Lieu De Travail
Montréal, Québec, Canada
Horaire
37.5
Secteur D’activité
Gestion de patrimoine TD
Détails De La Rémunération
135 000 $/$135,000 - 175 000 $/$175,000 CAD
Ce poste est admissible à une prime de rémunération variable discrétionnaire qui tient compte du rendement de l’entreprise et du rendement individuel.
La TD a à cœur d’offrir une rémunération juste et équitable à tous les collègues. Les occasions de croissance et le perfectionnement des compétences sont des caractéristiques essentielles de l’expérience collègue à la TD. Nos politiques et pratiques en matière de rémunération ont été conçues pour permettre aux collègues de progresser dans l’échelle salariale au fil du temps, à mesure qu’ils s’améliorent dans leurs fonctions. Le salaire de base offert peut varier en fonction des compétences et de l’expérience du candidat, de ses connaissances professionnelles, de son emplacement géographique et d’autres besoins particuliers du secteur et de l’entreprise.
En tant que candidat, nous vous encourageons à poser des questions sur la rémunération et à avoir une conversation franche avec votre recruteur, qui pourra vous fournir des détails plus précis sur ce poste.
Description Du Poste
Aperçu du poste
L’équipe de recherche quantitative de Gestion de Placements TD est à la recherche d’une personne expérimentée, hautement curieuse et solide sur le plan technique afin de contribuer au développement de stratégies systématiques de placement en actions.
Le Poste Est Centré Sur La Recherche D’alpha Et Le Développement De Signaux Systématiques De Sélection De Titres. Nous Recherchons Une Personne Qui Combine
- La rigueur scientifique nécessaire pour formuler des hypothèses, concevoir des expériences robustes et distinguer les résultats persistants du bruit statistique.
- L’approche pratique requise pour transformer des idées de recherche en solutions fonctionnelles et les améliorer par des itérations fondées sur les résultats.
- Le jugement financier permettant de relier le comportement des modèles à l’intuition économique, aux résultats des portefeuilles, aux contraintes de mise en œuvre et aux risques.
Les candidatures peuvent provenir de la finance quantitative, de l’apprentissage automatique, de l’informatique, de la statistique, de la physique, du génie ou d’une autre discipline fortement quantitative. Une expérience directe en placement constitue un atout important. Les personnes provenant d’un domaine scientifique ou technologique seront également considérées si elles démontrent un intérêt sérieux pour les marchés financiers et une capacité à appliquer leur expertise en modélisation à des problèmes de placement.
Nos travaux de recherche utilisent des méthodes allant des techniques statistiques traditionnelles à l’apprentissage automatique moderne, à l’apprentissage profond, au traitement du langage naturel et aux systèmes d’intelligence artificielle agentique. Nous nous intéressons à ces méthodes lorsqu’elles permettent de découvrir des signaux différenciés, d’améliorer notre compréhension des marchés ou de rendre le processus de recherche et de placement plus efficace.
Nous accordons une importance particulière aux recherches qui explorent des données moins standardisées, mettent en évidence des relations moins visibles dans les données traditionnelles, combinent des informations structurées et non structurées ou proposent une approche de modélisation différenciée.
Responsabilités
- Diriger la recherche, le développement et l’amélioration de modèles systématiques de prévision des rendements boursiers utilisés dans la gestion de portefeuilles d’actions.
- Transformer des observations économiques, financières ou fondées sur les données en hypothèses de recherche testables et en signaux investissables.
- Appliquer les méthodes quantitatives appropriées, notamment l’apprentissage statistique, l’apprentissage automatique, la modélisation de séries chronologiques, l’optimisation, l’apprentissage profond, le traitement du langage naturel et l’intelligence artificielle générative.
- Concevoir des expériences empiriques rigoureuses à l’aide de méthodes de validation appropriées, de données historiques ponctuelles, de contraintes de portefeuille réalistes, de coûts de transaction et d’hypothèses de mise en œuvre crédibles.
- Repérer et gérer les risques de recherche tels que le surapprentissage, la fuite de données, les tests multiples, le biais de survie, l’instabilité des relations, la dépendance aux régimes de marché et la mauvaise qualité des données.
- Évaluer les modèles en fonction de leur performance prédictive, de leur pertinence économique, de leur stabilité, de leur interprétabilité, de leur capacité de mise à l’échelle, de leurs expositions au risque, de leurs coûts de mise en œuvre et de leur contribution supplémentaire au portefeuille.
- Travailler avec des données structurées et non structurées, notamment des données de marché, des données fondamentales d’entreprises, des informations d’analystes, des documents réglementaires, des transcriptions de conférences téléphoniques, des nouvelles et des données alternatives.
- Utiliser des outils de programmation agentique et de développement assisté par l’IA pour accélérer la recherche, le développement logiciel, les tests, le débogage, la documentation et l’analyse.
- Concevoir ou intégrer des agents dans les chaînes de recherche, de développement, de traitement de données et de calcul des scores de modèles, notamment au moyen de l’appel d’outils, de l’orchestration de processus, de sorties structurées, de tests automatisés, de mécanismes d’évaluation, de surveillance et de points de contrôle humains appropriés.
