Lieu De Travail
Montréal, Québec, Canada
Horaire
37.5
Secteur D’activité
Gestion de patrimoine TD
Détails De La Rémunération
135 000 $/$135,000 - 175 000 $/$175,000 CAD
Ce poste est admissible à une prime de rémunération variable discrétionnaire qui tient compte du rendement de l’entreprise et du rendement individuel.
La TD a à cœur d’offrir une rémunération juste et équitable à tous les collègues. Les occasions de croissance et le perfectionnement des compétences sont des caractéristiques essentielles de l’expérience collègue à la TD. Nos politiques et pratiques en matière de rémunération ont été conçues pour permettre aux collègues de progresser dans l’échelle salariale au fil du temps, à mesure qu’ils s’améliorent dans leurs fonctions. Le salaire de base offert peut varier en fonction des compétences et de l’expérience du candidat, de ses connaissances professionnelles, de son emplacement géographique et d’autres besoins particuliers du secteur et de l’entreprise.
En tant que candidat, nous vous encourageons à poser des questions sur la rémunération et à avoir une conversation franche avec votre recruteur, qui pourra vous fournir des détails plus précis sur ce poste.
Description Du Poste
Aperçu du poste
L’équipe de recherche quantitative de Gestion de Placements TD est à la recherche d’une personne expérimentée, hautement curieuse et solide sur le plan technique afin de contribuer au développement de stratégies systématiques de placement en actions.
Le Poste Est Centré Sur La Recherche D’alpha Et Le Développement De Signaux Systématiques De Sélection De Titres. Nous Recherchons Une Personne Qui Combine
- La rigueur scientifique nécessaire pour formuler des hypothèses,
concevoir des expériences robustes et distinguer les résultats persistants du bruit statistique.
- L’approche pratique requise pour transformer des idées de recherche en solutions fonctionnelles et les améliorer par des itérations fondées sur les résultats.
- Le jugement financier permettant de relier le comportement des modèles à l’intuition économique, aux résultats des portefeuilles, aux contraintes de mise en œuvre et aux risques.
Les candidatures peuvent provenir de la finance quantitative, de l’apprentissage automatique, de l’informatique, de la statistique, de la physique, du génie ou d’une autre discipline fortement quantitative. Une expérience directe en placement constitue un atout significant. Les personnes provenant d’un domaine scientifique ou technologique seront également considérées si elles démontrent un intérêt sérieux pour les marchés financiers et une capacité à appliquer leur expertise en modélisation à des problèmes de placement.
Nos travaux de recherche utilisent des méthodes allant des techniques statistiques traditionnelles à l’apprentissage automatique moderne, à l’apprentissage profond, au traitement du langage naturel et aux systèmes d’intelligence artificielle agentique. Nous nous intéressons à ces méthodes lorsqu’elles permettent de découvrir des signaux différenciés, d’améliorer notre compréhension des marchés ou de rendre le processus de recherche et de placement plus efficace.
Nous accordons une importance particulière aux recherches qui explorent des données moins standardisées, mettent en évidence des relations moins visibles dans les données traditionnelles, combinent des informations structurées et non structurées ou proposent une approche de modélisation différenciée.
Responsabilités
- Diriger la recherche, le développement et l’amélioration de modèles systématiques de prévision des rendements boursiers utilisés dans la gestion de portefeuilles d’actions.
- Transformer des observations économiques, financières ou fondées sur les données en hypothèses de recherche testables et en signaux investissables.
- Appliquer les méthodes quantitatives appropriées, notamment l’apprentissage statistique, l’apprentissage automatique, la modélisation de séries chronologiques, l’optimisation, l’apprentissage profond, le traitement du langage naturel et l’intelligence artificielle générative.
- Concevoir des expériences empiriques rigoureuses à l’aide de méthodes de validation appropriées, de données historiques ponctuelles, de contraintes de portefeuille réalistes, de coûts de transaction et d’hypothèses de mise en œuvre crédibles.
- Repérer et gérer les risques de recherche tels que le surapprentissage, la fuite de données, les tests multiples, le biais de survie, l’instabilité des relations, la dépendance aux régimes de marché et la mauvaise qualité des données.
- Évaluer les modèles en fonction de leur performance prédictive, de leur pertinence économique, de leur stabilité, de leur interprétabilité, de leur capacité de mise à l’échelle, de leurs expositions au risque, de leurs coûts de mise en œuvre et de leur contribution supplé
📌 VP, Recherche quantitative (Montreal)
🏢 TD
📍 Montreal