Analyst, Quant, Structured Finance Analytics

Über das Team: Das Structured Finance Analytics Team besteht aus einem Quant-Team, einem Data Analytics-Team, einem Solutions-Team und einem Cashflow-Modellierungsteam. Das Quant-Team ist in den letzten Jahren von zwei auf heute acht Personen gewachsen. Das Quant-Team entwickelt Modelle und analytische Werkzeuge, um Rating-Analysten bei der Bewertung des Kreditrisikos einer Transaktion zu unterstützen. Obwohl einige Projekte global sind, deckt dieses Team hauptsächlich europäische Bedürfnisse ab.

Die Rolle: Sie werden erwartet, eine Einstellung zu übernehmen, bei der der Fokus darauf liegt, alle besser zu machen. Der ideale Kandidat wird quantitative Fähigkeiten in Statistik, maschinellem Lernen, numerischen Methoden und Software-Engineering demonstrieren. Dies ist eine Analystenposition auf Einstiegsebene, die an den Senior Vice President berichtet, der das Team leitet.

Verantwortlichkeiten:

• Unterstützung bei der Entwicklung von Rating-Methodologien und Teilnahme an der Implementierung quantitativer Modelle wie Kreditprognosemodellen.
• Pflege und Verbesserung proprietärer Python- und R-Bibliotheken im Zusammenhang mit dem Modellbau.
• Nutzung strukturierter und unstrukturierter Datensätze zur Erstellung neuer Quant-Rahmenwerke, um Analysten bei fundierten Entscheidungen zu unterstützen.
• Unterstützung bei der Entwicklung analytikbasierter Lösungen, Übernahme der Verantwortung für das Design und die Entwicklung von Lösungen zur Skalierung der Informationsaufnahme, Speicherung, Berechnung (Training/Inferenz) und Validierung.
• Teilnahme an Gesprächen mit Analysten, um laufende Probleme der Analysten zu verstehen.

Voraussetzungen:

• Abschluss in Mathematik, Ingenieurwesen oder Physik.
• 0 bis 3 Jahre Erfahrung in der Investmentforschung/Rating-Agenturen mit Schwerpunkt auf festverzinslicher Forschung/Analyse, Kreditmodellierung.
• Programmierkenntnisse in einer gängigen Programmiersprache (Python, C/C++ oder C#) oder R/MATLAB.
• Kenntnisse in Wahrscheinlichkeitstheorie, numerischer Analyse und stochastischer Kalkül.
• Kenntnisse in numerischen Methoden (numerische Integration, Monte-Carlo-Simulation, Wurzelbestimmung und allgemeine Optimierungstechniken).

Schön zu haben:

• CQF oder postgradualer Abschluss in quantitativer Finanzwirtschaft, Wirtschaft, Mathematik, Statistik ist sehr wünschenswert.
• Erfahrung mit den wichtigsten Python-Paketen für numerische Berechnungen und maschinelles Lernen/Datenwissenschaft (NumPy, Pandas, Scikit-Learn und SciPy).
• Fähigkeit, rigorose Datenanalysen an großen Datensätzen durchzuführen.
• Erfahrung in der Entwicklung von Anwendungen in der Cloud (vorzugsweise AWS).
• Verständnis sowohl der geschäftlichen als auch der technischen Anforderungen und die Fähigkeit, als Bindeglied zwischen technischen und nicht-technischen Abteilungen zu fungieren.
• Vertrautheit mit festverzinslichen Wertpapieren und strukturierten Finanzierungen.

Über uns: Morningstar DBRS ist ein führender Anbieter unabhängiger Rating-Dienstleistungen und -Meinungen für Unternehmens- und Staatsanleihen, Finanzinstitute sowie Projekt- und strukturierte Finanzinstrumente weltweit. Mit der Bewertung von mehr als 4.000 Emittenten und 60.000 Wertpapieren gehört es zu den vier größten Rating-Agenturen der Welt. Morningstar DBRS fördert den Erfolg von Investoren, indem es mehr Transparenz und eine dringend benötigte Vielfalt an Meinungen in der Kreditrating-Branche bietet. Unser Ansatz und unsere Größe ermöglichen es uns, flexibel genug zu sein, um auf die Bedürfnisse der Kunden in ihren lokalen Märkten zu reagieren, aber groß genug, um die erforderliche Expertise und Ressourcen bereitzustellen. Marktinnovatoren entscheiden sich dafür, mit uns zusammenzuarbeiten, weil wir agil, technologieorientiert und außergewöhnlich kundenorientiert sind. Morningstar DBRS ist die nächste Generation von Kreditratings.