Quantitative Researcher

Intégration de l'équipe Listed Equities pour mettre en production un modèle de deep learning pour la détection de creux de marché en temps réel.

Enseignement d'un cours magistral de mathématiques financières auprès d'étudiants de master.

Intégration du front office pour développer des stratégies de trading systématiques appliquées sur un portefeuille de 30 millions d'euros déployées sur le forex et les taux d'intérêt. Contributions :

• développement d'une stratégie de trading systématique atteignant un Sharpe ratio out-of-sample de 1,25, statistiquement significatif au seuil de 5% selon un test de permutation;
• conception d'une architecture LSTM-autoencoder pour compresser plusieurs centaines de variables prédictives en quelques dizaines de facteurs, prédisant des signaux 3 heures à l'avance sur 25 années de données à la fréquence minute;
• comparaison de l'approche à des méthodes d'ensemble standards (Random Forest, XGBoost, AdaBoost) en utilisant l'optimisation bayésienne des hyperparamètres.

Intégration de l'équipe Listed Equities pour développer des outils d'analyse quantitative et de modélisation des risques. Contributions :

• conception de stress-tests basés sur un modèle Markov-Switching pour évaluer les impacts de la politique monétaire sur le portefeuille via des fonctions de réponse impulsionnelle (IRFs);
• développement d'indicateurs alternatifs de facteurs de risque pour expliquer la performance de fonds actions;
• implémentation de modèles LSTM pour l'identification de points d'entrée optimaux, guidant l'allocation de flux de 600 millions d'euros.