Financial Mathematics Engineer - Quantitative Analyst

Intégration de l'équipe quantitative d'une structure spécialisée en finance quantitative et gestion d'actifs pour maîtriser la valorisation d'instruments financiers complexes.

• Développement d'un outil de valorisation de prêts utilisant des techniques de flux de trésorerie actualisés.
• Construction de courbes de rendement à partir des taux d'intérêt de marché afin de dériver les facteurs d'actualisation et les taux forward.
• Calcul des taux d'équilibre des prêts en fonction des flux de trésorerie contractuels et des courbes de rendement du marché.
• Conception d'un outil de valorisation pour un portefeuille de prêts hypothécaires inversés, projetant les flux de trésorerie et calculant une Best Estimate.
• Intégration de facteurs de mortalité, de remboursement anticipé et de risque immobilier dans les projections de flux de trésorerie.
• Développement d'un solveur PDE générique unidimensionnel par différences finies supportant les schémas explicites, implicites et Crank-Nicolson.
• Conception d'une formulation matricielle unifiée pour les méthodes de différences finies et validation de la précision du pricing contre des benchmarks analytiques Black-Scholes.

Adhésion à l'équipe de recherche quantitative d'une division advisory du groupe PwC pour approfondir la modélisation de produits dérivés complexes sur indices propriétaires.

• Analyse de l'impact du mécanisme de Volatility Target sur la dynamique des indices.
• Dérivation des distributions limites pour les indices à volatilité ciblée sous rééquilibrage continu.
• Développement de distributions ajustées pour les schémas de rééquilibrage discrets et à faible fréquence.

Intégration de l'équipe de recherche quantitative d'une banque d'investissement tunisienne afin de développer une segmentation comportementale robuste de la clientèle d'entreprises.

• Application de l'analyse RFM pour une segmentation initiale du comportement transactionnel.
• Développement d'un modèle de clustering temporel reflétant les tendances dans le temps.
• Fusion des deux approches via clustering consensus pour améliorer la robustesse de la segmentation.

Adhésion à un cabinet de conseil spécialisé en modélisation quantitative pour maîtriser les techniques d'optimisation de portefeuille et d'analyse de risque.

• Modélisation des fonctions de distribution cumulative marginales et jointes en utilisant des copules paramétriques et empiriques.
• Application de l'optimisation par fonction d'utilité et de l'analyse moyenne-variance de Markowitz pour construire des portefeuilles efficients.
• Réalisation de backtests pour évaluer la performance du portefeuille sous différents scénarios de marché.