Quantitative Researcher - Metals

Quantitative Researcher – Metals

Qube Research & Technologies (QRT) è un gestore globale di investimenti quantitativi e sistematici, operativo in tutte le classi di attività liquide in tutto il mondo. Siamo un gruppo guidato dalla tecnologia e dai dati che implementa un approccio scientifico all'investimento. La combinazione di dati, ricerca, tecnologia e competenze di trading ha plasmato la mentalità collaborativa di QRT, che ci consente di risolvere le sfide più complesse. La cultura dell'innovazione di QRT guida continuamente la nostra ambizione di fornire rendimenti di alta qualità ai nostri investitori.

Il tuo ruolo futuro

Il ruolo combina la ricerca fondamentale e quantitativa, traducendo l'analisi di offerta e domanda in opportunità di trading azionabili, insieme alla modellazione, allo sviluppo di dashboard e all'esecuzione degli scambi.

Sviluppare set di dati proprietari sul mercato fisico, bilanci di offerta e domanda e modelli quantitativi per i metalli base, traducendo l'analisi di offerta, domanda, scorte, flussi e incentivi commerciali in valutazioni di fair-value e ricerca di trading azionabile.

Le tue responsabilità includono:

• Il tuo obiettivo principale è creare segnali predittivi di alta qualità.

1. Bilancio delle catode di rame negli US e tracciamento dei vessel

• Gestire il bilancio mensile del rame raffinato negli US, coprendo la produzione nazionale, i flussi commerciali, la domanda finale e le scorte riportate e stimate.
• Mantenere un modello di tracciamento dei vessel per le spedizioni di catodo negli US e riconciliare l'origine del carico, il tonnellaggio e la tempistica di arrivo con la dogana, la polizza di carico e i dati commerciali ufficiali.
• Derivare modelli di fair value per il mercato del rame CME.

1. Bilanci delle materie prime dei metalli base

• Sviluppare bilanci delle materie prime per rame e zinco coprendo:
• concentrati di rame, blister e anodi, rottame di rame,
• concentrati di zinco, ossido di Waelz e rottame di zinco.
• Integrare l'offerta mineraria e secondaria, i tassi di utilizzo di fonderie e raffinerie, il commercio, le scorte, i margini delle fonderie e i vincoli di lavorazione in modelli per i rapporti di alimentazione secondaria, i tassi di recupero e le stime di analisi.
• Garantire la plausibilità dell'evoluzione implicita delle scorte nel contesto degli incentivi commerciali.

1. Modellazione della domanda finale

• Sviluppare modelli di domanda finale utilizzando la produzione a valle, le installazioni, le spedizioni, le scorte e altri dati rilevanti del settore.
• Mantenere una copertura dettagliata di AI Data Centers, New Energy Vehicles (NEVs) e Power Generation Equipment in Wind, Solar, Hydro, Coal e Gas.
• Modellare l'intensità d'uso tra i metalli e l'uso di rottami, riflettendo le dinamiche di sostituzione e i guadagni di efficienza.
• Riconciliare la domanda finale modellata con il consumo apparente, le comunicazioni aziendali e altri indicatori osservabili del settore.

1. Riconciliazione dei bilanci e incentivi commerciali

• Riconciliare gli output dei bilanci con le serie temporali delle scorte visibili; spiegare i divari derivanti da tempistiche, classificazione, scorte non riportate e revisioni dei dati.
• Mantenere serie di incentivi e arbitraggio combinando premi fisici, prezzi di borsa e spread, noli, interessi, assicurazioni, dazi, code in magazzino, tassi di carico e altri costi logistici.
• Distinguere l'economia eseguibile da quella indicativa e utilizzare gli incentivi commerciali per convalidare i flussi di trading previsti, i movimenti delle scorte e le conclusioni sui bilanci.

1. Analisi del fair-value per le commodity scambiate in borsa

• Sviluppare framework di fair-value per i metalli base scambiati in borsa utilizzando l'output delle serie temporali proprietarie dei bilanci e delle serie temporali degli incentivi (vedi sopra).
• Valutare prezzi outright, spread temporali e relazioni cross-market; comunicare intervalli di fair-value, sensibilità, incertezza e catalizzatori rilevanti.

1. Ricerca quantitativa e supporto alla strategia

• Supportare la ricerca sui metalli base attraverso la preparazione dei dati, l'ingegneria delle caratteristiche (feature engineering), la ricerca di segnali, il backtesting, l'analisi degli scenari e l'attribuzione delle performance.
• Convertire le ipotesi di mercato in dataset robusti e test riproducibili, controllando le revisioni, il look-ahead bias e i cambiamenti nel regime di mercato.

1. Infrastruttura dati e comunicazione della ricerca

• Automatizzare la raccolta, la convalida, la riconciliazione e la reportistica ricorrenti utilizzando Python, SQL, API e altri strumenti appropriati.
• Mantenere codice con controllo di versione, calcoli riproducibili, metadati delle sorgenti, cronologie delle assunzioni e controlli della qualità dei dati.
• Fornire aggiornamenti concisi sulle revisioni dei bilanci, i segnali di fair-value, i limiti dei modelli e i rischi materiali; condividere strumenti e metodi riutilizzabili con il team.
• Sviluppare strategie di trading discrezionale su futures e opzioni per l'implementazione da parte del Portfolio Manager.

Il tuo attuale set di competenze

• Laurea avanzata in un campo quantitativo come data science, statistica, matematica, fisica o ingegneria.
• Forte conoscenza di statistica, machine learning, NLP e tecniche di AI.
• Forte comprensione dei mercati derivati, incluse le tecniche di valutazione delle opzioni.
• Conoscenza approfondita dei mercati dei metalli base, inclusi i meccanismi di consegna (CME, LME e SHFE). Esperienza nel sifting dei warrant e nell'origination e marketing fisico.
• La conoscenza delle principali lingue asiatiche è desiderabile.
• Capacità di multitasking in un ambiente frenetico mantenendo una forte attenzione ai dettagli.
• Competenze avanzate di programmazione richieste in Python.
• Forte capacità di comunicare con tecnologi, data scientist e trader in tutto il mondo.

QRT è un dator