در راستای همون پست های استراتژی، مدتی هست روی چند تا مساله کوانت واقعی ( و البته سخت☺️) تمرکز کردیم.

اگه علاقمند به این شکل ریسرچ های کوانت هستین ( بهینه سازی استرتژی، دولوپ استراتژی، پرتفولیو سلکسن، میکرواستراکچر) و قبلا چند تا مساله mathematical finance رو حل کردین، به من پیام بدین .

@Sasanbarak

ترامپ با خودش زیرساخت برده چین!
اون ساختمان مایکروسافت زیرساخت نیست.
اون مغز متفکر، اون صاحب ایده، اون آدمیه که پشت اون سازمانه؛ اون زیرساخته.

قدرت آمریکا توی سیمان و شیشه و آسمان‌خراش نیست.
قدرتش آدم‌هایی‌ان که رئیس‌جمهورش برای نگه داشتنشون می‌جنگه، بهشون بها میده.

زیرساخت واقعی، اون جوان ایرانیه که با اذان صبح اعدام میشه .
اون نخبه‌ایه که چمدون به دست از کشور فرار می‌کنه.
اون جوونیه که با اون همه استعداد، آخرش باید توی خیابون دستفروشی کنه.

کشوری که مغزهاشو می‌کشه، نخبه‌هاشو فراری میده و استعدادهاشو تحقیر می‌کنه، حتی اگر پر از نفت، برج و موشک باشه، باز هم فقیره.

جامعه‌ای که انسان ارزشمندش را نابود کند، هنوز در منطق عصر حجر و تفکر ارتجاعی گیر کرده

@machinelearningnet2

سلام دوستان 👋،

تقریباً ۷ ماه شده که الگوریتم ترید ما توی بازار کریپتو لایو هست 🚀. الان تعدادی فاند در لندن و دوبی روش سرمایه‌گذاری کردن 💰 و برای اونا ترید می‌زنیم.

این یک مدل برای مدیریت پول‌های بزرگ هست و سیستم ما مارکت‌نیوترال است ⚖️. یعنی درگیر این نیست که بازار روند بالا گرفته یا پایین، بیت‌کوین میریزه یا میره بالا 📉📈. تا زمانی که ولاتیلیتی در بازار وجود داره، بر اساس inefficiency موجود در بازار ریترنِش رو تولید میکنه 📊.

وقتی یه مدل سیستماتیک می‌سازی که کاملاً الگوریتمیک ترید میکنه، بغیر از خوب بودن مدل و استراتژی، نحوه execution خیلی مهم میشه ⚙️. در واقع میتونه یه مدل خوب سر execution بد خراب بشه 🛠️.

این مدل بعد از نزدیک ۱ سال کار با یکی از بهترین کوانت ریسرچرهای که البته خیلی شانسی باهاش آشنا شدم 👨‍🔬، به ثمر رسیده. در ورژن اولیه، سیستم اردرگذاری ساده‌ای داشت. بعد از فاز اول لایو، مجبور شدیم ۲-۳ ماه برای مدل execution سیستم وقت بذاریم و برا اون هم ریسرچ زیادی انجام بدیم 🔬.

ترکیب چند مدل بر پایه ریاضیات مالی و stochastic پروسس برای سیگنال جنریشن و یه مدل execution میکرولول (بر اساس LOB) 📉 کمک کرده که نتایج توجیه‌پذیر و برای سرمایه‌گذار institutional کم‌ریسک‌تر باشه 🏦.

شما باید بفهمید حتی اگه مدل کار نکرد چرا کار نمیکنه 🤔 و کی سیستم شما میتونه سود خوبی بسازه 💸.

این مسیر ما با توسعه مدل دومی که اواخر فاز پروداکشن هست ادامه داره، اما میخوام با سرمایه‌گذاری‌های ایرانی که توی این حوزه فعال هستن هم صحبت کنم که متوجه بشم چه خروجی از مارکت کریپتو انتظار دارن 🤝. اگه کسی رو سراغ دارین بهش مارو معرفی کنید 🗣️.

