Научный сотрудник - PostDoc (Оценка рыночных рисков)

Вакансия № 8648086 от компании Национальный исследовательский университет «Высшая школа экономики» на Электронной Службе Занятости Населения Москвы.

✷ Смотрите другие предложения работы от компании Национальный исследовательский университет «Высшая школа экономики».

☑ Основной блок:

Опыт работы: 3–6 лет.

Тип занятости: полная занятость.

График работы: полный день.

Зарплата: от 70000 руб..

Примерное место работы: Россия, Москва.

☑ Актуальность объявления:

Это объявление № 8648086 добавлено в базу данных: Среда, 12 февраля 2025 года.

Дата его обновления на этом интернет-ресурсе: Воскресенье, 16 марта 2025 года.

☑ Статистика предложения работы № 8648086:

Прочитано соискателями - 228 раз(а);
Отправлено откликов - 0 раз(а);

☑ Репутация компании "Национальный исследовательский университет «Высшая школа экономики»":

Читайте свежие отзывы сотрудников об этом работодателе здесь!

Оставить своё мнение об этой компании можно тут без регистрации и бесплатно.

☑ Подробности о вакантном месте:

Название проекта: Оценка рыночных рисков и рисков рыночной ликвидности по высокочастотным данным

Подразделение: Научно-учебная лаборатория по финансовой инженерии и риск-менеджменту факультета экономических наук НИУ ВШЭ

Мы ищем энергичного, нацеленного на эффективную научную работу коллегу, интересующегося финансовыми рисками, рыночной микроструктурой и аспектами ликвидности финансовых инструментов.

Цель проекта: Построение и анализ моделей стохастической динамики книги лимитированных заявок (биржевого "стакана") для целей количественной оценки рыночных рисков и рисков рыночной ликвидности.

В перспективе — анализ эффектов "перетекания ликвидности" между различными финансовыми инструментами, срочной структуры процентных ставок и моделей робастной оценки обусловленных обязательств -- на внутридневном уровне.

Задачи в рамках проекта:

Предварительная обработка "сырых" (подробных) данных о ходе торгов (заявок и сделок) на Московской бирже в секции фондового рынка (акции и облигации) и построение промежуточных агрегатов, в частности, срезов книги лимитированных заявок (биржевого "стакана") для торгуемых инструментов.
Эмпирический (статистический) анализ активности торгов, основных аспектов рыночной ликвидности и ценовой динамики по данным различной частоты для финансовых инструментов, торгующихся в секции фондового рынка Московской биржи; характеристика биржевого рынка с точки зрения уровней и устойчивости статистических показателей активности, ликвидности и волатильности торгуемых инструментов.
Построение, оценка параметров и анализ моделей стохастической динамики, описывающих выявленные статистические свойства активности, ликвидности и волатильности торгуемых инструментов; определение возможностей и целесообразности (по критериям точности и робастности) моделирования торгового процесса - динамики книги лимитированных заявок (биржевого "стакана") или отдельных её характеристик - в зависимости от статистических характеристик данных о торгах; возможно, предложение классификации инструментов на этой основе.
Приложение построенных моделей к количественной оценке рыночных рисков и рисков рыночной ликвидности и анализ их эффективности в задачах управления рисками центрального контрагента на Московской бирже.
Подготовка докладов на конференции, и публикация статей.

Мы предлагаем:

общение с признанными экспертами в предметной области;
креативный подход в решении задач;
участие в научных и образовательных мероприятиях и программах НИУ ВШЭ;
проект как с академическим, так и с прикладным значением;
место работы: основное;
срок работы: 1 год с возможностью продления.

Требования к работнику:

ученая степень кандидата наук (или успешная защита кандидатской диссертации) или степень PhD, полученная в российском или иностранном университете;
высокая мотивация, желание осваивать новое;
знание английского языка;
опыт поиска и анализа научной литературы на английском языке
знание основ финансовых рынков и инструментов;
базовые знания в теории вероятностей, математической статистике и теории случайных процессов, навыки оценки параметров моделей.
владение Python, Matlab или R;
приветствуется опыт анализа временных рядов и больших объёмов данных.