VP, Quantitative Research - TD Asset Management

Description du poste

Aperçu du rôle

La section de Recherche Quantitative de TD Asset Management recherche un chercheur expérimenté, très curieux et techniquement solide afin de contribuer au développement de stratégies d’investissement systématiques en actions.

Le rôle est centré sur la recherche d’alpha et le développement de signaux systématiques de sélection de titres. Nous recherchons quelqu’un qui combine :

• La discipline scientifique pour formuler des hypothèses, concevoir des expériences rigoureuses et distinguer les résultats robustes du bruit statistique.
• Un esprit pratique pour transformer des idées de recherche en solutions opérationnelles et les améliorer grâce à une itération fondée sur les preuves.
• Un jugement d’investissement pour relier le comportement du modèle à l’intuition financière, aux résultats du portefeuille, aux contraintes d’exécution et au risque.

Les candidats peuvent provenir de la finance quantitative, de l’apprentissage automatique, de l’informatique, des statistiques, de la physique, de l’ingénierie ou d’une autre discipline hautement quantitative. Une expérience directe en investissement est un atout, mais les candidats issus de milieux scientifiques ou technologiques seront également considérés s’ils démontrent un intérêt sérieux pour les marchés financiers et une capacité à appliquer leurs compétences en modélisation à des problématiques d’investissement.

Notre recherche utilise des techniques allant des méthodes statistiques traditionnelles au machine learning moderne, à l’apprentissage profond, au traitement du langage naturel et aux systèmes d’IA agentique. Nous sommes intéressés par ces méthodes lorsqu’elles contribuent à identifier des signaux différenciés, à améliorer notre compréhension des marchés, ou à rendre le processus de recherche et d’investissement plus efficace.

Nous accordons une valeur particulière à la recherche qui explore des données moins commoditisées, identifie des relations moins visibles au sein des ensembles de données traditionnels, combine des informations structurées et non structurées, ou aborde des problématiques d’investissement familières sous un angle de modélisation différencié.

Responsabilités

• Diriger la recherche, le développement et l’amélioration de modèles systématiques de prévision des rendements d’actions utilisés dans la gestion des portefeuilles d’actions.
• Traduire des observations économiques, de marché ou axées sur les données en hypothèses de recherche testables et en signaux investissables.
• Appliquer des méthodes quantitatives appropriées, notamment l’apprentissage statistique, le machine learning, la modélisation de séries temporelles, l’optimisation, l’apprentissage profond, le traitement du langage naturel et l’IA générative.
• Concevoir des expériences empiriques rigoureuses en utilisant des méthodes de validation appropriées, des données point-in-time, des contraintes réalistes de portefeuille, les coûts de transaction et des hypothèses d’exécution.
• Identifier et gérer les risques de recherche tels que le surapprentissage, la fuite de données, le test multiple, le biais de survie, les relations instables, la dépendance au régime et la mauvaise qualité des données.
• Évaluer les modèles selon la performance prédictive, l’importance économique, la stabilité, l’interprétabilité, la scalabilité, les expositions au risque, les coûts d’implémentation et la contribution incrémentale au portefeuille.
• Travailler avec des données structurées et non structurées, incluant les données de marché, les fondamentaux des entreprises, les informations d’analystes, les dépôts d’entreprise, les transcriptions des appels sur les résultats, les actualités et des jeux de données alternatifs.
• Utiliser des outils de codage assisté par l’IA et des outils agentiques pour accélérer la recherche, le développement de logiciels, les tests, le débogage, la documentation et l’analyse.
• Concevoir ou intégrer des agents dans les pipelines de recherche, de développement, de traitement des données et de scoring des modèles, y compris les appels d’outils, l’orchestration des workflows, les sorties structurées, les tests automatisés, l’évaluation, le monitoring et une revue humaine appropriée.
• Déterminer quand les méthodes agentiques ou l’IA générative apportent une valeur significative et quand des approches plus transparentes ou déterministes sont préférables.
• Développer des prototypes de recherche de haute qualité et contribuer à leur transition vers des processus de production fiables, surveillés et maintenables.
• Surveiller les expositions prévues et imprévues des stratégies d’investissement et analyser les moteurs de la performance, du risque, du turnover et des changements dans le comportement du modèle.
• Se tenir à jour sur les évolutions en recherche financière, machine learning, intelligence artificielle, science des données et investissement systématique.
• Identifier et évaluer de nouvelles sources de données, en portant attention à leur qualité, leur provenance, leur couverture historique, leurs biais, leur stabilité, leur scalabilité et leur pertinence pour l’investissement.
• Veiller à ce que la recherche et les modèles soient correctement documentés, reproductibles, testés et revus conformément aux exigences de gouvernance des modèles, de réglementation, d’audit, de confidentialité et d’IA responsable.
• Collaborer étroitement avec les chercheurs quantitatifs, les gestionnaires de portefeuille, les spécialistes des données, les équipes technologiques et les professionnels du risque.
• Contribuer du code réutilisable, des outils de recherche, des ensembles de données, de la documentation et des connaissances méthodologiques à l’ensemble de l’équipe.
• Fournir des conseils techniques et des revues constructives à d’autres chercheurs tout en restant directement impliqué dans la modélisation, l’expérimentation et l’implémentation.

