Analyste Quantitatif Early Detection

Description du poste

**Type de métier**:
Types de métiers Crédit Agricole S.A. - Risques / Contrôles permanents

**Types de métier complémentaires**:
Types de métiers Crédit Agricole S.A. - Analyse financière et économique

**Intitulé du poste**:
Analyste quantitatif Early Detection - modèles de risque de crédit H/F

**Type de contrat**:
CDI

**Poste avec management**:
Non

**Cadre / Non Cadre**:
Cadre

**Missions**:

- La direction des **risques et contrôles permanents (RPC)** identifie, analyse, mesure et contrôle les risques de contrepartie, les risques de marché, les risques de portefeuille ainsi que les risques opérationnels. Son domaine d’intervention est le périmètre de Contrôle Interne de CACIB. RPC est en outre responsable du pilotage et de la supervision du dispositif de contrôle permanent de CACIB, tous vecteurs de risques confondus
- Le département **Modèle de Risque et de Portefeuille (MRP)** est en charge de concevoir et mettre en œuvre les modèles de calculs des risques de crédit au sein de la direction des risques et du contrôle permanent (RPC).
- Par ailleurs, afin d’accompagner le Coverage ainsi que les différentes lignes métiers de CACIB dans la réalisation de leurs objectifs de rentabilité et de maitrise des risques, MRP a un rôle clef pour aider les Front Office dans le cadre du déploiement et de l’optimisation des modèles internes de calcul de risques (Provisions et RWA).
- Vous rejoindrez l’équipe **Modèles Quantitatifs de Portefeuille** au sein du département Modèles et Risques de Portefeuille et aurez pour mission de:

- participer à la conception du système d’information Early Detection en lien avec le projet Radar / Prism en interaction forte avec l’équipe Early Detection de RPC SCS.
- prototyper des indicateurs et mesures permettant une identification précoce du risque de crédit ;
- implémenter les indicateurs et mesures développés dans une Librairie de calcul en production (sous Python) et assurer la maintenance dans le temps
- Piloter / participer à des projets transverses au sein de RPC ou de CACIB relatifs au développement de nouveaux usages de la donnée externe
- participer à différents projets d’innovation internes à la Banque ou externes (collaboration avec des start-up).

La majorité des postes est éligible au télétravail dans les conditions prévues par notre accord reposant sur le double volontariat (collaborateur & manager) et après une période d’intégration réussie.
- Crédit Agricole CIB s’engage en faveur de l’insertion des personnes en situation de handicap, ainsi ce poste est ouvert à toutes et à tous.

**Compléments**:

- Vous disposez d’une expérience de développement d’indicateurs (modèles réglementaires, machine Learning) et d’une réelle appétence pour les développements en langage orienté objet.

Par ailleurs, une bonne connaissance des risques de crédit de la banque (Large Corporate, FI) ou une solide culture économique ou d’analyse financière serait appréciée

Localisation du poste

**Zone géographique**:
Europe, France, Ile-de-France, 92 - Hauts-De-Seine

**Ville**:
Montrouge

**Niveau d'études minimum**:
Bac + 5 / M2 et plus

**Formation / Spécialisation**:

- Ecole d’ingénieur et Master 2 avec idéalement une spécialisation en finance

**Niveau d'expérience minimum**:
3 - 5 ans

**Expérience**:

- Première expérience en tant qu’**analyste quantitatif** sur le risque de crédit ou sur un poste ayant permis d’être confronté aux deux visions quantitative et qualitative (analyse financière) du risque de crédit.

**Compétences recherchées**:
**Compétences métiers**:

- Connaissance des produits bancaires
- Maitrise des outils bureautiques
- . Très bonne aptitude à la manipulation de données
- Esprit d’analyse et de synthèse

**Compétences comportementales**:

- Proactif, créatif
- . Autonomie, rigueur, sérieux
- Rigoureux, organisé et capable d’autonomie
- Fortes capacités de travail en équipe
- Aisances relationnelles et bonne capacité de communication

**Outils informatiques**:

- Bases de données (SQL), Python ou R, Excel/VBA

**Langues**:
Anglais courant