Quantitative Researcher - Metals

Quantitative Researcher – Metals

Qube Research & Technologies (QRT) ist ein globaler quantitativer und systematischer Investmentmanager, der in allen liquiden Anlageklassen weltweit tätig ist. Wir sind eine technologie- und datengesteuerte Gruppe, die einen wissenschaftlichen Ansatz bei der Anlage verfolgt. Die Kombination von Daten, Forschung, Technologie und Handelskompetenz hat die kollaborative Denkweise von QRT geprägt, die es uns ermöglicht, die komplexesten Herausforderungen zu lösen. Die Innovationskultur von QRT treibt kontinuierlich unseren Ehrgeiz voran, erstklassige Renditen für unsere Anleger zu erwirtschaften.

Ihre zukünftige Rolle

Die Rolle kombiniert fundamentale und quantitative Forschung, wobei Angebot- und Nachfrageanalysen in umsetzbare Handelsmöglichkeiten übersetzt werden, ergänzt durch Modellierung, Dashboard-Entwicklung und Handelsausführung.

Entwickeln Sie proprietäre Datensätze für den physischen Markt, Angebots- und Nachfragebilanzen sowie quantitative Modelle für Basismetalle, indem Sie Analysen zu Angebot, Nachfrage, Lagerbeständen, Warenflüssen und kommerziellen Anreizen in Fair-Value-Bewertungen und umsetzbare Handelsrecherche übersetzen.

Ihre Verantwortlichkeiten umfassen:

• Ihr Kernziel ist die Erstellung hochwertiger prädiktiver Signale.

1. US Kupferkathoden-Bilanz und Schiffsbewegungsverfolgung

• Verantwortlich für die monatliche US-Raffinerie-Kupferbilanz, die die inländische Produktion, Handelsströme, Endverbrauchsnachfrage sowie gemeldete und geschätzte Lagerbestände abdeckt.
• Pflege eines Modells zur Verfolgung von Schiffsbewegungen für Kathodenlieferungen in die USA und Abgleich von Ursprung der Ladung, Tonnage und Ankunftszeitpunkt mit dem Zoll, dem Konnossement (Bill-of-Lading) und offiziellen Handelsdaten.
• Ableitung von Fair-Value-Modellen für den CME-Kupfermarkt.

1. Rohstoffbilanzen für Basismetalle

• Entwicklung von Kupfer- und Zink-Rohstoffbilanzen, die Folgendes abdecken:
• Kupferkonzentrate, Blister- und Anodenkupfer, Kupferschrott,
• Zinkkonzentrate, Waelzoxid und Zinkschrott.
• Integration von Minen- und Sekundärangebot, Schmelz- und Raffinerieauslastungsraten, Handel, Lagerbeständen, Schmelzmargen und Verarbeitungseinschränkungen in Modelle für Sekundärzufuhrverhältnisse, Ausbeuteraten und Assay-Schätzungen.
• Sicherstellung der Plausibilität der implizierten Lagerbestandsentwicklung im Kontext kommerzieller Anreize.

1. Modellierung der Endverbrauchernachfrage

• Entwicklung von Endverbrauchernachfragemodellen unter Verwendung von Downstream-Produktion, Installationen, Lieferungen, Lagerbeständen und anderen relevanten Branchendaten.
• Detaillierte Abdeckung von KI-Rechenzentren, New Energy Vehicles (NEVs) und Energieerzeugungsausrüstung in den Bereichen Wind, Solar, Hydro, Kohle und Gas.
• Modellierung der Nutzungsintensität über Metalle und Schrottnutzung hinweg, unter Berücksichtigung von Substitutionsdynamiken und Effizienzsteigerungen.
• Abgleich der modellierten Endverbrauchernachfrage mit dem scheinbaren Verbrauch, Unternehmensmitteilungen und anderen beobachtbaren Branchenindikatoren.

1. Bilanzabgleich und kommerzielle Anreize

• Abgleich der Bilanz-Ergebnisse mit sichtbaren Bestand-Zeitreihen; Erklärung von Lücken, die durch Timing, Klassifizierung, nicht gemeldete Bestände und Datenrevisionen entstehen.
• Pflege von Anreiz- und Arbitrage-Zeitreihen unter Kombination von physischen Aufschlägen, Börsenpreisen und Spreads, Fracht, Zinsen, Versicherung, Zöllen, Lagerwarteschlangen, Loading-out-Raten und anderen Logistikkosten.
• Unterscheidung zwischen ausführbarer und indikativer Ökonomie und Nutzung kommerzieller Anreize zur Validierung erwarteter Handelsflüsse, Lagerbewegungen und Bilanzschlüsse.

1. Fair-Value-Analyse für börsengehandelte Rohstoffe

• Entwicklung von Fair-Value-Frameworks für börsengehandelte Basismetalle unter Verwendung von Ergebnissen aus proprietären Bilanz-Zeitreihen und Anreiz-Zeitreihen (siehe oben).
• Bewertung von Spotpreisen, Zeit-Spreads und marktübergreifenden Beziehungen; Kommunikation von Fair-Value-Bereichen, Sensitivitäten, Unsicherheiten und relevanten Katalysatoren.

1. Quantitative Forschung und Unterstützung der Strategie

• Unterstützung der Forschung bei Basimetallen durch Datenaufbereitung, Feature Engineering, Signalforschung, Backtesting, Szenarioanalyse und Performance-Attribution.
• Umwandlung von Markthypothesen in robuste Datensätze und reproduzierbare Tests, unter Kontrolle von Revisionen, Look-ahead-Bias und Änderungen des Marktregimes.

1. Dateninfrastruktur und Forschungs-Kommunikation

• Automatisierung der wiederkehrenden Erfassung, Validierung, Abstimmung und Berichterstattung mittels Python, SQL, APIs und anderen geeigneten Werkzeugen.
• Pflege von versionskontrolliertem Code, reproduzierbaren Berechnungen, Quell-Metadaten, Annahmehistorien und Datenqualitätsprüfungen.
• Bereitstellung prägnanter Updates zu Bilanzrevisionen, Fair-Value-Signalen, Modellbeschränkungen und materiellen Risiken; Austausch wiederverwendbarer Tools und Methoden im Team.
• Entwicklung diskretionärer Handelsstrategien für Futures und Optionen zur Implementierung durch den Portfolio Manager.

Ihr derzeitiges Kompetenzprofil

• Fortgeschrittener akademischer Grad in einem quantitativen Bereich wie Data Science, Statistik, Mathematik, Physik oder Ingenieurwesen.
• Fundierte Kenntnisse in Statistik, Machine Learning, NLP und KI-Techniken.
• Starkes Verständnis der Derivatemärkte einschließlich Optionsbewertungstechniken.
• Tiefgehende Kenntnisse der Basismetallmärkte, einschließlich Liefermechanismen (CME, LME und SHFE). Erfahrung in der Analyse von Warenbezugsrechten (Warrants) sowie in der physischen Beschaffung und Vermarktung.
• Kenntnisse wichtiger asiatischer Sprachen erwünscht.
• Fähigkeit zum Multitasking in einem schnelllebigen Umfeld bei gleichzeitiger hoher Detailgenauigkeit.
• Fortgeschrittene Programmierkenntnisse in Python erforderlich.
• Starke Kommunikationsfähigkeit mit