HSBC

Gestion de projet

★★★★ 56 Avis

Découvrir
ce recruteur

Stage ingénieur(e) financier quantitatif r&d mult H/F

04 janvier Hauts-de-Seine, Hauts-de-seine Stage

Environnement :

Depuis sa création en 1865, le groupe HSBC présent dans 84 pays et territoires, connecte ses clients aux opportunités de croissance où quelles se trouvent dans le monde, contribuant ainsi au développement des entreprises et des économies et à la concrétisation des aspirations individuelles.

HSBC en France propose une large gamme de produits et services à travers ses différentes activités : Banque de particuliers et de gestion de patrimoine, Banque Privée, Banque d'Entreprises, Banque de financement, d'investissement et de marchés.

Implanté dans 36 pays, HSBC Global Asset Management donne accès à de nouvelles opportunités d'investissement et propose des solutions adaptées aux besoins de ses clients institutionnels, entreprises, clients privés et intermédiaires.
Le stage se déroulera au sein de l'équipe R&D Multi Asset qui est directement rattachée à la direction de la gestion.
L'équipe s'occupe principalement de créer et d'analyser des stratégies quantitative d'investissement cross-assets (actions, obligations, Fx), de développer des outils et des indicateurs d'aide à la décision pour les gérants Multi-Asset et Actions.

Missions :

Au sein de l'équipe R&D Multi-Asset d'HSBC Global Asset Management France, nous recherchons une ou un stagiaire école d'ingénieurs ou universitaire spécialisé(e) en Statistiques et  Finance de marché,  cherchant une première expérience en Data-Science appliquée à la Finance,  dont la principale mission sera de poursuivre les recherches entrepris dans l' élaboration de  méthodes de sélection de facteurs Multi-Asset basée sur des méthodes d'apprentissage statistique.

Deux types d'approches seront privilégiées : algorithmes dits de type supervisés (Random Forests, Gradient Boosting,? et potentiellement Deep-Learning) et modèles de type Reinforcement Learning.

L'objectif du stage est de définir une méthode dynamique de sélection de facteurs en partant d'une base préétablie de facteurs directionnels et non-directionnels communiquée en aveugle, benchmarkée face à des stratégies simples et robustes (portefeuilles statiques ou méthodes de sélection naïves), prenant en compte les dimensions essentielles de la gestion active (exécution et coûts de transactions).

Un soin très particulier sera accordé quant à l'analyse des méthodes de validation, de robustesse hors-échantillon,  de mesures de risque d'over-fitting, de biais de sélection et une analyse comparée des méthodes en termes de partage (biais-variance) devra-être conduit.

Le stage s'appuiera sur la poursuite de recherche interne,  d'articles de recherche académique ou professionnels en lien avec la littérature du Machine Learning, du timing de facteurs et de la construction de stratégies systématiques.

Profil :
Type : Stage conventionné
Durée: 6 mois à temps plein (lun-ven)
Début : Avril 2018

Niveau d'études/diplôme préparé : Formation supérieure diplôme Bac +5 orientée :

- ingénierie financière avec une dominante informatique, 
- orientée Informatique avec une dominante Finance,
- data science
- écoles d'Ingénieur, ou équivalents Universitaires (ENSAE, ENSAI, ENSTA, ENSIMAG, Master in Asset and Risk Management Evry?)

Compétences :
 
Mathématiques : Dominante statistiques et probabilité ?Data Science ? Econométrie ? Machine Learning / Reinforcement Learning / Apprentissage Bayésien
 
IT: Développeur ayant de solides connaissances en programmation R
Finance de Marché : Back-testing et stress-testing de stratégies,  Optimisation et construction de portefeuille (type Risk-Budgeting, ?).
 

Qualités personnelles:
Autonomie : Un investissement important sera nécessaire pour s'approprier la thématique concernée (notamment via la littérature académique) ainsi que les outils et modèles en production.
 
Rigueur : Analyse approfondie des problématiques concernées. Codes propres, efficaces et documentés.
 
Communication : échanges réguliers et clairs avec les membres de l'équipe ainsi qu'avec les gérants concernés, organisation de points d'étape, documentation des résultats obtenus,?
 
Curiosité.