Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
SSchonfeld
Лондон, Великобритания5 месяцев назад
Грейд
Middle
Опыт работы
3-5 лет
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
Мы ищем технически подкованного специалиста с глубоким личным интересом к ИИ/МО, который присоединится к офису COO DMFI в качестве выделенного аналитика по стратегии ИИ. Это не традиционная количественная или инженерная роль — она находится на стыке инвестиционных рабочих процессов, стратегии данных и прикладного ИИ, с мандатом на реальное внедрение и измеримое воздействие на нашу платформу Macro & Fixed Income. Нам нужен человек, который сможет практически заниматься обучением, наборами данных, разработкой промптов и внедрением, продолжая при этом отстаивать приоритеты DMFI в команде платформы ИИ. Schonfeld — это глобальный хедж-фонд с несколькими управляющими, который стремится обеспечивать ведущую в отрасли доходность с поправкой на риск для наших инвесторов. Мы используем как внутренние, так и внешние команды портфельных управляющих по всему миру, стремясь использовать неэффективность и возможности на рынках. Мы опираемся на десятилетия опыта и значительные инвестиции в проприетарные технологии, инфраструктуру и аналитику рисков для инвестирования в четыре основные стратегии: Quant, Tactical, Fundamental Equity и Discretionary Macro & Fixed Income. Наша культура В Schonfeld мы инвестируем в вас. Привлечение и удержание лучших талантов — это основа того, что мы делаем, потому что мы верим, что исключительные результаты начинаются с исключительных людей. Мы создаем культуру, в которой таланты получают возможность постоянно учиться, внедрять инновации и преследовать амбициозные цели. Мы ориентированы на командную работу, сотрудничество и поощряем обмен идеями — на всех уровнях. Как организация, стремящаяся инвестировать в наших людей, мы предоставляем возможности для обучения и образования, а также возможности для оказания влияния. Мы поощряем сообщество через внутренние сети, внешние партнерства и служебные инициативы, которые способствуют инклюзивности и цели за пределами компании.
Внедрение ИИ и практическая реализация Обеспечение сквозного внедрения инструментов и рабочих процессов ИИ для PM и аналитиков DMFI — от определения вариантов использования до развертывания в производственной среде и отслеживания внедрения. Создание, тестирование и совершенствование пользовательских промптов, библиотек навыков и автоматизированных рабочих процессов, адаптированных к инвестиционным процессам в области макроэкономики/фиксированного дохода. Разработка и поддержка пользовательских источников данных (векторизованные хранилища документов, встраивание исследований, конвейеры для обработки электронной почты), которые PM могут запрашивать через SchonAI/Claude. Работа с проприетарными данными на уровне подразделений, рыночными данными (Bloomberg, Citi Velocity, DTCC) и внутренними аналитическими инструментами для создания наборов данных, доступных для ИИ. Прототипирование и итерация вариантов использования: аналитические сводки, торговые отчеты, обнаружение поведенческих предубеждений, анализ позиций и инструменты для генерации идей на основе ИИ. Обучение и внедрение PM Разработка и проведение обучающих программ для PM и аналитиков — от основ разработки промптов до расширенных сессий Claude Code. Создание руководств, лучших практик и многоразовых шаблонов, которые снижают барьер для внедрения ИИ. Проведение регулярных сессий «AI Lab», демонстрация новых возможностей и формирование институциональных знаний на платформе. Отслеживание показателей внедрения (уровень использования, расход токенов, сэкономленные часы, использование моделей) и отчетность о рентабельности инвестиций для высшего руководства. Выявление и устранение препятствий — бюджеты токенов, пробелы в рабочих процессах, проблемы осведомленности — для обеспечения последовательного внедрения. Стратегия данных и управление наборами данных Картирование и каталогизация ландшафта данных DMFI: какие данные существуют, где они находятся и как сделать их доступными для ИИ. Управление загрузкой и встраиванием ключевых источников данных: исследования брокеров (по электронной почте и через платформу), стенограммы центральных банков, внутренние исследовательские заметки и коммуникации PM. Обеспечение качества данных, соглашений об именовании и стандартов управления для всех наборов данных, доступных для ИИ. Работа с технологическим отделом над созданием и поддержкой конвейеров данных, которые обеспечивают инструменты ИИ актуальной, релевантной информацией. Связь с платформой и отстаивание приоритетов Выступать в качестве основного интерфейса между DMFI и центральной командой ИИ/технологий — представление приоритетов PM, отстаивание ресурсов и обеспечение надлежащей приоритизации элементов дорожной карты DMFI. Участие в междисциплинарных рабочих группах по ИИ, обмен вариантами использования DMFI и импорт лучших практик из других стратегических направлений. Перевод бизнес-требований в технические спецификации, которые может реализовать команда разработчиков ИИ. Быть в курсе быстро развивающегося ландшафта ИИ (новые модели, инструменты, возможности) и оценивать их актуальность для DMFI. Соответствие требованиям и управление Обеспечение наличия соответствующих аудиторских следов для целей соответствия всем аналитическим данным и результатам, полученным с помощью ИИ. Работа с отделом соответствия требованиям для установления правил использования ИИ в торговых контекстах. Поддержание документации по всем активным инструментам ИИ, наборам данных и рабочим процессам. Измеримое повышение уровня внедрения ИИ PM в DMFI. Не менее 3-5 полностью развернутых, производственных ИИ-воркфлоу, обеспечивающих измеримую экономию времени или генерацию инсайтов для PM. Полный каталог наборов данных DMFI с четким статусом доступности для ИИ и дорожной картой. Установленный регулярный график обучения с положительными отзывами PM. Четкая согласованная с центральной командой ИИ система приоритизации для улучшений, специфичных для DMFI. Количественные метрики ROI, связывающие использование ИИ с операционной эффективностью и/или инвестиционным преимуществом.
