El crecimiento de las inversiones alternativas —en particular las estrategias cuantitativas— viene acompañado de una necesidad poco visible pero crítica: capital humano altamente calificado y especializado. No hablamos sólo de desarrolladores o analistas; los equipos que construyen y mantienen modelos sistemáticos requieren matemáticos aplicados, estadísticos, ingenieros en sistemas, especialistas en machine learning y profesionales en gestión de riesgo.
A nivel internacional, por ejemplo, la demanda de científicos de datos y perfiles STEM en finanzas sigue en alza: la Oficina de Estadísticas Laborales de EE. UU. proyecta un crecimiento del 34% en empleos de data scientists entre 2024 y 2034.
“En los equipos cuantitativos ya no alcanza con saber programar —se necesita entender por qué un modelo falla y cómo corregirlo cuando el mercado cambia”, señala Ivan Scherman, CEO y CIO de SciTech Investments, un hedge fund con 150 empleados alrededor del mundo.
En esta línea, el directivo sostiene que buscar perfiles que combinen rigor matemático con sentido práctico en ingeniería es el diferencial para que la metodología pueda identificar oportunidades clave en escenarios volátiles.
“Necesitamos profesionales que entiendan tanto la teoría como la ejecución: la matemática sin ingeniería es una idea, la ingeniería sin matemática es solo práctica”, sostiene Scherman.
¿Qué perfiles piden los equipos cuantitativos?
Los roles se solapan, pero puede trazarse una pirámide de competencias:
- Base matemática y estadística: modelado estocástico, teoría de probabilidades, econometría.
- Ciencia de datos y machine learning: limpieza de datos, feature engineering, validación y backtesting.
- Ingeniería y DevOps: despliegue de modelos, infraestructura en la nube, latencia y ejecución en tiempo real.
- Gestión de riesgo cuantitativa: simulaciones, estrés y control de drawdowns.
La oferta existe, pero es heterogénea: hay abundancia de desarrolladores y analistas junior, pero escasean especialistas con formación avanzada en matemáticas aplicadas y experiencia en mercados. Plataformas de empleo muestran decenas de búsquedas activas para data scientists en Buenos Aires y la región, lo que refleja el interés de las organizaciones por captar talento especializado.
Impacto económico: talento técnico y desarrollo cuantitativo
El desarrollo de estos perfiles tiene un impacto directo en la calidad y competitividad de los modelos cuantitativos. A diferencia de otras ramas tecnológicas, aquí el conocimiento técnico se traduce en ventaja en la inversión.
Ingenieros, matemáticos y científicos de datos crean algoritmos que mejoran la predicción, ajustan el riesgo y optimizan carteras. Por eso, el fortalecimiento de estas capacidades no solo genera empleo de alto valor agregado, sino que también impulsa la innovación dentro del ecosistema.
“Invertir en capital humano es tan estratégico como invertir en modelos. Por ejemplo, nuestro equipo desarrolló más de 200 estrategias automáticas y activas que todo el tiempo están evolucionando para determinar cuál aporta más valor al porfolio. Sin un equipo de especialistas detrás este resultado (contar con algoritmos que pueden analizar más de 12.000 índices y activos en tiempo real) hubiera sido inviable”, asegura Scherman, quien es el primer latinoamericano en ganar el campeonato de trading de futuros.
El principal desafío que enfrentan estas organizaciones es el de retener a los especialistas. La movilidad internacional, la oferta de salarios en dólares y la atracción de grandes fondos constituyen una competencia directa. Para mitigar esto, algunas empresas ofrecen un plan de crecimiento profesional, investigación aplicada y participación en proyectos de alto impacto para el currículum del colaborador.
Otro riesgo es la brecha entre academia y mercado: muchos graduados carecen de experiencia práctica en mercados financieros, por lo que la curva de aprendizaje dentro de un fondo cuantitativo puede ser pronunciada.
“Formar un científico de datos que entienda de mercados toma tiempo, requiere exponerlo a simulaciones reales, gestión de portafolio y cultura de control del riesgo”, añade Scherman.
Para mitigar la diferencia entre realidad y teoría, el directivo propone tres líneas de acción:
- Programas conjuntos empresa-universidad: currículas orientadas a aplicaciones financieras y prácticas en entornos de mercado.
- Pasos de integración industrial: pasantías pagas y proyectos con datos reales para acortar la curva de aprendizaje.
- Incentivos para retención: planes de carrera, equity o participación en resultados y formación continua.
La industria de inversiones cuantitativas está abriendo una ventana de oportunidad laboral que aún pocos señalan. Matemáticos, ingenieros y científicos de datos no solo son requeridos; son estratégicos. Este es el momento de apostar por ese talento: si la academia, las empresas y el Estado logran alinearse, Argentina podría convertirse en un polo regional de conocimiento cuantitativo y exportar no solo servicios, sino también innovación de alto valor.
