Consultant stagiaire analyste quantitatif

Consultant stagiaire analyste quantitatif - Modélisation Quant H/F

Chez EY, nous sommes « All in » pour façonner votre avenir en toute confiance. Ensemble, nous orienterons votre carrière selon vos aspirations. Rejoignez EY et contribuez à construire un monde meilleur.

Notre opportunité

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.

EY renforce son équipe quantitative (Quantitative Advisory Services), et recherche des stagiaires de fin d’études (6 mois) disponibles en 2027.

Vos principales responsabilités

• 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
    • Sco