- Déterminer dans quelles situations les méthodes agentiques ou l’IA générative apportent une valeur réelle et dans quelles situations une approche plus transparente ou déterministe est préférable.
- Développer des prototypes de recherche de grande qualité et contribuer à leur transformation en processus de production fiables, surveillés et faciles à maintenir.
- Surveiller les expositions prévues et imprévues des stratégies et analyser les facteurs sous-jacents de leur rendement, de leur risque, de leur roulement et de l’évolution de leur comportement.
- Se tenir au fait des développements en recherche financière, en apprentissage automatique, en intelligence artificielle, en science des données et en placement systématique.
- Repérer et évaluer de nouvelles sources de données en portant une attention particulière à leur qualité, leur provenance, leur profondeur historique, leurs biais, leur stabilité, leur capacité de mise à l’échelle et leur pertinence pour le placement.
- Veiller à ce que les activités de recherche et les modèles soient adéquatement documentés, reproductibles, testés et examinés conformément aux exigences de gouvernance des modèles, de réglementation, d’audit, de protection des renseignements et d’utilisation responsable de l’IA.
- Collaborer étroitement avec les équipes de recherche quantitative, de gestion de portefeuille, de données, de technologie et de gestion des risques.
- Contribuer du code réutilisable, des outils de recherche, des jeux de données, de la documentation et des connaissances méthodologiques à l’ensemble de l’équipe.
- Fournir des conseils techniques et une revue constructive aux autres membres de l’équipe tout en demeurant directement impliqué dans la modélisation, l’expérimentation et la mise en œuvre.
Exigences du poste
Le profil idéal comprend les éléments suivants :
- Un doctorat (ou une maitrise + expérience) dans une discipline quantitative comme la finance quantitative, l’économie, l’informatique, l’apprentissage automatique, la science des données, la statistique, les mathématiques, la physique ou le génie, ou une combinaison équivalente de formation avancée, de recherche et d’expérience professionnelle pertinente.
- Au moins cinq années d’expérience pertinente en recherche quantitative sur les placements, en apprentissage automatique, en science des données, en recherche appliquée ou dans un domaine technique étroitement lié.
- Une expérience démontrée dans le développement de modèles d’apprentissage automatique ou de modèles statistiques dans des environnements complexes, bruités et changeants.
- De solides connaissances théoriques et pratiques en statistique appliquée, en probabilités, en algèbre linéaire, en optimisation, en conception expérimentale et en apprentissage automatique.
- Une expérience de méthodes pertinentes telles que l’apprentissage supervisé et non supervisé, la régularisation, l’ingénierie des variables, la modélisation de séries chronologiques, l’apprentissage de représentations, l’apprentissage profond, le traitement du langage naturel, la modélisation probabiliste ou l’optimisation de portefeuille.
- Une compréhension approfondie des données utilisées pour la modélisation et la capacité de repérer les problèmes de qualité, les fuites de données, les biais, l’instabilité et les faiblesses dans la conception de la recherche.
- La capacité d’expliquer les hypothèses, les limites et les modes de défaillance d’un modèle, ainsi que les choix de validation et les écarts observés entre les résultats dans l’échantillon et hors échantillon.
- Une excellente maîtrise de Python et de son écosystème scientifique et d’apprentissage automatique, ainsi qu’une expérience de SQL et du traitement de jeux de données volumineux ou complexes.
- Une expérience pratique de la programmation agentique et du développement assisté par l’IA, notamment l’utilisation d’agents de programmation pour explorer des idées, développer et réviser du code, tester des hypothèses, déboguer des implémentations et améliorer la productivité de la recherche.
- Une expérience de l’intégration d’agents ou de composantes d’IA dans des chaînes de recherche, de développement, de données ou de calcul des scores de modèles. Une expérience des cadres d’évaluation, des tests automatisés, de l’intégration d’outils, de la surveillance et de la supervision humaine est particulièrement pertinente.
- Une bonne connaissance des pratiques de développement logiciel, notamment le contrôle de versions, les tests, la revue de code, la conception modulaire, les environnements reproductibles et le développement collaboratif.
- Pour les personnes provenant de la finance, une solide compréhension théorique des méthodes modernes de modélisation et des preuves qu’elles se tiennent au fait des développements en apprentissage automatique et en IA.
- Pour les personnes provenant d’un domaine scientifique ou technologique, une curiosité démontrée à l’égard des marchés financiers et une compréhension réfléchie de la manière dont les méthodes de modélisation doivent être adaptées aux données financières.
- De solides compétences en communication et la capacité d’expliquer des travaux techniques à des interlocuteurs quantitatifs et non quantitatifs.
- Une grande honnêteté intellectuelle, un jugement indépendant et la volonté de remettre en question ou d’abandonner une idée lorsque les faits ne la soutiennent pas.
- La capacité de diriger des travaux de recherche de manière autonome tout en collaborant efficacement et en partageant ses connaissances avec l’équipe.
- Le titre de CFA, une démarche en vue de l’obtenir ou une connaissance équivalente démontrée des placements constitue un atout, sans être une exigence.