Exigences du poste

Le candidat idéal aura

• Un doctorat (Ph.D.) dans une discipline quantitative telle que la finance quantitative, l’économie, l’informatique, le machine learning, la science des données, les statistiques, les mathématiques, la physique ou l’ingénierie, ou une combinaison équivalente d’études avancées, de recherche et d’expérience professionnelle pertinente.
• Au moins cinq ans d’expérience pertinente en recherche d’investissement quantitative, machine learning, science des données, recherche appliquée ou un domaine technique étroitement lié.
• Une expérience démontrée dans le développement de modèles de machine learning ou statistiques dans des environnements complexes, bruités et changeants.
• Une solide connaissance théorique et pratique des statistiques appliquées, de la probabilité, de l’algèbre linéaire, de l’optimisation, de la conception d’expériences et du machine learning.
• Une expérience avec des méthodes pertinentes telles que l’apprentissage supervisé et non supervisé, la régularisation, l’ingénierie des caractéristiques, la modélisation de séries temporelles, l’apprentissage par représentation, l’apprentissage profond, le traitement du langage naturel, la modélisation probabiliste ou l’optimisation de portefeuille.
• Une compréhension détaillée des données utilisées pour la modélisation et la capacité à identifier les problèmes de qualité des données, les fuites, les biais, l’instabilité et les faiblesses dans la conception de la recherche.
• La capacité d’expliquer les hypothèses du modèle, ses limites, ses modes de défaillance, les choix de validation et les différences observées entre les performances in-sample et out-of-sample.
• Une excellente maîtrise de Python et de son écosystème scientifique et de machine learning, ainsi qu’une expérience avec SQL et le travail avec de grands ensembles de données ou des ensembles de données complexes.
• Une expérience pratique avec le codage agentique et le développement assisté par l’IA, incluant l’utilisation d’agents de codage pour explorer des idées, développer et examiner du code, tester des hypothèses, déboguer des implémentations et améliorer la productivité de la recherche.
• Une expérience d’intégration d’agents ou de composantes d’IA dans les pipelines de recherche, de développement, de données ou de scoring de modèles. L’expérience avec des cadres d’évaluation, des tests automatisés, l’intégration d’outils, le monitoring et la supervision humaine est particulièrement pertinente.
• La familiarité avec des pratiques solides de génie logiciel, incluant le contrôle de version, les tests, les revues de code, la conception modulaire, des environnements reproductibles et le développement collaboratif.
• Pour les candidats ayant un parcours en finance, une solide compréhension théorique des techniques de modélisation modernes et des preuves de maintien à jour avec les développements en machine learning et IA.
• Pour les candidats issus d’un parcours scientifique ou technologique, une curiosité démontrée à propos 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 la recherche technique à des parties prenantes à la fois quantitatives et non quantitatives.
• Une honnêteté intellectuelle, un jugement indépendant et la volonté de remettre en question ou d’abandonner une idée lorsque les preuves disponibles ne la soutiennent pas.
• La capacité de diriger la recherche de manière indépendante tout en collaborant efficacement et en partageant ses connaissances avec l’équipe.
• Une désignation CFA, des progrès vers cette désignation, ou des connaissances d’investissement équivalentes démontrées constituent un atout, mais ne sont pas requis.

