|
3 anos
experiência
|
0
produtos
|
0
versão demo
|
|
0
trabalhos
|
0
sinais
|
0
assinantes
|
Quantitative Developer/Trader
em
Astralys LLC
Trader Quantitativo & Estrategista Sistemático impulsionado por IA | MSc em Finanças (HEC Lausanne)
𝐁𝐢𝐨𝐠𝐫𝐚𝐟𝐢𝐚 𝐜𝐮𝐫𝐭𝐚
Sou um trader quantitativo baseado na Suíça, com mestrado em Finanças pela HEC Lausanne, especializado em Gestão Quantitativa de Ativos e Riscos. Na minha dissertação de mestrado questionei a eficiência do mercado acionista dos EUA com evidências empíricas. Desde então, desenvolvi mais de 30 algoritmos de nível institucional em Python para ações, câmbio e criptomoedas — projetados para gerir capacidades de vários milhões de dólares e implementados via APIs. Minha vantagem combina uma gestão de risco robusta (preservação de capital, alvo de volatilidade) com sinais impulsionados por machine learning, modelos macro/regime e automação em nível de produção no IBKR (Fix Protocol e IBKR Gateway Docker), Alpaca, MT5, Binance e DAS. Atualmente estou criando uma Sociedade Anônima na Suíça e uma LLC nos EUA para minhas atividades quantitativas, e avaliando o registro RIA nos EUA para operar dentro de um ambiente totalmente regulado. Meu objetivo final é construir um Hedge Fund quantitativo e captar cerca de 50 milhões de USD em AuM nos próximos anos.
𝐂𝐚𝐩𝐚𝐜𝐢𝐝𝐚𝐝𝐞𝐬 𝐞 𝐭𝐞𝐜𝐧𝐨𝐥𝐨𝐠𝐢𝐚
• Estratégias sistemáticas: reversão à média, breakout, cross-sectional/time-series, fatores long/short
• Risco e portfólio: alvo de volatilidade, controle de drawdown, testes walk-forward e de Monte Carlo
• ML & NLP: XGBoost/LightGBM, classificação de regimes macro, pipelines de notícias/sentimento (ex. FinBERT)
• Execução e infraestrutura: Python (pandas/NumPy/sklearn), IBKR, DAS, FIX, AWS/VPS, SQL/SQLite, MT5/MT4, Binance
• Mercados: ações dos EUA e globais, principais pares de FX, criptoativos líquidos
𝐂𝐨𝐦𝐩𝐥𝐢𝐚𝐧𝐜𝐞 & é𝐭𝐢𝐜𝐚
Ética e documentação transparente em primeiro lugar; comprometido a trabalhar apenas em estruturas reguladas (SA na Suíça e LLC nos EUA em andamento; explorando o registro RIA nos EUA).
Na minha dissertação sobre a eficiência do mercado acionista dos EUA apliquei o framework de Probabilidade de Sobreajuste em Backtests (Bailey et al., 2015) e continuo a usar validação rigorosa in-sample/out-of-sample, análise walk-forward, defasagem de um período e protocolos anti-look-ahead para garantir que meus modelos sejam robustos e não sobreajustados.
Minha presença na comunidade MQL tem como objetivo educar traders de varejo a evitar estratégias sobreajustadas, de alto risco, e o uso excessivo de alavancagem.
𝐋𝐢𝐧𝐤𝐞𝐝𝐈𝐧: 𝐥𝐢𝐧𝐤𝐞𝐝𝐢𝐧.𝐜𝐨𝐦/𝐢𝐧/𝐣𝐨𝐡𝐧-𝐛𝐞𝐫𝐠𝐞𝐫𝐚𝐭/
𝐁𝐢𝐨𝐠𝐫𝐚𝐟𝐢𝐚 𝐜𝐮𝐫𝐭𝐚
Sou um trader quantitativo baseado na Suíça, com mestrado em Finanças pela HEC Lausanne, especializado em Gestão Quantitativa de Ativos e Riscos. Na minha dissertação de mestrado questionei a eficiência do mercado acionista dos EUA com evidências empíricas. Desde então, desenvolvi mais de 30 algoritmos de nível institucional em Python para ações, câmbio e criptomoedas — projetados para gerir capacidades de vários milhões de dólares e implementados via APIs. Minha vantagem combina uma gestão de risco robusta (preservação de capital, alvo de volatilidade) com sinais impulsionados por machine learning, modelos macro/regime e automação em nível de produção no IBKR (Fix Protocol e IBKR Gateway Docker), Alpaca, MT5, Binance e DAS. Atualmente estou criando uma Sociedade Anônima na Suíça e uma LLC nos EUA para minhas atividades quantitativas, e avaliando o registro RIA nos EUA para operar dentro de um ambiente totalmente regulado. Meu objetivo final é construir um Hedge Fund quantitativo e captar cerca de 50 milhões de USD em AuM nos próximos anos.
𝐂𝐚𝐩𝐚𝐜𝐢𝐝𝐚𝐝𝐞𝐬 𝐞 𝐭𝐞𝐜𝐧𝐨𝐥𝐨𝐠𝐢𝐚
• Estratégias sistemáticas: reversão à média, breakout, cross-sectional/time-series, fatores long/short
• Risco e portfólio: alvo de volatilidade, controle de drawdown, testes walk-forward e de Monte Carlo
• ML & NLP: XGBoost/LightGBM, classificação de regimes macro, pipelines de notícias/sentimento (ex. FinBERT)
• Execução e infraestrutura: Python (pandas/NumPy/sklearn), IBKR, DAS, FIX, AWS/VPS, SQL/SQLite, MT5/MT4, Binance
• Mercados: ações dos EUA e globais, principais pares de FX, criptoativos líquidos
𝐂𝐨𝐦𝐩𝐥𝐢𝐚𝐧𝐜𝐞 & é𝐭𝐢𝐜𝐚
Ética e documentação transparente em primeiro lugar; comprometido a trabalhar apenas em estruturas reguladas (SA na Suíça e LLC nos EUA em andamento; explorando o registro RIA nos EUA).
Na minha dissertação sobre a eficiência do mercado acionista dos EUA apliquei o framework de Probabilidade de Sobreajuste em Backtests (Bailey et al., 2015) e continuo a usar validação rigorosa in-sample/out-of-sample, análise walk-forward, defasagem de um período e protocolos anti-look-ahead para garantir que meus modelos sejam robustos e não sobreajustados.
Minha presença na comunidade MQL tem como objetivo educar traders de varejo a evitar estratégias sobreajustadas, de alto risco, e o uso excessivo de alavancagem.
𝐋𝐢𝐧𝐤𝐞𝐝𝐈𝐧: 𝐥𝐢𝐧𝐤𝐞𝐝𝐢𝐧.𝐜𝐨𝐦/𝐢𝐧/𝐣𝐨𝐡𝐧-𝐛𝐞𝐫𝐠𝐞𝐫𝐚𝐭/
