Cómo conseguir un trabajo como investigador / comerciante cuantitativo después de un doctorado en matemática pura

Answer 1

Junto con la capacidad de implementar sus ideas en Python, creo que un doctorado en matemática pura es quizás un muy buen fondo para entrar en la revolución FinTech en este momento.

Este documento de investigación ilustrará el hipercrecimiento en Inteligencia Artificial y el hipercrecimiento basado en Aprendizaje Profundo en Fintech.

Impulsores del negocio :

• De la inversión cuantitativa a la inversión en IA. Deberá posicionarse de manera tal que no esté tratando de encontrar fórmulas que modelen bien el mercado. Deberá utilizar su apreciación de las matemáticas del modelado para crear sistemas que tengan un mejor rendimiento de la muestra.
• Hay un cambio masivo de la era de los operadores estrella a sistemas masivos complejos que quizás se describan mejor como motores de inferencia financiera. Una de las mejores fuentes en esto es el conjunto de videos. Si realmente quieres entender la experiencia de otra persona, mira este conjunto de videos:

• Las mejores empresas inversoras buscan alfa más complejas con mejores tasas de éxito. Los ejemplos incluyen nuevos tipos de fuentes exóticas de “big data” y un aumento en las estrategias de múltiples activos. Vea el video a continuación para conocer los conceptos de aprendizaje automático que se usan en el comercio y en qué configuraciones se usan.

Referencias

1. Nadie quiere comerciantes
2. Dan Loeb pagará más de $ 2 millones a su nuevo Head Quant de 32 años
3. ¿Qué debo hacer para comenzar una carrera en el comercio algorítmico?
4. ¿Cómo puede un ingeniero comenzar a trabajar en el mercado financiero? ¿Con qué frecuencia puede ver a un ingeniero en el mercado financiero?
5. Desmitificando la inversión cuantitativa

¡Gracias por el usuario de A2A Quora!

Answer 2

Obtiene cualquier trabajo al solicitar uno. Un doctorado en matemática pura es una credencial en algunos lugares, como DE Shaw, pero no interesará a otros. Los procesos estocásticos son buenos para las finanzas estructuradas o el comercio de derivados, pero no para mucho más. El aprendizaje automático está muy activo en este momento, pero eso puede no durar.

No pasaría mucho tiempo estudiando. Para impresionar a cualquiera con sus procesos estocásticos o habilidades de aprendizaje automático, tendría que demostrar logros reales, no estudiar. La gente puede contratarte porque eres inteligente y confiar en que puedes aprender lo que necesitas para el trabajo. Estarán más interesados ​​en su aptitud general, historial de éxito en cualquier cosa, capacidad para trabajar con otros, expectativa realista, ética de trabajo, motivación, energía y creatividad.

Si no puede obtener el trabajo que desea con su currículum actual, es probable que sea más valioso demostrar éxito práctico en lugar de más aprendizaje. Desarrolle algoritmos exitosos en Quantopian o Numerai o lugares similares. Gana algunos concursos de desafío de aprendizaje automático. Resolver algunos problemas abiertos en ingeniería financiera. Póngase en contacto con personas que hacen cosas interesantes en un campo que ha dominado.