Approche de recherche et d’exécution

Nous valorisons les candidats qui

• Développent des solutions pratiques et les affinent par itération.
• Partagent des versions fonctionnelles précoces pour recueillir des commentaires, tester des hypothèses et accélérer l’apprentissage.
• Utilisent les preuves et les résultats de recherche pour déterminer l’orientation des améliorations subséquentes.
• Équilibrent l’exécution rapide avec le niveau de qualité, de validation et de robustesse requis à chaque étape.
• Comprennent quels éléments doivent être fiables dès le départ et lesquels peuvent être améliorés progressivement.
• Se tiennent à jour sur les développements en modélisation financière, machine learning, IA et systèmes agentiques.
• Comprennent les modèles et leurs données sous-jacentes en profondeur, incluant leurs hypothèses, limites et modes de défaillance potentiels.
• Utilisent l’IA et les outils agentiques pour renforcer le processus de recherche et de développement sans remplacer un jugement scientifique ou d’investissement solide.
• Préférent une livraison initiale utile et bien cadrée suivie d’améliorations disciplinées, plutôt que de retarder inutilement l’apprentissage dans la recherche d’exhaustivité dès le départ.

À propos de nous

Qui nous sommes :

TD est l’une des plus grandes institutions financières mondiales et la cinquième plus grande banque en Amérique du Nord selon le nombre de succursales/boutiques. Chaque jour, nous nous efforçons de rendre chaque interaction, produit et expérience remarquablement humains et agréablement simples pour 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 TD apportent leurs compétences, leur talent et leur créativité pour favoriser des relations plus profondes, assurer une exécution disciplinée et construire une expérience bancaire plus simple et plus rapide. TD est profondément engagée à être un chef de file en matière d’expérience client, c’est pourquoi nous pensons que tous les collègues, peu importe où ils travaillent, sont en contact avec la clientèle. Ensemble, nous réinventons ce que la banque peut être pour nos clients, nos collègues et nos collectivités.

Notre programme de rémunération totale

Notre programme de rémunération totale reflète les investissements que nous faisons dans nos collègues pour les aider, eux et leur famille, à atteindre leurs objectifs en matière de bien-être financier, physique et mental. La rémunération totale chez TD comprend un salaire de base, une rémunération variable et plusieurs autres plans clés tels que les avantages en matière de santé et de bien-être, les programmes d’épargne et de retraite, les congés payés, les avantages bancaires et des rabais, le développement de carrière, ainsi que des programmes de récompenses et de reconnaissance.

Informations supplémentaires :

Nous sommes heureux que vous envisagiez de bâtir une carrière chez TD. Grâce à des conversations régulières sur le développement, à des programmes de formation et à un régime de rémunérations et d’avantages concurrentiel, nous nous engageons à fournir le soutien dont nos collègues ont besoin pour réussir autant au travail qu’à la maison.

Veuillez noter que cette offre d’emploi est assujettie à la réglementation provinciale en matière d’emploi. Il est impératif de reconnaître que chaque province ou territoire relevant de la compétence du Canada peut avoir son propre ensemble de règlements et d’exigences.

Développement des collègues

Si vous êtes intéressé par une trajectoire de carrière spécifique ou que vous cherchez à développer certaines compétences, nous voulons vous aider à réussir. Vous aurez des conversations régulières sur votre carrière, votre développement et votre rendement avec votre gestionnaire, ainsi que l’accès à une plateforme d’apprentissage en ligne et à une variété de programmes de mentorat pour vous aider à débloquer de futures opportunités.

Si vous êtes passionné par l’aide à la clientèle et l’établissement de relations profondes et durables, TD offre des parcours de carrière diversifiés où vous pouvez développer votre expertise et avoir un impact significatif.

Nous sommes engagés envers votre réussite et favorisons un milieu de travail respectueux où les perspectives diverses sont valorisées, où chacun a des occasions équitables de progresser et où vous pouvez atteindre votre plein potentiel pour réaliser vos objectifs de carrière. Chez TD, nous embauchons et formons les meilleurs.

Formation & Onboarding

Nous fournirons des sessions de formation et d’intégration afin de nous assurer que vous disposez de tout ce dont vous avez besoin pour réussir dans votre nouveau rôle.

Processus d’entrevue

Nous communiquerons avec les candidats qui présentent un intérêt afin de planifier une entrevue. Nous faisons de notre mieux pour communiquer les résultats à tous les candidats par courriel ou par appel téléphonique.

Hébergement

Votre accessibilité est importante pour nous. Veuillez nous faire savoir si vous souhaitez des mesures d’adaptation (y compris des salles de réunion accessibles, des sous-titres pour les entrevues virtuelles, etc.) afin de nous aider à éliminer les obstacles pour que vous puissiez participer tout au long du processus d’entrevue.

Nous avons hâte d’avoir de vos nouvelles !

Exigence linguistique (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.