트레저러｜AI Quant Researcher (Agentic Workflow & Alpha Search)

회사/직무 소개

🚀 우리가 하는 일

우리는 단순히 과거 데이터를 학습하는 모델을 만드는 것이 아닙니다. “스스로 가설을 세우고, 데이터를 재가공하며, 최적의 트레이딩 전략을 찾아내는 AI 에이전트”를 개발합니다. 금융 시장의 끊임없는 변화(Regime Shift)에 적응할 수 있는 진화형 알고리즘을 함께 만들 동료를 찾습니다.

주요업무

📌 주요 업무 (Responsibilities)

Agentic AutoML 파이프라인 구축:
LLM(Claude/GPT-4)을 활용하여 실험 결과를 해석하고, 다음 실험의 방향성(Feature Selection, Model Architecture)을 스스로 결정하는 ‘AI Researcher Agent’ 설계 및 개발.
Optuna 등 최적화 프레임워크와 LLM을 연동한 하이브리드 워크플로우(Governing & Worker structure) 구현.
금융 데이터 모델링 및 특성 공학 (Feature Engineering):
CB/BW(전환사채/신주인수권부사채) 등 Event-driven 데이터의 금융 공학적 파생 변수(괴리율, 리픽싱, 오버행 이슈 등) 모델링.
XGBoost, LightGBM, CatBoost 등 Tree-based 모델의 고도화 및 커스텀 손실 함수(Custom Loss Function) 개발.
최신 논문 리서치 및 적용 (Paper Implementation):
시장 데이터의 비정상성(Non-stationarity) 해결을 위한 최신 기법 적용 (예: ReVol: Return-Volatility Normalization 등).
Distribution Shift를 방어하기 위한 Robust Scaling 기법 연구.
검증 시스템 고도화:
단순 K-Fold가 아닌 시계열 특성을 반영한 Walk-Forward Validation(전진 분석) 시스템 구축.
오버피팅(Overfitting)과 일반화(Generalization) 사이의 균형을 맞추는 리스크 관리 로직 설계.

자격요건

📌 자격 요건 (Qualifications)

Python 기반의 머신러닝/딥러닝 개발 경력 3년 이상 또는 이에 준하는 실력.
LLM Application 개발 경험: LangChain, LlamaIndex 등을 활용하여 복잡한 추론(Reasoning) 과정을 코드로 구현해 본 경험.
시계열 데이터(Time-series) 처리 능력: 주가, 거래량, 보조지표 등의 특성을 이해하고 전처리할 수 있는 분.
논리적 사고: “왜 성능이 떨어졌는지”를 수학적/통계적으로 분석하고 가설을 세울 수 있는 분
경력 무관

우대사항

🎯 우대 사항 (Preferred Qualifications)

금융 도메인 지식: CB/BW, 유상증자 등 기업 금융(Corporate Finance) 이벤트가 주가에 미치는 영향에 대한 이해도가 높은 분.
AutoML 아키텍처 경험: 사람이 개입하지 않아도 모델이 스스로 진화하는 루프(Self-improving loop)를 설계해 본 경험.
최신 논문 구현 능력: 학술 논문(CIKM, NeurIPS, KDD 등)을 읽고 이를 실제 트레이딩 모델 코드(Python)로 빠르게 옮길 수 있는 분.
퀀트/시스템 트레이딩 경험: 직접 전략을 짜서 시장에서 수익을 내거나 깨져본 경험(실전 감각).

혜택 및 복지

🎁 혜택과 복지 (Perks & Benefits)

🍽️ 냠냠

✅ 원하는 것은 무엇이든! 다양한 간식과 음료(커피, 주스 등) 지원

✅ 선릉역 맛집 도장깨기! 점식 식대 지원

💬 소통 및 효율

✅ 수평적 조직문화의 시작! 영어 이름 사용

✅ 원하실 때 출근하세요! 탄력 근무제 (8~10시 사이 출근)

✅ 원하실 때 쉬세요! 자율 연차 사용

채용 절차

지원

서류 평가

1차 면접

처우 협의

최종 합격

지원하러 가기