Approche de recherche et d’exécution
Nous Valorisons Les Personnes Qui
- Développent des solutions pratiques et les améliorent par itérations.
- Partagent rapidement des versions fonctionnelles afin d’obtenir de la rétroaction, de tester les hypothèses et d’accélérer l’apprentissage.
- Utilisent les faits et les résultats de recherche pour guider les améliorations suivantes.
- Équilibrent la rapidité d’exécution avec le niveau de qualité, de validation et de robustesse requis à chaque étape.
- Savent distinguer les éléments qui doivent être fiables dès le départ de ceux qui peuvent être améliorés progressivement.
- Se tiennent au fait des développements en modélisation financière, en apprentissage automatique, en IA et en systèmes agentiques.
- Comprennent en profondeur les modèles et les données sous-jacentes, y compris leurs hypothèses, leurs limites et leurs modes de défaillance potentiels.
- Utilisent l’IA et les outils agentiques pour renforcer le processus de recherche et de développement sans remplacer le jugement scientifique ou financier.
- Privilégient une première livraison utile et bien circonscrite, suivie d’améliorations rigoureuses, plutôt que de retarder inutilement l’apprentissage en recherchant une solution complète dès le départ.
À propos de nous
La TD est un chef de file mondial dans le secteur des institutions financières. Elle est la cinquième banque en importance en Amérique du Nord de par son nombre de succursales. Chaque jour, nous nous efforçons de rendre chaque interaction, chaque produit et chaque expérience remarquablement humaine et agréablement simple à plus de 27 millions de ménages et d’entreprises au Canada, aux États-Unis et partout dans le monde. Plus de 95 000 collègues de la TD mettent à profit leurs compétences, leur talent et leur créativité pour approfondir les relations, assurer une exécution rigoureuse et rendre l’expérience bancaire plus simple et plus rapide. La TD est une entreprise profondément engagée à être une leader en matière d’expérience client. Voilà pourquoi nous croyons que chaque collègue, peu importe son secteur d’activité, est en contact avec la clientèle. Ensemble, nous réimaginons l’expérience bancaire et ses possibilités pour notre clientèle, nos collègues et nos collectivités.
Notre programme de rémunération globale
Notre programme de rémunération globale reflète les investissements que nous faisons pour aider nos collègues et leur famille à atteindre leurs objectifs en matière de bien-être mental, physique et financier. La rémunération globale à la TD inclut le salaire de base, la rémunération variable et bien d’autres régimes clés, comme des avantages sociaux en matière de santé et de bien-être, des régimes d’épargne et de retraite, des congés payés, des avantages bancaires et des rabais, des occasions de développement de carrière et des programmes de récompenses et reconnaissance. En savoir plus
Renseignements Supplémentaires
Nous sommes ravis que vous envisagiez une carrière à la TD. Sachez que nous avons à cœur d’aider nos collègues à réussir dans leur vie tant personnelle que professionnelle. C’est d’ailleurs pourquoi nous leur offrons des conversations sur le perfectionnement, des programmes de formation et un régime d’avantages sociaux concurrentiel.
Perfectionnement des collègues
Un cheminement professionnel précis vous intéresse ou bien vous cherchez à perfectionner certaines compétences? Nous tenons à vous mettre sur la voie de la réussite. Vous aurez des conversations régulières sur le développement de carrière, le perfectionnement et le rendement avec votre gestionnaire. Une variété de programmes de mentorat et une plateforme d’apprentissage en ligne seront également à votre disposition pour vous aider à ouvrir de nouvelles portes.
Si vous avez à cœur d’aider vos clients et de nouer des relations solides et durables, la TD offre divers parcours de carrière où vous pouvez accroître votre expertise et avoir une incidence significative.
Nous sommes déterminés à appuyer votre réussite et à favoriser un milieu de travail respectueux où la diversité des points de vue est valorisée, où chacun a les mêmes occasions de progresser et où vous pouvez vous réaliser pleinement et atteindre vos objectifs de carrière. À la TD, nous attirons et perfectionnons les meilleurs talents.
Formation et intégration
Nous tenons à nous assurer que vous disposez des outils et ressources nécessaires pour réussir à votre nouveau poste. Dans cette optique, nous organiserons des séances d’intégration et de formation.
Processus d’entrevue
Nous communiquerons avec les candidats sélectionnés pour planifier une entrevue. Nous ferons notre possible pour communiquer par courriel ou par téléphone avec tous les candidats pour leur faire part de notre décision.
Mesures d’adaptation
L’accessibilité est importante pour nous. N’hésitez pas à nous faire part de toute mesure d’adaptation (salles de réunion accessibles, sous-titres pour les entrevues virtuelles, etc.) dont vous pourriez avoir besoin pour participer sans entraves au processus d’entrevue.
Nous avons hâte d’avoir de vos nouvelles!
Exigences Linguistiques (Québec Seulement)
Maîtrise d’une langue autre que le français pour offrir du soutien ou traiter avec des employés ou des collègues qui ont besoin de services et de soutien dans une langue autre que le français.