Идеальный кандидат — это выпускник университета с опытом работы 3-5 лет, вероятно, с докторской степенью или сильной технической подготовкой (компьютерные науки, наука о данных, вычислительные финансы, физика, инженерия или аналогичные области), который обладает искренним базовым любопытством к ИИ и может вырасти до руководящей должности по мере масштабирования функции. Мы ценим интеллектуальные способности и стремление к знаниям выше лет опыта. 3-5 лет опыта работы после окончания университета; докторская степень или степень магистра в области количественных/технических дисциплин (компьютерные науки, наука о данных, машинное обучение, вычислительные финансы, физика, математика, инженерия или аналогичные) сильно предпочтительны. Искренняя, демонстрируемая страсть к ИИ — личные проекты, вклад в проекты с открытым исходным кодом, исследовательские работы или эквивалентные доказательства самостоятельного обучения. Практическое владение Python; опыт работы с фреймворками машинного обучения (PyTorch, TensorFlow, HuggingFace), API LLM (OpenAI, Anthropic) и библиотеками манипулирования данными (pandas, numpy). Знакомство с концепциями NLP: встраивание (embeddings), векторные базы данных, архитектуры RAG, разработка промптов, тонкая настройка (fine-tuning). Уверенность в работе с большими наборами данных и создании конвейеров данных (SQL, облачное хранилище, API). Интерес или опыт работы на финансовых рынках — особенно макроэкономика/фиксированный доход — является большим плюсом, но не обязателен; мы обучим предметной области подходящего технического кандидата. Отличные коммуникативные навыки — способность объяснять сложные технические концепции нетехническим PM и преобразовывать неясные бизнес-потребности в конкретные технические решения. Самостоятельность: комфорт при работе в условиях неопределенности, способность самостоятельно расставлять приоритеты и стремление к достижению ощутимых результатов, а не просто к проведению анализа. Командный игрок и отсутствие эго; способность работать на разных уровнях — от младших аналитиков до старших PM и руководителей.
The Role
We are looking for a technically-minded individual with a deep personal interest in AI/ML to join the DMFI COO Office as a dedicated AI Strategy Analyst. This is not a traditional quant or engineering role — it sits at the intersection of investment workflows, data strategy, and applied AI, with a mandate to drive real adoption and measurable impact across our Macro & Fixed Income platform.
We need someone who can get hands-on with training, datasets, prompt engineering, and implementation, while continuing to advocate for DMFI priorities with the platform AI team.
The ideal candidate is 3-5 years out of university, likely with a PhD or strong technical background (computer science, data science, computational finance, physics, engineering, or similar), who has a genuine base-case curiosity about AI and can grow into a leadership position as the function scales. We value intellectual horsepower and hunger over years of experience.
What You'll Do
AI Implementation & Hands-On Delivery
Own the end-to-end implementation of AI tools and workflows for DMFI PMs and analysts — from scoping use cases through to production deployment and adoption tracking.
Build, test, and refine custom prompts, skill libraries, and automated workflows tailored to macro/fixed income investment processes.
Develop and maintain custom datasources (vectorised document stores, research embeddings, email ingestion pipelines) that PMs can query via SchonAI/Claude.
Work with proprietary pod-level data, market data (Bloomberg, Citi Velocity, DTCC), and internal analytics to create AI-accessible datasets.