ما هم ظرفیت همکاری در بازارهای سهام و هم مدیریت سرمایه داریم 💼.
فاند منیجرهای و سرمایه گذارهای ایرانی که خارج از ایران هم فعال هستن، در صورت علاقه، میتونم سیستم و خروجی هارو تشریح کنم و براشون مدیریت سرمایه بکنیم ☘

This is a call for partnership and fund management based on a system that I belive to its potential and shows fantastic outputs 💥

با تشکر ☘
دکتر ساسان براک
@sasanbarak

بعضی اتفاقات زندگی وقتی که کلا درگیر یه مساله ی دیگه هستی، تورو سورپرایز میکنه! ✨

مقاله ما با عنوان
«Dual resource constrained flexible job shop scheduling with sequence-dependent setup time»
از سوی انتشارات Wiley به‌عنوان یکی از پربازدیدترین مقالات سال ۲۰۲۵ در مجله Expert Systems شناخته شده است. 📈🏆

علتش اش هم ساده بود، این یه پروژه خیلی کاربردی و عملی بود که حتی برای یه شرکت تولیدی داشتیم پیاده سازی میکردیم، 🏭🛠

🔔 نکته‌ای کوتاه درباره اهمیت این مسئله:
بیشتر پژوهش‌های حوزه زمان‌بندی انعطاف‌پذیر، ماشین‌آلات را به‌عنوان تنها گلوگاه در نظر می‌گیرند و به‌طور ضمنی فرض می‌کنند که اپراتورها همیشه در دسترس هستند. اما کارخانه‌های واقعی اینطور نیستن؛ نیروی انسانی یک محدودیت مهم است و عواملی مانند مهارت‌ها، زمان‌های بیکاری و هزینه‌های اپراتورها بر آنچه واقعاً در محیط تولید امکان‌پذیر است تأثیر می‌گذارند. 🤖👷‍♂️

توی این مقاله، ما به این مشکل تمرکز کردیم و عوامل مختلف انسانی را وارد مسئله زمان‌بندی می‌کنیم؛ و اینجوری سیستم‌های تولیدی را طراحی کردیم که هم واقعاً کارآمد باشه و هم در عمل قابلیت اجرا داشته باشه. ✅🚀

📄 https://onlinelibrary.wiley.com/doi/10.1111/exsy.13669

پ.ن. یه پروژه هم یکساله با یکی از نویسندگان این مقاله داشتیم، اونم اگه پروداکت کنیم درباره اش صحبت میکنم😏

پ.ن‌.۲. چرا مسایل غیر از کوانت فاینانس، رنگ دیگه ندارن 😭😁

@machinelearningnet2

پروپوزال‌هایی که این چند ماه دریافت کردم، نمیدونم چرا کوانت دولوپرها به عنوان کوانت ریسرچر اپلای میکنن! 🤔📉

توی دنیای کوانت فایننس، این دو نقش همیشه کنار هم میان ولی ماهیت کارشون کاملاً متفاوته. اول یه تعریف بیسیک از این دوتا بگم: 🧐

🔬 کوانت ریسرچر (Quant Researcher)
کارش پیدا کردن «آلفا»ست — یعنی همون سیگنالی که میشه ازش پول درآورد. 💰
وظایفش معمولاً اینهاست:
• تحلیل داده‌های مالی و کشف الگوها و ناکارآمدی‌های بازار 📊
• طراحی و تست فرضیه‌های معاملاتی (hypothesis testing) 🧪
• ساخت و بک‌تست استراتژی‌ها و مدل‌های پیش‌بینی 📈
• کار با مدل‌های آماری، یادگیری ماشین و بهینه‌سازی پورتفولیو 🤖
• ارزیابی ریسک و سنجش پایداری سیگنال‌ها ⚖️

سوال اصلیش اینه: «چی کار می‌کنه؟» ❓

🛠️ کوانت دولوپر (Quant Developer)
کارش تبدیل ایده‌ی ریسرچر به یک سیستم واقعی، پایدار و سریعه. ⚡
وظایفش معمولاً اینهاست:
• پیاده‌سازی استراتژی‌ها در محیط پروداکشن 🏗️
• ساخت زیرساخت معاملاتی: data pipeline، execution engine، سیستم مانیتورینگ 🔄
• بهینه‌سازی سرعت و کارایی (به‌خصوص در فرکانس بالا) 🚀
• اتصال به صرافی‌ها/بروکرها و APIها 🔌
• تضمین پایداری، تست و کیفیت کد ✅

سوال اصلیش اینه: «چطور درست و سریع کار کنه؟» ⏱️

ریسرچر بدون دولوپر، ایده‌اش روی کاغذ می‌مونه 📄. دولوپر بدون ریسرچر، سیستمی می‌سازه که چیزی برای اجرا نداره 🏚️.

