Quantitative Researcher- Alternative Data
Key Responsibilities
Alternative Data Research & Signal Development
- Source, evaluate, and onboard alternative datasets relevant to China markets (A-shares, H-shares, ADRs, commodities, rates, etc. as applicable).
- Build repeatable pipelines for data cleaning, normalisation, entity mapping (company/brand/product), and feature extraction.
- Develop predictive signals using alternative data (cross-sectional factors, event signals, risk indicators, regime indicators), and assess robustness across time and market regimes.
- Conduct rigorous validation: leakage checks, survivorship bias checks, latency and revision analysis, stability/decay testing, and crowding/overfitting controls.
Modelling & Portfolio Integration
- Apply statistical learning and machine learning methods (regularized regression, tree-based models, deep learning where appropriate) to improve signal strength and stability.
- Translate research outputs into implementable strategies (e.g., alpha overlays, factor portfolios, event-driven sleeves, intraday or mid-frequency signals).
- Partner with portfolio construction and risk to ensure signals are tradable under constraints (turnover, costs, liquidity, risk exposure, capacity).
Backtesting, Monitoring & Continuous Improvement
- Maintain transparent research documentation and reproducible experiments.
- Work with engineers to productionize research code and build monitoring for signal health, performance attribution, and drift detection.
- Continuously refine data + modelling stack based on live feedback and market evolution.
Requirements
Core Qualifications
- Strong quantitative background in Math/Statistics/Computer Science/Physics/Engineering/Econometrics or related field (BS/MS/PhD).
- Demonstrated experience in alpha research or applied ML for time-series / cross-sectional prediction.
- Proficiency in Python (pandas/numpy/scipy/sklearn); solid software engineering practices (version control, testing, clean code).
- Strong understanding of research hygiene: bias control, out-of-sample testing, proper cross-validation for time series, and realistic cost modelling.
- Ability to work with messy, imperfect datasets and build reliable pipelines under ambiguity.
FAQs
Herzlichen Glückwunsch – wir wissen, dass es ein großer Schritt ist, sich die Zeit für eine Bewerbung zu nehmen. Wenn Sie sich bewerben, werden Ihre Angaben direkt an den zuständigen Berater weitergeleitet, der aktiv nach passenden Talenten sucht. Aufgrund der hohen Nachfrage können wir uns möglicherweise nicht bei allen Bewerbern zurückmelden. Wir behalten Ihren Lebenslauf und Ihre Daten jedoch stets in unserer Datenbank und melden uns bei Ihnen, sobald wir ähnliche Positionen sehen oder Fähigkeiten identifizieren, die das Wachstum von Unternehmen vorantreiben können.
Ja. Auch wenn diese Position nicht perfekt zu Ihrem nächsten Karriereschritt passt, hilft uns Ihre Bewerbung dabei, Ihre Fachkenntnisse und Ziele besser zu verstehen. So stellen wir sicher, dass Sie bei der passenden Gelegenheit auf unserem Radar sind.
Wir arbeiten auf unterschiedliche Weise: Zum einen veröffentlichen wir die aktuell verfügbaren Positionen auf unserer Website. Häufig können wir jedoch aus Gründen der Vertraulichkeit nicht alle Vakanzen ausschreiben. Darüber hinaus arbeiten wir mit Kunden zusammen, die einen stärkeren Fokus auf Fähigkeiten legen und darauf, was erforderlich ist, um ihr Unternehmen zukunftssicher aufzustellen.
Aus diesem Grund empfehlen wir, Ihren Lebenslauf zu registrieren, damit Sie auch für Positionen berücksichtigt werden können, die noch nicht geschaffen wurden.
Ja, wir unterstützen Sie bei der Optimierung Ihres Lebenslaufs und der Vorbereitung auf Vorstellungsgespräche. Von individueller Beratung über die gezielte Vorbereitung auf Interviews bis hin zu Gehalts- und Vertragsverhandlungen stehen wir Ihnen während Ihres gesamten nächsten Karriereschritts zur Seite.