Всем привет! Это моя первая статья на Хабр. Меня зовут Артем и я директор по разработке ПО в Luxoft. В IT больше 15 лет: начинал как Java разработчик, прошел долгий путь от тим лида и руководителя проектов до директора по разработке ПО с сотней людей в подчинении. В связи с последними событиями в ближайшее время собираюсь с семьей переезжать на остров Пенанг в Малайзию и присоединиться к Люксофт.Малайзия. Там продолжу развитие своих проектов в квантовых хэдж фондах, куда мы теперь нанимаем людей в Сербии, Мексике и Малайзии. Буду писать статьи про жизнь в Малайзии и про работу в Люксофт.

Что такое квантовые хедж-фонды? 

Квантовые хедж-фонды отличаются от классических с точки зрения трейдинга и финансового анализа. Такие компании используют количественный (или квантовый — от англ. quantitative) инвестиционный подход с помощью data science, статистических методов и machine learning. В классических хедж-фондах трейдер анализирует факты, оценивает показатели, общается с представителями компаний, изучает публичную информацию и ищет инсайды. Почти то же самое делают и алгоритмы, они ищут неэффективности рынков и используют их в торговле путем обработки больших массивов данных за короткое время. Например мониторят любые упоминания компаний в СМИ, соцсетях и даже в публичных выступлениях. Еще один из плюсов количественного подхода: автоматизированные системы не азартны в торговле — они выполняют то, что заложено алгоритмом, у них отсутствует поведенческий фактор, что снижает риски. В квантовых фондах основная работа лежит на плечах ученых, математиков и разработчиков, а не управленцев и трейдеров. 

Количественные фонды за последнее десятилетие двигались вверх, удерживая наивысшую долю объема торговли на фондовых биржах США.

По данным Barclay’s на 2017 год, поток капитала в количественные фонды составлял 29%, или 114 миллиардов долларов от общей суммы средств, переданных в хедж-фонды. Финансовые компании продолжают вкладываться в количественные способы инвестиций, некоторые создают отдельные квантовые подразделения. 

Как работают квантовые фонды? 

Компании создают так называемые «сигналы» на основе разных источников данных для принятия решений о покупке или продаже акций. 

Кроме классических рыночных данных: цен и объемов торгов, такими источниками могут быть:

• Данные геолокации телефонов — на их основе например осуществляется мониторинг посещаемости сетевых кофеен и кафе быстрого питания для прогнозирования увеличения или уменьшения их доходов и впоследствии прогнозирования цены на акции этих компаний.

• Спутниковые изображения — наблюдение за количеством автомобилей, припаркованных возле сетевых универмагов или кафе позволяет прогнозировать объем продаж, соответственно и цены на акции. Еще один пример: поиск всех танкеров с нефтью на снимках, где с помощью длины тени на воде и времени снимка можно определить усадку корабля и соответственно объем нефти внутри танкера, что позволяет получить данные о перевозке нефти морским путем во всем мире. Сейчас эта история закрыта, так как пустые танкеры стали заливать рандомным количеством воды, но определенный промежуток времени данный сигнал активно работал.

• Календарь национальных праздников в странах, где в конкретные дни традиционно дарят определенные драгоценные металлы — с учётом дат можно анализировать их стоимость.

• Транзакции карт-провайдеров (VISA, MasterCard, etc.) — это триллионы операций (если не больше), которые парсятся с помощью machine learning для суммирования транзакций по всем компаниям, представленным на биржах. Благодаря этому фонд получает доступ к примерной аккумулированной выручке и может раньше публикации квартальных отчетов понимать ситуацию в каждой конкретной компании.

Таких сигналов для аналитики в фонде может быть более 5 миллионов и это терабайты входных данных ежедневно. Чаще всего такие сигналы разрабатывают ресечеры — специальные люди, квант-инженеры, которые экспертно разбираются в вопросе финансов и алгоритмов. 

А что же IT специалисты? 

IT специалисты нужны как для создания инфраструктуры для обработки, преобразования и загрузки этих данных, так и для разработки и тестирования приложений для непосредственно торговли. Поэтому в хедж-фонды ищут сениоров со знанием Python, Java, C++, обладающих опытом в data science, machine learning, cloud, data lakes, big data и т.д.. Стек технологий: Kafka, Cassandra, Spark, Django, K8S, AWS и др. Не последнее место занимает знание английского языка не ниже уровня upper intermediate. 

