L’équipe quantitative est amenée à travailler sur des sujets variés relatifs aux instruments financiers et à la modélisation du risque de marché, de contrepartie ou de crédit, à des projets de transformation, en interaction avec les équipes quantitatives des principaux établissements de la place (Banques, Asset Managers ou Assurances), avec les autres métiers du cabinet EY (Robotics, Data Analytics) et au cœur d’un réseau international.

Les projets menés par l’équipe quantitative sont entre autres :

Des projets de transformation liés à des évolutions règlementaires (FRTB, SA-CCR, Transition IBOR, IRB Repair…), ou à des problématiques d’optimisation de processus

Des projets d’apport d’expertise auprès des directions risques, finance et métier des principaux acteurs de la place

Des projets d’assistance au développement et à la validation des modèles (modèles de pricing de dérivés, de xVAs, de risque de marché, de crédit, de contrepartie)

Des projets de transformation liés à l’intégration des techniques d’innovation (Machine Learning, etc.) dans les modèles traditionnels

Des projets de mise en œuvre de dispositifs relatifs à la gestion du risque de modèle ou de nouveaux risques (risque climatique…)

Des projets d’assistance aux autres métiers du cabinet pouvant requérir une expertise quantitative (Audit, Transactions, Compliance…)

De manière plus précise, le stagiaire se consacrera à un sujet de recherche et/ou d’implémentation informatique dans le domaine de la modélisation financière.

L’objectif est d’étudier en profondeur une problématique définie par l’encadrant de stage, selon le schéma suivant :

Prise de connaissance de références quantitatives issues de la littérature académique et/ou du contexte business rencontré par les consultants de l’équipe QAS, motivant la problématique du stage.

Mise en œuvre de techniques pour apporter des réponses à la problématique posée. Cette étape pourra inclure, entre autres, des calculs théoriques mathématiques et financiers approfondis, des études de méthodes numériques, de l’implémentation informatique dans un langage libre ou défini par l’encadrant, des analyses de résultats numériques, etc.

Synthèse des résultats obtenus lors du stage à l’ensemble de l’équipe QAS. Cette étape inclura un livrable spécifique, défini par l’encadrant (code informatique, rapport synthétique de quelques pages, etc). Ce livrable pourra faire l’objet d’une communication interne et/ou externe de l’équipe QAS.

Extensions des résultats obtenus. Cette étape permettra à l’étudiant de faire preuve d’initiative pour trouver les techniques les plus à mêmes de répondre à des problématiques connexes mais plus avancées et complexes.

Le sujet pourra être en partie adapté suivant les préférences du stagiaire.

Thématiques de stage possibles

Le sujet de stage sera défini précisément par l’encadrant et pourra faire partie des thématiques suivantes :

Modélisation en finance de marché – on pourra retrouver des sujets comme :

Modèles handcrafted pour la gestion des risques et/ou la valorisation

Etude approfondie d’approches de modélisations actuelles des institutions financières (ex : Transition IBOR, Analyses de P&L de dérivés exotiques, modélisations XVAs),

Modélisations avancées : revue de la littérature académique et implémentation (ex : modèles rough vol, calibration jointe SPX/VIX, modèles avec market impact).

Modèles et/ou Méthodes Machine Learning appliqués à la finance de marché

Implémentation et/ou analyse d’algorithmes de Machine Learning pour la génération de données de marché

Implémentation et/ou analyse d’algorithmes de Machine Learning pour la valorisation de produits financiers

Allocation d’actifs en utilisant du Reinforcement Learning

Enjeux Sustainable Finance appliqués à la finance de marché

Intégration des risques climatiques dans la modélisation des risques et/ou la valorisation des instruments du Trading Book des institutions,

Modélisation pour les activités de crédit – on pourra retrouver des sujets comme :

Modèles et/ou Méthodes Machine Learning appliqués aux activités de crédit

Analyse de l’interprétabilité des modèles de Machine Learning pour le crédit

Scores d’octroi de crédit fondés sur des modèles de Machine Learning

Enjeux Sustainable Finance appliqués aux activités de crédit

Etude d’impacts et implémentation de stress tests climatiques,

Etude du pricing du risque carbone dans les instruments de crédit,

Intégration du risque climatique dans les modèles de crédit,

Scores d’octroi de crédit et/ou pricing de contrats basés sur des critères ESG.

D’autres sujets de stage en dehors des thématiques précédentes (e.g., mesure du risque de modèle, modélisation du capital économique, etc.) pourront aussi être proposés.

Vous êtes en dernière année d’une école d’ingénieurs et/ou d’une formation universitaire avec une spécialisation en finance quantitative et/ou calcul stochastique et/ou statistiques.

Vous avez idéalement une première expérience de stage dans un environnement financier (Banque, Assurances, Asset Management).

Compétences souhaitées ou à mettre en œuvre :

Vous devrez démontrer des compétences s’inscrivant au sein des thèmes suivants : calcul stochastique, méthodes numériques, instruments financiers, modèles de valorisation, méthodes statistiques, Machine Learning, Sustainable Finance, etc.

Vous avez la capacité de suivre une démarche scientifique rigoureuse afin d’étudier le sujet confié, et de mettre en place les analyses nécessaires pour obtenir des conclusions associées à un haut niveau de confiance.

Vous devrez de plus disposer d’une bonne aptitude à la programmation informatique.

Doté d’un excellent sens relationnel, vous savez allier le sens de l’analyse et de la synthèse, rigueur et méthode. Curieux, dynamique, responsable et autonome, vous faites preuve d’esprit d’équipe.

Vivez l’expérience EY, Rejoignez-nous !

« Dans le cadre de sa politique Diversité, EY étudie, à compétences égales, toutes candidatures dont celles de personnes en situation de handicap. »

Une carrière qui vous ressemble en se développant en continu grâce à notre programme de formations : rejoindre EY c’est développer des compétences indispensables pour rester dans la course. En évoluant très rapidement et régulièrement au sein de l’organisation et en ayant également la possibilité après deux ans d’expérience d’évoluer dans une autre ligne de service pour enrichir votre expérience EY.