Description

Financial Data Scientist diplômé de l’ENSAI, avec plus de 8 ans d’expérience en institutions financières de premier plan (Deloitte, BPCE, CDC). J’apporte une triple expertise unique :

Programmation & data engineering : Python, R, C++, SQL, MLOps

Data science & modélisation prédictive : ML, séries temporelles, simulation Monte Carlo, copules

Risque bancaire & réglementation : IFRS 9, IRBA / Bâle II–III–IV, ALM (EVE, liquidité), solvabilité, stress tests climatiques et prudentiels

J’interviens sur l’ensemble du cycle de vie des modèles, depuis la structuration de la donnée et le développement méthodologique, jusqu’à la validation indépendante, l’industrialisation et la production des indicateurs réglementaires (PD/LGD/EAD, provisions IFRS 9, VaR/ES, capital économique, ΔEVE, PMVL).

Mon objectif : renforcer vos modèles, sécuriser votre conformité réglementaire et accélérer vos projets de transformation risque grâce à une approche analytique rigoureuse, outillée et orientée résultats.

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km)

Groupe Caisse des Dépôts
Financial Data Scientist
BANQUE & ASSURANCES
mai 2022 - Aujourd'hui (4 ans et 1 mois)
Paris, France
Spécialiste en Risque de Solvabilité et Capital Économique, incluant l'intégration des risques émergents (Climat).
Mes principales tâches sont :
• Solvabilité & Capital : Production des indicateurs de Solvabilité, calcul du Capital Économique, estimation des Pertes Inattendues (VaR, Stress Tests) et Backtesting (Monte Carlo).
• Analyse de Risque : Calcul des contributions marginales (Shapley) pour l'allocation de capital. Modélisation du risque sur actifs immobiliers.
• Pionnier du Risque Climat : Mise en place des Stress Tests Climatiques (NGFS) et évaluation des exigences en fonds propres climatiques (VaR).

Maîtrise Technique :
• Méthodes : Simulation Monte Carlo (NSSF), Copule, VaR/ES, Tests de Kupiec, Optimisation multi-objectif.
• Outils : Progiciel ALM (Risk Pro), R, Python, VBA, Alteryx, MySQL.
Gestion Actifs et Passifs Risque de taux Stress-test Python VaR MonteCarlo
BPCE SA
Gérant ALM
BANQUE & ASSURANCES
mars 2019 - avril 2022 (3 ans et 1 mois)
Paris, France
Expert en Modélisation Financière et Gestion Actif-Passif (ALM), spécialisé dans la validation de modèles d'Épargne Logement et la quantification des risques prudentiels (EVE, CET1).
Mes principales missions sont :
• Compétences Principales : Validation de modèles, backtesting, analyse d'impact ALM/prudentiel, formulation de recommandations de conformité.
• Techniques Avancées : Construction de modèles prédictifs complexes (séries temporelles ARIMAX, Réseaux de Neurones LSTM) pour anticiper les comportements clients.
• Industrialisation : Automatisation du reporting et de la prévision via Python (TensorFlow), R/Shiny et Power BI.

Maîtrise Technique :
• Langages & Libs : Python (TensorFlow), R, SAS.
• Méthodes : ARIMAX, LSTM, Algorithme Génétique, X12 Arima.
• Outils ALM/BI : FERMAT (Moody's), Shiny, Power BI, Kibana.
Python Machine learning Gestion Actifs et Passifs Risque de taux Risque de liquidité
Deloitte
Analyste Quantitatif
BANQUE & ASSURANCES
novembre 2016 - janvier 2019 (2 ans et 2 mois)
Paris, France
Expertise IFRS 9, Risque de Crédit et Machine Learning (Bâle / IRBA) :
• Modélisation & Conformité IFRS 9 : Mise en œuvre et validation des paramètres IFRS 9 (PD, LGD, CCF, EAD). Contre-calcul des provisions et production des reportings FinRep. Définition des Classes Homogènes de Risques (CHR).
• Performance PD (IRBA) : Amélioration des modèles PD via Machine Learning (Random Forest, Réseaux de Neurones) et segmentation des portefeuilles par clustering (DBSCAN).
• Data & Gouvernance : Gestion et contrôle qualité de gros volumes de données (JSON). Formulation de recommandations pour la robustesse et la gouvernance des modèles.

Méthodes et Outils Techniques :
• Méthodes : Forêts aléatoires, Boosting, Réseaux de Neurones, Régression Logistique, DBSCAN.
• Outils : R, h2o, SAS (Guide/VA/ECL), fLite (Shiny), Java.
Machine learning Modélisation Gestion du risque de crédit IFRS9 Bâle III