Aquí hay un listado actual para un quant de fondos de cobertura (el énfasis es mío):
- Ayuda con datos de la curación, datos limpieza y la elaboración de modelos que permitan al equipo identificar datos señales de inversión impulsadas
- Gestionar datos a lo largo de su ciclo de vida para garantizar que el datos puede ser recuperado para su uso futuro
- Supervisar y mitigar Información para la redundancia y la transparencia
- Ayudar en el proceso de conservación, limpieza e integración datos para permitir la escalabilidad del análisis
- Obtenga, agregue y analice de forma creativa cantidades masivas de datos
- Utilizar las aplicaciones de aprendizaje automático en los datos para extraer ideas de inversión
Ahora bien, al igual que muchos quants de la industria, ciertamente tengo experiencia en el trabajo con grandes cantidades de datos -que se utilizan en la calibración, en las pruebas retrospectivas, en la creación de nuevas señales, etc.- es un determinado que hagas estas cosas si tienes experiencia en el desarrollo de modelos. Nunca he pensado en destacar esta parte de mi trabajo; sin embargo, cada vez veo más listados como el de arriba que parecen centrarse exclusivamente en estas habilidades (presumiblemente dadas), y naturalmente quiero alinear mi currículum con las habilidades que se buscan.
Me gustaría saber cómo se han adaptado los demás a este aparente nuevo régimen, en términos de qué ha cambiado exactamente de su currículum para parecer más competitivo con estos "nuevos" requisitos ?
Obviamente, mi opinión es que las habilidades que se buscan no son realmente nada nuevo para aquellos con experiencia "clásica" en el desarrollo de modelos; es simplemente una cuestión de enfatizar este aspecto de la experiencia de uno. Por supuesto, se aceptan y alientan puntos de vista alternativos :)