Prototype and iterate on use cases: AI-driven research briefs, trade write-ups, behavioural bias detection, position analytics, and idea generation tools.
Training & PM Adoption
Design and deliver training programmes for PMs and analysts — from prompt engineering fundamentals to advanced Claude Code sessions.
Create playbooks, best-practice guides, and reusable templates that lower the barrier to AI adoption.
Run regular "AI Lab" sessions, demo new capabilities, and build institutional knowledge across the platform.
Track adoption metrics (usage rates, token spend, hours saved, model adoption) and report on ROI to senior management.
Identify and address friction points — token budgets, workflow gaps, awareness issues — to drive consistent adoption.
Data Strategy & Dataset Management
Map and catalogue DMFI's data landscape: what data exists, where it lives, and how to make it AI-accessible.
Drive the ingestion and embedding of key data sources: broker research (email and platform), central bank transcripts, internal research notes, and PM communications.
Ensure data quality, naming conventions, and governance standards for all AI-accessible datasets.
Work with Technology to build and maintain data pipelines that keep AI tools fed with current, relevant information.
Platform Liaison & Priority Advocacy
Act as the primary interface between DMFI and the central AI/Technology team — representing PM priorities, advocating for resources, and ensuring DMFI's roadmap items are appropriately prioritized.
Participate in cross-strategy AI working groups, share DMFI use cases, and import best practices from other strategy sets.
Translate business requirements into technical specifications that the AI engineering team can deliver.
Stay current on the rapidly evolving AI landscape (new models, tools, capabilities) and assess relevance for DMFI.
Compliance & Governance
Ensure all AI-derived analytics and outputs have appropriate audit trails for compliance purposes.
Work with Compliance to establish guardrails for AI usage in trading contexts.
Maintain documentation of all active AI tools, datasets, and workflows.
What You'll Bring
3-5 years post-university; PhD or Master's in a quantitative/technical discipline strongly preferred (Computer Science, Data Science, Machine Learning, Computational Finance, Physics, Mathematics, Engineering, or similar).
Genuine, demonstrable passion for AI — personal projects, open-source contributions, research papers, or equivalent evidence of self-directed learning.
Hands-on proficiency with Python; experience with ML frameworks (PyTorch, TensorFlow, HuggingFace), LLM APIs (OpenAI, Anthropic), and data manipulation libraries (pandas, numpy).
Familiarity with NLP concepts: embeddings, vector databases, RAG architectures, prompt engineering, fine-tuning.
Comfort working with large datasets and building data pipelines (SQL, cloud storage, APIs).
Interest in or exposure to financial markets — particularly macro/fixed income — is a strong plus but not required; we will teach the domain to the right technical candidate.
Excellent communication skills — ability to explain complex technical concepts to non-technical PMs and translate vague business needs into concrete technical solutions.
Self-starter mentality: comfortable with ambiguity, able to prioritise independently, and driven to ship tangible outcomes rather than just produce analysis.
Collaborative and low-ego; able to work across seniority levels from junior analysts to senior PMs and C-suite.
What Success Looks Like (First 12 Months)
Measurable increase in PM AI adoption rates across DMFI.
At least 3-5 fully deployed, production-quality AI workflows generating demonstrable time savings or insight generation for PMs.
Complete catalogue of DMFI datasets with clear AI-accessibility status and roadmap.
Regular training cadence established with positive PM feedback.
Clear prioritisation framework agreed with central AI team for DMFI-specific enhancements.
Quantified ROI metrics linking AI usage to operational efficiency and/or investment edge.
Who we are
Schonfeld is a global multi-manager hedge fund that strives to deliver industry-leading risk-adjusted returns for our investors. We leverage both internal and external portfolio manager teams around the world, seeking to capitalize on inefficiencies and opportunities within the markets. We draw from decades of experience and a significant investment in proprietary technology, infrastructure and risk analytics to invest across four main strategies: Quant, Tactical, Fundamental Equity and Discretionary Macro & Fixed Income.
Our Culture
At Schonfeld, we’ll invest in you. Attracting and retaining top talent is at the heart of what we do, because we believe that exceptional outcomes begin with exceptional people. We foster a culture where talent is empowered to continually learn, innovate and pursue ambitious goals. We are teamwork-oriented, collaborative and encourage ideas—at all levels—to be shared. As an organization committed to investing in our people, we provide learning and educational offerings and opportunities to make an impact. We encourage community through internal networks, external partnerships and service initiatives that promote inclusion and purpose beyond the firm’s walls.
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 83 700 до 112 000