کدوم سخت‌تره؟! سختی ریسرچ خیلی خیلی بالاست! 📉📈 با مهارت‌هایی که AI داره بهتون میده، عملاً میتونی خیلی کارهای کوانت دولوپر رو هم انجام بدی 🤖، اما اصولاً دولوپرها از فضای کوانت ریسرچ دور هستن و اون یکی هم که فکر میکنه کار راحتی هست، اصولاً توی توهم هست 🌫️. در واقع تولید آلفا اونقدر نوآوری نیاز داره که حد نداره 🌌، اما سیستم منطقی ترید برای یه تیم متوسط یه کار خیلی روتین هست (نمیگم استک Jane Street بالا بیاد) 🏦.

اما در کل موفق‌ترین تیم‌های کوانت جایی‌ان که این دو نقش به‌صورت بی‌نقص با هم کار می‌کنن 🤝.

خوب حالا فکر کن یه دولوپر بهت پروپوزال جنریت آلفا میفرسته، چی میشه؟ 🤨 یه چیز کلی بدون عمق، پر از فضای شنیده‌ها! 🚫

خوب چیکار باید کرد؟ بعدا در موردش صحبت میکنیم ...

@machinelearningnet2

سال ۲۰۲۶، تقریبا نصف کتاب‌های الکترونیک چاپ شده در امازون، با ai تولید شدن!؟

خدا قوت 😏

@machinelearningnet2

سلام دوستان،
این مدت درگیر کار روی استراتژی های متفاوتی بودیم،
مدت زیادی تایم روی وریفای استراتژی کمودیتی گذاشتیم، و نتایج خوبی توی لایو گرفتیم.

دوره لایو ما داره یکساله میشه، و از طرفی مارکت کریپتو از خواب بیدار شده و حرکت های روندی جذابی شروع کرده .
خبر جالب، ترید سهام واقعی در بازار کریپتو هست
Real World Asset ( RWA)
که دارن حجم زیادی از مارکت رو تشکیل میدن. این میتونه فرصت زیادی برای استراتژی های حتی لانگ انلی هم ایجاد کنه.

چند تا استراتژی از جنس رنکینگ و تایمینگ رو هم استارت زدیم،

توی حوزه اکادمیک ۳ تا از مقالات بلاخره به راند دوم ریوایز رسیدن، همگی در زمینه کوانت هستن،
اونا هم اکسپت شدن اینجا درباره شون صحبت میکنیم،



پ.ن‌. یه خروجی اینکه کلا بیخیال RL توی ترید بشین ☺️ اینو بعد از یه مدت خوب وقت تلف کردن و کلی صحبت با پرفسور Cartea بهش رسیدم 😉

ارادت ☘

فرصت همکاری در موقعیت Product Owner در کارگزاری مفید

برای توسعه محصولات مالی و سرمایه‌گذاری، به دنبال یک Product Owner هستیم که در نقطه تلاقی دانش مالی، فناوری و توسعه محصول فعالیت کند.

اگر تجربه توسعه محصولات مالی دارید، با مفاهیم سرمایه‌گذاری، تحلیل و مدیریت پرتفو آشنا هستید و می‌توانید نیاز کاربران و کسب‌وکار را به راهکارهای قابل‌توسعه تبدیل کنید، خوشحال می‌شویم با شما آشنا شویم.

برای مشاهده شرح کامل موقعیت و ارسال درخواست، از طریق لینک آگهی اقدام فرمایید.

https://jobinja.ir/companies/mofid-securities/jobs/tGEU

فرصت همکاری در موقعیت Quantitative Trading Researcher در کارگزاری مفید

ما به دنبال یک محقق معاملات کمی برای پیوستن به تیم معاملات الگوریتمی خود هستیم. فرد در این نقش مسئول طراحی، آزمایش و بهبود استراتژی‌های معاملاتی در الگوریتم‌های اجرا، بازارگردانی و استراتژی‌های کمی سودآور خواهد بود.

کاندیدای ایده‌آل باید مهارت‌های قوی تحقیق کمی، درک عملی از بازار سهام و توانایی برنامه‌نویسی را با هم ترکیب کند. این نقش به کسی نیاز دارد که بتواند ایده‌های معاملاتی را به استراتژی‌های قابل آزمایش تبدیل کند، بک تست‌های قوی بسازد، عملکرد را تجزیه و تحلیل کند و از نزدیک با توسعه‌دهندگان و معامله‌گران همکاری کند تا استراتژی‌های موفق را به سمت تولید سوق دهد.

برای مشاهده شرح کامل موقعیت و ارسال درخواست، از طریق لینک آگهی اقدام فرمایید.


https://jobinja.ir/companies/mofid-securities/jobs/tmCv