MarketRiskCalculator — корпоративная система расчета рыночных рисков, такая как VaR/CVaR, дельта-вега-ро чувствительность, сценарии анализа и стресс-тестирования. Система обрабатывает портфели из 40+ различных финансовых инструментов, включая акции, облигации, фьючерсы, опционы, свопы, структурированные продукты, паевые инвестиционные фонды.
Обязанности
Чем предстоит заниматься:
• разработка ядра расчетов VaR на C++17 с использованием Boost, QuantLib, Eigen, Ceres Solver;
• реализация финансовых моделей: state-space модели с Kalman-фильтрацией, GBM, Gaussian Vasicek term structure;
• оптимизация производительности: распараллеливание через C++ REST SDK (Casablanca), OpenMP, векторизация Eigen;
• работа с кривыми доходностей, поверхностями волатильности, риск-факторами proxy;
• написание unit-тестов (gtest, более 1000 уже существует);
• управление зависимостями через Conan, сборка через CMake+Ninja.
Backend (~20–25% времени):
• разработка Python-сервисов (Tornado, Celery, MongoDB, PostgreSQL);
• интеграция с внешними системами;
• работа с RabbitMQ, Kafka, LDAP, REST API;
• создание AI-ассистента на основе GigaChat + LangChain/LangGraph.
Frontend (~10–15% времени):
• поддержка и развитие веб-интерфейса на React 17 + TypeScript + Bootstrap;
• взаимодействие с REST API, обработка данных, визуализация.
Инфраструктура (~5–10% времени):
• настройка и поддержка CI/CD (Jenkins, SonarQube);
• миграции PostgreSQL (Alembic, более 100 миграций);
• контейнеризация, деплой.
Требования
Мы ждём что ты:
• уверенно пишешь на C++17 (опыт от 2 лет);
• готов разбираться в Python-бэкенде и вносить небольшие изменения во frontend;
• можешь самостоятельно понять незнакомый код;
• интересуешься вопросами оптимизации производительности: профилированием, параллелизмом, оптимизацией кода.
Будет плюсом:
• опыт работы с QuantLib, MLlib или аналогичными численными библиотеками;
• понимание финансовых инструментов: облигации, акции, деривативы, yield curves;
• знание линейной алгебры и численных методов (матричные операции, оптимизация, стохастические модели);
• понимание риск-менеджмента (VaR, стресс-тесты, чувствительность);
• опыт работы с Celery, Tornado, MongoDB;
• умение работать с React/TypeScript на уровне поддержки и модификации интерфейсов;
• опыт настройки CI/CD (Jenkins, SonarQube);
• знакомство с принципами микросервисной архитектуры и event-driven систем.
Условия
Что мы предлагаем:
• гибридный график работы: два дня в офисе, три дня удалённо (после испытательного срока);
• ежегодный пересмотр зарплаты и возможность получения годовой премии;
• доступ к образовательным программам СберУниверситета для твоего профессионального и карьерного роста;
• расширенная медицинская страховка, скидки и специальные условия для членов семьи, корпоративная пенсия;
• особые условия ипотеки, скидка на подписочные сервисы;
• возможность получать бонусы за рекомендации.
