Consultant Quant ALM & Risk Management

A intégré l'équipe ALM et gestion des risques de Bpifrance pour sécuriser et industrialiser l'environnement de production des indicateurs IRRBB et optimiser le pilotage de la liquidité réglementaire.

• A revu et mis à jour la documentation normative IRRBB, formalisant le gap normatif et alignant les conventions méthodologiques.
• A actualisé les indicateurs ALM et du RAF en intégrant les nouveaux chocs de taux bâlois sur les sensibilités EVE et MNI.
• A participé à la revue des hypothèses comportementales et des conventions ALM utilisées dans les projections de bilan.
• A assuré la phase de sécurisation tactique de l'environnement de production des indicateurs IRRBB (chaînes de calcul, contrôles, fiabilité des restitutions).
• A analysé les dépendances fonctionnelles et techniques des environnements de calcul ALM.
• A contribué aux réflexions sur l'utilisation de solutions Python et IA pour l'amélioration des dispositifs ALM.
• A défini une trajectoire d'industrialisation intégrant des leviers d'automatisation et d'outillage IA.
• A automatisé et sécurisé les maquettes de calcul réglementaires ALM (LCR, NSFR, ALMM).
• A renforcé les contrôles de cohérence et fiabilisé les chaînes de production des indicateurs de liquidité réglementaires.
• A analysé et optimisé les traitements de données utilisés dans le calcul des métriques ALM liquidité.
• A revu les indicateurs réglementaires et de pilotage interne (LCR, NSFR, maturity ladder, gaps de liquidité statiques et dynamiques).

A mené un audit quantitatif approfondi et un conseil stratégique ALM auprès de la Direction Générale, aboutissant à une amélioration majeure des sensibilités réglementaires.

• A réalisé un audit et une analyse quantitative des indicateurs IRRBB (sensibilités EVE, MNI, risque de base et métriques de pilotage ALM).
• A contribué aux travaux d'optimisation normative IRRBB ayant conduit à une amélioration de 700 points de base de la sensibilité EVE et de 300 points de base de la sensibilité MNI dans le cadre des scénarios réglementaires de choc de taux.
• A développé des outils de simulation des sensibilités de valeur économique et de revenu net d'intérêt.
• A proposé et mis en place des indicateurs complémentaires de pilotage ALM : sensibilités EVE/VAN par time bucket, analyse par poste du bilan, décomposition par composante de TCI, duration par poste de bilan, gap de duration.
• A revu et recalibré les modèles comportementaux ALM : modèles DAV (parties stable et volatile), modèles PEL, modèles RA/RN, modélisation du Livret A.
• A étudié l'impact des conventions de modélisation des livrets ordinaires sur l'évolution de la répartition stable/volatile et leurs effets sur la sensibilité EVE.
• A analysé et revu les hypothèses comportementales utilisées dans les projections ALM (stabilité des dépôts, conventions d'écoulement, réplication, comportements clientèle).
• A réalisé un benchmark des pratiques de la place (indicateurs, modèles, cadre d'appétence aux risques, gouvernance).
• A revu le RAF et la gouvernance ALM.
• A optimisé normativement la sensibilité EVE et la sensibilité MNI.

A réalisé un projet de fin d'études de master centré sur la modélisation et le pricing des options à expiration zéro jour, combinant approches analytiques et apprentissage profond.

• A étudié les options à expiration zéro jour (0-DTEs) : leurs caractéristiques, sensibilités, et les raisons de leur succès dans diverses stratégies (spreads, straddles, strangles).
• A comparé et calibré les paramètres de divers modèles de tarification des options 0-DTE : volatilité stochastique avec modèles de saut (Bates), processus de Lévy exponentiels à activité infinie (CGMY-B), et Deep-calibration des modèles de volatilité rough (Rough Bergomi).
• A rédigé un article interne sur la tarification des options avec les cryptomonnaies (BTC et ETH) comme actifs sous-jacents, utilisant un modèle de volatilité stochastique à double saut calibré sur la surface de volatilité SVI.
• A calculé la probabilité de défaut future des entreprises de l'EURO STOXX 50, intégrant le risque climatique à travers le modèle de Merton basé sur des projections des émissions et des prix du CO2 jusqu'en 2050.

A exploré des techniques de régularisation dans les modèles de volatilité locale stochastique singulière de McKean-Vlasov, développant une approche innovante combinant méthodes hilbertiennes et réseaux neuronaux.

• A exploré les techniques de régularisation dans les modèles de volatilité locale stochastique singulière de McKean-Vlasov, utilisant l'approche des espaces de Hilbert pour établir l'existence et l'unicité de la solution.
• A calibré les modèles en utilisant les prix des options les plus liquides du marché.
• A développé une approche innovante pour le modèle de McKean-Vlasov intégrant une méthode basée sur les réseaux de neurones pour améliorer la régularisation.

A mis en œuvre une stratégie d'analyse quantitative pour la prédiction de volatilité et l'optimisation de la gestion du risque, en développant des outils de backtesting interactifs.

• A compris et mis en œuvre une stratégie d'analyse quantitative efficace.
• A prédit la volatilité en utilisant un modèle LSTM et optimisé le Stop Loss.
• A développé un tableau de bord pour tester les stratégies mises en œuvre en utilisant Dash et Plotly.