Дослідники акціонерного капіталу аналізують акції, щоб допомогти менеджерам портфелів приймати більш обізнані інвестиційні рішення. Дослідники справедливості використовують навички вирішення проблем, інтерпретацію даних та різні інші інструменти для розуміння та прогнозування певного поведінкового прогнозу щодо безпеки. Це часто включає кількісний аналіз статистичних даних акцій стосовно останніх ринкових дій. Нарешті, дослідникам власного капіталу може бути поставлена задача розробити інвестиційні моделі та інструменти скринінгу, які визначають торгові стратегії, які допомагають управляти ризиком портфеля.
Середня заробітна плата дослідника власного капіталу
Незважаючи на те, що опитування Glassdoor.com показало, що середня річна зарплата за дослідницьку роботу в акціях становить близько 94 000 доларів, більшість посад платять менше. Низький кінець діапазону зарплат становить 65 000 доларів, а високий - близько 158 000 доларів. Фірми приватного капіталу та інші компанії з фінансових послуг є головними роботодавцями дослідників власного капіталу. Більшість цих робочих місць розташовані в Нью-Йорку, хоча фірми все частіше пропонують посади у великих столичних центрах, таких як Чикаго, Бостон та Сан-Франциско.
Розуміння тенденцій
Дослідники акцій відповідають за виявлення закономірностей із поточними змінами на ринку та використання цієї інформації для створення алгоритмів, що ідентифікують вигідні можливості інвестування в акції. Дослідник власного капіталу повинен бути в змозі зрозуміти ідіосинкратичні відмінності різних міжнародних ринків, щоб порівняти внутрішні та іноземні акції.
Досвід та освіта
Компанії, які прагнуть найняти дослідників власного капіталу, шукають кандидатів, які мають три-шість років досвіду роботи аналітика даних, в ідеалі в секторі фінансових послуг. Кандидати повинні мати наочну здатність інтерпретувати дані про капітал та макроекономічні тенденції. Кандидати повинні отримувати освіту з економічної та інвестиційної теорії, і вони повинні володіти робочими знаннями про інструменти, що використовуються для сприяння інвестиційному документообігу. Ступінь магістра в галузі кількісних фінансів або бізнесу є кращою, однак ступінь бакалавра з інформатики або математики також приваблива для потенційних роботодавців.
Навички
Кандидати повинні бути вмілі читати звіти про фінансові результати, баланси та інші ключові зведені звіти, видані компаніями, що торгуються публічно. Кандидати повинні бути кваліфікованими у встановленні попереджувальних знаків про низьку результативність у майбутньому та інших відхилень у звіті про прибутки компанії. І розуміння основних принципів бухгалтерського обліку є важливим для роботи.
Сильні комунікативні навички є критично важливими, оскільки дослідники повинні перекласти важко зрозумілі фінансові коефіцієнти керівникам портфелів. Дослідники справедливості повинні бути гіперорганізованими, і вони повинні мати можливість перекрити більш широке значення за кількісною інформацією, яку вони вивчають, щоб ефективно передати потенційний напрям цін.
Дослідники справедливості повинні мати можливість збирати дані з декількох джерел, і вони повинні бути кваліфіковані у використанні програмного забезпечення для обробки даних та інших програм, що використовуються для зберігання наборів даних.
Ліцензування для власного капіталу
Деякі компанії можуть вимагати від дослідників власного капіталу мати сертифікованого бухгалтера (CPA) або сертифікованого фінансового аналітика (CFA). Але оскільки дослідники акціонерного капіталу безпосередньо не взаємодіють з клієнтами, а також не купують замовлення від імені клієнтів, їм не потрібно мати ліцензії Series 7 та Series 63, оскільки вони не повинні відповідати з органом регулювання фінансової галузі (FINRA).
Прогноз роботи
Можливості дослідження справедливості зростають, оскільки кількісні моделі торговельних стратегій, що зменшують ризик, стають все більш поширеними в управлінні торговими та роздрібними портфелями. У той час як більшість посад розташовані в Нью-Йорку, позиції в Каліфорнії, Техасі та інших штатах також піднімаються. Математична майстерність стає все більш важливою для компаній, які оцінюють кількісні дані над якісними даними для вирішення проблем.
