Analyste Investissement

Collaboration avec les équipes ALM d'Allianz Modélisation France pour renforcer la modélisation prospective et l'optimisation de l'allocation stratégique d'actifs.

• Construction de scénarios économiques hybrides (monde réel / risque neutre) sur plusieurs classes d’actifs avec un mécanisme de time-switch.
• Conception d'un cadre multicritère d'optimisation stratégique sous contraintes combinant performance économique et maîtrise des risques.
• Génération d’allocations d’actifs par Longest-Edge Bisection.
• Construction d’un indicateur synthétique classant les stratégies d’allocation d’actifs au regard de 3 normes (monde réel, IFRS 17 et Solvabilité II) et des 4 variables Present Value of Future Profits, Value at Risk 99,5 %, Risk Capital, Liabilities.
• Développement d’une méthode de relaxation continue fondée sur l’interpolation des indicateurs et des scénarios Monte Carlo pour explorer un espace continu.
• Optimisation de fonctions non convexes et non lisses par Differential Evolution et Spatial Branch-and-Bound, avec suivi des bornes et des écarts d’optimalité numériques.
• Développement d’une plateforme Python de bout en bout automatisant la production de scénarios, l’échantillonnage des SAA, les contrôles, l’analyse multicritère, l’optimisation et les exports.

Travaux de recherche en pricing et modélisation stochastique au sein du CMAP de l’École Polytechnique.

• Développement et étude d’une extension du modèle de volatilité stochastique de Heston avec dépendance au chemin.
• Calibration des modèles sur des données SPX/VIX par Differential Evolution et Nelder-Mead, avec pondération par les spreads bid-ask.
• Implémentation de méthodes Monte Carlo en Python (jusqu’à 20 000 trajectoires), analyse des surfaces de volatilité implicite et comparaison des performances de pricing selon les maturités.
• Réduction, à 14 jours, de l’erreur quadratique pondérée de 3,56 × 10−5 à 3,28 × 10−7.
• Analyse des limites de transférabilité entre marchés et maturités.

Stage axé sur la modélisation statistique et la validation prédictive pour la Banque mondiale.

• Création d’un Proxy Means Test par la construction d’un modèle destiné à classer les populations pauvres d'un ensemble de ménages.
• Sélection des variables pertinentes, mise en œuvre de la validation croisée et du bootstrap.
• Analyse de la robustesse des résultats statistiques obtenus.

Missions d'analyse quantitative des risques de change pour Symbiotics Asset Management.

• Analyse de séries de change et des coûts de couverture sur 19 pays émergents.
• Modélisation de la volatilité et réalisation d’un clustering des profils de risque.
• Étude des primes de risque en appliquant des tests de robustesse rigoureux.