QAVETA / Carreras

Construya tecnología comercial con nosotros.

Únase a Qaveta, un estudio de tecnología cuantitativa que desarrolla productos MT5 EA, modelos financieros y espacios de trabajo en la nube. Damos la bienvenida a solicitantes remotos en todo el mundo.

En todo el mundo · Remoto

Revisamos las solicitudes y respondemos dentro de 1 a 3 días hábiles.

01 / QAVETA

Desarrollador EA MT5

Desarrollar herramientas y asesores expertos MQL5 confiables, convirtiendo reglas comerciales definidas en productos mantenibles y comprobables.

Lo que harás

  • Desarrollar y mantener EA MT5, indicadores y paneles comerciales.
  • Implementar manejo de órdenes, gestión de posiciones, controles de riesgos y autorización de claves en línea.
  • Ejecute comprobaciones de Strategy Tester, diagnostique problemas de ejecución y publicaciones de documentos.

Lo que traes

  • Experiencia práctica en MQL5 con API comerciales de MT5, manejo de eventos y ejecución asincrónica.
  • Comprenda las cuentas de compensación y cobertura, las órdenes pendientes, las restricciones de los corredores y los escenarios de reconexión.
  • Escriba código claro, utilice control de versiones y pruebe con costos y datos realistas.
  • Proporcionar ejemplos de desarrollo de EA; La integración de API o la experiencia en C++/C# son una ventaja.
02 / QAVETA

Ingeniero de aprendizaje automático financiero

Investigar y entrenar modelos para series temporales financieras, con énfasis en experimentos reproducibles, validación rigurosa e inferencia confiable.

Lo que harás

  • Cree canales de datos de mercado, conjuntos de características y conjuntos de datos de entrenamiento.
  • Entrene, ajuste y compare series temporales u otros modelos de aprendizaje automático adecuados.
  • Diseñe evaluaciones prospectivas y fuera de muestra que tengan en cuenta la fuga de datos y los costos comerciales.
  • Ofrezca modelos versionados, experimentos reproducibles e interfaces de inferencia de producción.

Lo que traes

  • Fuertes habilidades en Python y experiencia práctica con PyTorch o TensorFlow.
  • Comprender las divisiones de series temporales, la no estacionariedad, las fugas, el sobreajuste y la incertidumbre.
  • Experiencia en calidad de datos, seguimiento de experimentos y seguimiento del rendimiento de modelos.
  • Investigación de ML financiero, proyectos reproducibles o ejemplos de modelos implementados; El entrenamiento distribuido y la optimización de la inferencia son una ventaja.

Proceso de solicitud

Envíe su solicitud → Revisión inicial dentro de 1 a 3 días hábiles → Discusión técnica o de experiencia → Alcance y términos acordados antes de comenzar.