Prediction Markets Quantitative Engineer

G-20 Group ist eine führende Handelsfirma, die im Delta-One- und Derivatemarkt tätig ist. Gegründet im Jahr 2010, bietet G-20 Liquiditätslösungen, Treasury-Management und institutionelle Beratungsdienste an. Wir werden von einem hervorragenden Team von Fachleuten unterstützt, mit einer robusten globalen Präsenz in EMEA, Amerika und APAC.

Wir suchen einen Prediction Markets Quant Engineer, um Forschungs- und Handelsinfrastrukturen für den Betrieb in Vorhersagemärkten (Ereignisverträge) über mehrere Plattformen hinweg aufzubauen. Sie werden Modelle entwerfen, die Ereigniswahrscheinlichkeiten schätzen, Fehlbewertungen erkennen, Positionen dimensionieren und Risiken managen – und diese dann in zuverlässige Systeme übersetzen, die End-to-End laufen (Daten → Prognose → Ausführung → Überwachung).

Diese Rolle befindet sich an der Schnittstelle von quantitativer Forschung, Ingenieurwesen und Marktstruktur und ist ideal für jemanden, der es genießt, robuste Systeme zu entwickeln, ebenso wie Modelle zu erstellen.

Verantwortlichkeiten

• Modellierung & Forschung: Entwicklung probabilistischer Modelle zur Vorhersage von Ergebnissen realer Ereignisse (z.B. Wahlen, makroökonomische Veröffentlichungen, Sport, politische Entscheidungen, Branchenmeilensteine). Kombination heterogener Signale (Zeitreihen, Text/Nachrichten, Marktdaten, Umfragen/alternative Daten, Fundamentaldaten, Expertenmeinungen) in kalibrierte Wahrscheinlichkeitsabschätzungen. Aufbau von Preis- und Edge-Rahmen: fairer Wert, Unsicherheitsbänder, erwarteter Wert und Modellabweichung/Regime-Diagnosen. Entwurf von Bewertungsmethoden (richtige Scoring-Regeln wie Log-Verlust/Brier-Score, Kalibrierungskurven, Backtests mit realistischen Kosten und Einschränkungen).
• Handel & Marktdesign (Angewandt): Identifizierung und Ausnutzung von Fehlbewertungen über Verträge/Plattformen; Gestaltung von Cross-Market-Arbitrage- und Relative-Value-Strategien, wo möglich. Aufbau von Positionierungs- und Risikorahmen (Kelly-Varianten, Drawdown/Risikobudgets, Szenario-Stresstests, liquiditäts-/auswirkungsbewusste Dimensionierung). Für Märkte mit mehreren Ergebnissen: Durchsetzung der Wahrscheinlichkeitskohärenz (No-Arb-Beschränkungen, Normalisierung) und Portfolio-Optimierung über korrelierte Verträge.
• Ingenieurwesen & Produktion: Aufbau von Datenpipelines und Echtzeitdiensten zum Erfassen, Bereinigen und Versionieren von Markt- und externen Daten. Implementierung von Ausführungswerkzeugen: Auftragsmanagement, intelligentes Routing (wo anwendbar), Überwachung und automatisierte Sicherheitsvorkehrungen. Erstellung von Dashboards/Alarmen für Leistung, Exposition, Modellgesundheit (Kalibrierung, Drift) und operationale Integrität. Sicherstellung der Reproduzierbarkeit: Experimentverfolgung, Modellregister, CI/CD und robuste Tests.
• Zusammenarbeit & Governance: Enge Zusammenarbeit mit Handels-/Risikomanagement-/Compliance-Interessengruppen, um Forschung in kontrollierte Einsätze zu übersetzen. Dokumentation von Modellen, Annahmen, Fehlermodi und Betriebsverfahren; Teilnahme an Vorfallüberprüfungen und kontinuierlicher Verbesserung.

Abschluss in quantitativer Finanzwirtschaft, Mathematik, Informatik, Statistik oder einem verwandten quantitativen Bereich. Starke Ingenieursfähigkeiten mit Python (erforderlich); Erfahrung mit Produktionssystemen und Datenengineering. Solide Grundlagen in Statistik, Wahrscheinlichkeit und maschinellem Lernen (Kalibrierung, Unsicherheit, kausale Fallstricke, Zeitreihen). Erfahrung im Aufbau von Backtests und der Bewertung prädiktiver Modelle mit geeigneten Metriken (z.B. Log-Verlust/Brier, Kalibrierung). Vertrautheit mit Handelskonzepten: erwarteter Wert, Positionsdimensionierung, Risikobudgetierung, Korrelation, Liquiditätsbeschränkungen. Fähigkeit, klar über Modellannahmen, Einschränkungen und Risiken zu kommunizieren. Eine gewisse Flexibilität im Zeitplan kann erforderlich sein, insbesondere rund um wichtige Ereignisfenster. Selbstmotiviert, detailorientiert und komfortabel in einem dynamischen, startup-ähnlichen Umfeld.

Bevorzugte / Wünschenswerte Erfahrung:

• Frühere Arbeit in der Vorhersage, Sportanalytik, politischer Modellierung, ereignisgesteuertem Handel oder Marktbildung/Liquiditätsmodellierung.
• Erfahrung mit NLP für Nachrichten-/Sozial-/Medien-Signale; Wissensgraphen oder Informationsabruf für Ereignisauflösungen.
• Kenntnisse über die Mechanik von Vorhersagemärkten (Orderbücher vs. AMMs, Gebührenstrukturen, Marktmanipulation/Anti-Manipulationssignale).
• Beherrschung von SQL; Erfahrung mit Streaming-Systemen (Kafka), Workflow-Orchestrierung (Airflow) und Cloud (AWS/GCP/Azure).
• Erfahrung mit Bayes'schen Methoden, probabilistischer Programmierung (Stan/PyMC) oder Ensemble-Methoden.
• Vertrautheit mit rigoroser Experimentierung: Online-/Offline-Bewertung, Verhinderung von Datenleckagen und Modell-Governance.

Technologiestack:

• Python, SQL, pandas/numpy/scipy, PyTorch/sklearn
• Airflow/dbt, Kafka (oder Äquivalente), Postgres/BigQuery
• Docker, Kubernetes (optional), CI/CD (GitHub Actions)
• Observability: Prometheus/Grafana, OpenTelemetry (oder Äquivalente)

Diese Rolle kann aus unserem Büro in Zürich, London, New York oder Hongkong ausgeübt werden. Nur Kandidaten, die das bestehende Recht haben, in einem der oben genannten Standorte ohne Unternehmenssponsoring zu arbeiten, sollten sich bewerben.

Schließen Sie sich G-20 an und werden Sie Teil eines Teams, das an der Spitze der Finanzmärkte steht und Innovation und Exzellenz in der Branche vorantreibt.