Analyste quantitatif stage - IRB Non Retail - Optimisation du clustering - Risques - La Defense, Ile de France, France - SOCIETE GENERALE

Societe Generale SA; Paris; On-site; EUR 13,000 - 18,000; Part time

Benefits offered by this job

Télétravail possible

Restauration d'entreprise et tarifs CÉ

prise en charge 60 % des frais de TRAN

Accès offres réduites Comité d'Entre

Job summary

Société Générale recherche stagiaire pour l'équipe RISQ/MDL/MOD à La Défense, Île-de-France, afin d'aborder la modélisation des risques et d'explorer des méthodes de clustering avancées. Vous travaillerez avec les équipes IT et les directions financières pour produire des analyses et des livrables conformes Bâle.

Le stage implique du codage en R et Python, une gestion des bases de données et une exposé des résultats à l'équipe. télétravail possible selon les règles du service.

Qualifications

• Préparation d'un diplôme en école d'ingénieur ou d'un Master universitaire en Mathématiques appliquées, Statistiques ou Informatique.
• Maîtrise du développement avec R et Python.
• Aptitude à manipuler des bases de données.
• Savoir-faire relatif aux modèles statistiques, à l'économétrie et au machine learning.
• Pratique des outils du Pack Office.
• Bon niveau d'expression écrite en langue anglaise.
• Rigueur, curiosité intellectuelle et esprit d'équipe.

Responsibilities

• Assimiler le cadre global de la modélisation IRB.
• Analyser le fonctionnement des modèles actuels et leurs phases de production.
• Rechercher et déterminer des approches alternatives de clustering.
• Concevoir et programmer les nouvelles méthodes et évaluer leurs impacts.
• Rédiger la documentation associée aux analyses et développements.
• Participer à des études et travaux ponctuels ad hoc.
• Restituer et présenter les conclusions devant l'équipe de MOD.

Skills

Statistical modelling

Econometrics

Machine learning

Data manipulation

Anglais écrit

Education

Diplôme en école d'ingénieur ou Master en Mathématiques appliquées/Statistiques/Informatique

Tools

R

Python

Office

Bases de données

Job description

Au sein de la Direction des risques de la Société Générale, le département RISQ/MDL/MOD prend en charge l'évaluation et la modélisation des risques pour le groupe. Son champ d'intervention recouvre les dispositifs de provisionnement IFRS 9 (notamment pour les réseaux France Retail et le Non-Retail Groupe), les modèles internes dédiés au risque opérationnel, les outils de pilotage stratégique (stress testing, prévision) et les modèles réglementaires IRB sur le Non-Retail Groupe et le Retail des réseaux en France.

L'accueil s'effectue dans l'équipe Non-Retail, chargée d'élaborer et de réviser périodiquement les paramètres PD, LGD et EAD (via CCF) pour les entreprises et les contreparties institutionnelles conformément à la réglementation de Bâle. Cette équipe coopère avec les filières IT pour les données, les directions financière et économique, ainsi que les équipes opérationnelles (recouvrement, octroi, notation). Elle veille aussi à l'adéquation réglementaire via des contacts fréquents avec les régulateurs (ACPR/BCE) et les structures internes de contrôle et d'audit.

Pour calculer ses exigences en fonds propres, la banque utilise des modèles internes estimant les facteurs de risque, dont la Probabilité de Défaut (PD). Son élaboration combine la différenciation du risque (système de scoring hiérarchisant les clients selon leur niveau de risque) et la quantification du risque (création de segments ou « pools » homogènes basés sur ces scores pour leur attribuer une PD calibrée selon les règles réglementaires). L'enjeu de cette segmentation est de maintenir le pouvoir discriminant, d'assurer la robustesse des mesures et de diminuer la volatilité du capital réglementaire requis pour le Groupe grâce à des groupes homogènes. Le perfectionnement de ces démarches de clustering constitue ainsi un levier d'optimisation de la stabilité et de conformité.

Ce stage permet d'aborder les processus de modélisation de l'équipe MOD, de suggérer de nouvelles approches méthodologiques, de renforcer sa pratique du code et de la modélisation, tout en confrontant des notions théoriques aux réalités de l'activité bancaire.

• Assimiler le cadre global de la modélisation IRB.
• Analyser le fonctionnement des modèles actuels ainsi que leurs différentes phases de production.
• Rechercher et déterminer des approches alternatives de clustering.
• Concevoir et programmer ces nouvelles méthodes afin d'évaluer leurs impacts.
• Rédiger la documentation associée aux analyses et développements.
• Prendre part à des études et travaux ponctuels ad hoc.
• Restituer et exposer les conclusions de l'étude devant l'équipe.

• Préparation d'un diplôme en école d'ingénieur ou d'un Master universitaire en Mathématiques appliquées, Statistiques ou Informatique.
• Maîtrise du développement avec R et Python.
• Aptitude à manipuler des bases de données.
• Savoir-faire relatif aux modèles statistiques, à l'économétrie et au machine learning.
• Pratique des outils du Pack Office.
• Intérêt ou notions autour des problématiques de risques environnementaux et climatiques (risques de transition, risques physiques, réglementation) apprécié.
• Bon niveau d'expression écrite en langue anglaise.
• Rigueur, curiosité intellectuelle, autonomie, esprit d'initiative et sens du travail collectif.

• Type de contrat : stage d'une durée de 6 mois.
• Lieu : La Défense, Île-de-France.
• Possibilité d'effectuer du télétravail en accord avec les règles du service.
• Prise en charge des frais de transport en commun à hauteur de 60 %.
• Accès aux offres à tarifs réduits du Comité d'Entreprise pour les activités culturelles, le cinéma et le sport.
• Restauration d'entreprise et cafétérias avec tarifs préférentiels, ou titres-restaurant dématérialisés les jours de télétravail.
• Possibilité de participer sur le temps de travail à des démarches solidaires (mécénat de compétences, formation budgétaire auprès de jeunes en apprentissage, parrainage vers l'emploi).
• Perspectives d'évolution au terme des études, en France ou à l'échelle internationale.