Stage Quantitative Researcher

Datum der ersten Veröffentlichung:
26/09/2025Ort:
PARISTätigkeitsfeld:
Asset ManagementVertragsart:
Praktikum/WerkstudententätigkeitVertragsdauer:
6 Monat(e)Startdatum:
Janvier 2026Standort der Position:
12 boulevard de la Madeleine 75009 Paris

Activité

ODDO BHF est un groupe financier européen indépendant animé depuis 5 générations par la volonté de soutenir ceux qui entreprennent. Né du rapprochement d'une banque familiale et de la BHF Bank, la banque historique du Mittelstand, le Groupe se caractérise par des racines franco-allemandes et une présence stratégique en Suisse. Les 3000 collaborateurs du Groupe exercent quatre métiers principaux : banque privée, gestion d'actifs, banque d'investissement et corporate banking, asset servicing & metals. Il développe une ambition européenne et une vision internationale de l'économie. Reconnu pour l'excellence de sa recherche, la qualité de ses services et la performance de sa gestion, le Groupe gère 156 milliards d'encours clients et dispose de plus d'1,1 milliard d'euros de fonds propres. En 2024, ODDO BHF a réalisé un produit net bancaire de 846,4 millions d'euros. Particulièrement attaché à l'entreprenariat familial, le Groupe est doté d'une structure actionnariale unique : son capital est détenu à 90 % par la famille Oddo et par les salariés. L'alignement des intérêts et des valeurs qui en résulte est au coeur de son fonctionnement et de l'inscription dans la durée de la relation avec ses clients.

Descriptif du poste

Au sein du département Quantitative Research & Data Science de Oddo BHF Asset Management, vous travaillerez sur différents projets soutenant l'innovation des processus d'investissement grâce à des outils d'aide à la décision et à la construction de nouveaux signaux à destination des gérants de fonds.

Vous aurez l'occasion d'interagir avec les équipes d'investissement (principalement Actions) de ODDO BHF Asset Management, ainsi qu'avec l'équipe Data Excellence du Groupe, vous permettant ainsi d'avoir une large exposition sur les enjeux stratégiques de l'entreprise en matière de Data Science.

Dans ce contexte, les principaux projets de l'équipe sont les suivants:
1) Stock Picking:

- Être force de proposition sur l'implémentation des algorithmes et les améliorations possibles (cross-validation, tuning, sélection de données, sélection de modèles...)
- Effectuer une analyse critique sur les données d'entrainement et participer à la création de nouvelles séries de données à ajouter à l'entrainement (feature engineering)
- Être force de proposition sur l'optimisation de la performance (connaître cuda serait un plus) et du stockage
- Effectuer une veille technologique tout au long du stage afin de partager avec l'équipe les nouveautés en matière de librairies/fonctionnalités ou méthodes appliquées dans les derniers papiers de recherche ou concours Kaggle, etc..

2) Topic Modeling:
A partir de différentes sources de données textuelles (Earnings Calls, news, podcast,...) développer en Python un algorithme de NLP (topic modeling) permettant de mettre en évidence les tendances, leurs évolutions sémantiques ainsi que l'exposition des entreprises à ces thèmes. Une première version reposant sur BertTopic et des LLM est déjà développée, les prochaines étapes sont les suivantes:

- Elargir le corpus de document en entrée du modèle avec de nouvelles sources de données textuelles ou audio
- Implémenter de nouvelles méthodes statistiques ou de ML/DL pour améliorer la pertinence des résultats
- Améliorer l'implémentation du modèle pour assurer une exécution en production ainsi qu'un flux de données optimal

3) Custom Consensus:
Développement d'un modèle de calcul de consensus de marché. Actuellement les consensus de marché commercialisés consistent en des agrégations simples (moyenne, médiane,...) des estimations de brokers pouvant mener à de fortes surprises lors des annonces de résultats. L'objectif de ce projet est de développer un modèle de Machine Learning permettant de minimiser ces surprises en prenant en compte plus de sources de données et en identifiant des patterns plus complexes.

Vous serez amené à travailler sur d'autres projets en fonction des besoins de l'équipe et de vos compétences.

Profil et compétences recherchées
- Etudiant(e) en Grande école d'ingénieur avec une spécialisation en Data Science et/ou Mathématiques Financières (ou équivalent universitaire)
- Excellentes compétences en programmation sur Python, notamment des librairies de Data Science (Pandas, Numpy, Scikit Learn, Scipy, Pytorch) et des algorithmes de Machine Learning
- La connaissance des méthodes de GenAI et une première expérience sur ces outils sont des atouts importants
- Fort intérêt pour la finance de marché, la finance quantitative et l'Asset Management (de bonnes connaissances seraient un plus)
- Informé(e) sur l'actualité économique et financière
- Personne curieuse, travailleuse, rigoureuse, persévérante et autonome
- Anglais et français courants
- Ce poste est ou