Развивать LLM-агентов в исследовательском процессе и оценивать качество их работы.
Сильная база в математике, статистике и машинном обучении. От 5 лет в quantitative research или data science на финансовых данных. Довели модель или сигнал до практического применения и можете показать, как проверяли результат. Опыт backtesting на point-in-time данных: на практике знаете look-ahead bias, survivorship bias и переобучение. Python и SQL: самостоятельно строите пайплайны данных и пишете надёжный, тестируемый код. Строили системы на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок. Понимаете фундаментальный анализ и портфельный риск, чтобы формализовать инвестиционный тезис. Свободный английский.
Желательно: Опыт на buy-side или в прямой работе с портфельными управляющими.
Работа с реальным портфелем: ваши инструменты сразу тестируются в инвестиционном процессе. Профессиональные источники данных и современные AI-инструменты. Конкурентная оплата труда и годовой бонус по личным результатам и результатам компании. Собственный бюджет на инфраструктуру и найм команды при подтверждении эффективности системы.
Our website uses cookies, including web analytics services. By using the website, you consent to the processing of personal data using cookies. You can find out more about the processing of personal data in the Privacy policy
Learn More