В фонды нанимают суперпрофи, экспертов. Здесь работает много математиков, поэтому нужно быть подкованным в алгоритмах, теории вероятности, теории чисел.

Опытный программист в количественном фонде занимает место опытного трейдера: фонд может получить преимущество на рынке благодаря превосходно написанному алгоритму. По данным Wall Street Journal, за лучших из лучших математиков и программистов идет борьба с Кремниевой долиной. Хедж-фонды ищут различные варианты привлечения кандидатов, предлагают льготы лучше, чем в технологических компаниях: дают столько отпусков, сколько нужно, предлагают мгновенные выплаты тем, чья работа отразилась на прибыли, устраивают хакатоны, открывают лаборатории количественных исследований для студентов Оксфорда.

Чем заниматься: исторические данные, NLP, репортинг 

Разные команды работают над разными проектами. К примеру, это может быть:

• построение систем Data Lakes и Big Data Storages с использованием HDFS, Spark и Java;

• написание Data Managers на С++, которые объединяют данные в один формат, а также разработка плагинов для преобразования данных из разных форматов в единый;

• написание системы симуляции поведения рынков на исторических данных — специального программного комплекса, который симулирует торговый год. В него можно загрузить любую стратегию, и она как бы будет в ускоренном темпе проходить торги, а сотрудники фонда будут анализировать результаты — верно ли стратегия советует что-то приобрести или продать.

• настройка инфраструктуры с использованием виртуализации и кластеризации AWS, K8S и Docker;

• создание распределенных систем на основе Kafka и Cassandra;

• решение задач Data Science c использованием NLP (natural language processing), numPy, Pandas, NLTK и Pyhton;

• инфраструктурные проекты, связанные с подсчетом выручки, с репортингом в регулирующие органы, внутренним репортингом на Django и Flask + ReactJS;

Глобальность 

Хедж-фонды активно ищут программистов (кто сейчас не ищет), поэтому география не ограничена страной присутствия. Помимо США, где находятся штаб квартиры большинства фондов, таланты ищут и в Азии, и в Южной Америке, и в Европе.

Remote и почти remote 

Из-за особенностей информационной и финансовой безопасности, специалистов на удалёнке в проектах количественных фондов долгое время практически не было. Пандемия внесла свои коррективы: в вакансиях иногда можно найти remote или temporary remote предложения. В некоторых компаниях предпочитают гибридный формат flexible sharedesk (часть дней сотрудник работает из дома, часть — из офиса).

Оклады и бонусы 

Senior-инженер в квантовом фонде может заработать суммы, сопоставимые с европейскими зарплатами. Бывают дополнительные бонусы от самой компании. К примеру, мы работаем с одним из крупных американских хедж-фондов — они ввели призовой фонд для наших сотрудников и полностью его оплачивают. Это около 150 тыс. долларов в год для девяти чемпионов и девяти топ-перформеров, которые получат по 10 и по 5 тыс. долларов соответственно. 

Как попасть? 

Самый простой вариант — мониторить вакансии конкретных компаний, второй — устроиться в компанию-партнера квантового фонда, например к нам в Люксофт. Но нужно быть готовыми, что они отбирают минимальный процент от присланных CV.

Если вы заинтересованы в работе в квантовых фондах, но еще не слишком опытны — можно попробовать себя в формате стажировок. Они чаще всего оплачиваемы, но для этого нужно приехать в другую страну. Такие предложения, например, есть у фондов Two Sigma и Citadel с обучением в США и Китае. Можно пройти обучение и в онлайн-формате на data science модуле.

Плюсы:

• достойная оплата, на 20-25% выше средней по рынку;

• реальная big data — до 10 петабайт в новых данных в день;

• современные технологии — фонды сразу же применяют новые стандарты языков;

Минусы:

• иногда монотонная и сложная работа с данными;

• не самая интересная предметная область — математика и финансы;

• не стоит забывать, что фондовый рынок — это риск.