Hiram Finance (www.hiram-finance.com) est une société de conseil forte de plus de 20 ans d’ancienneté, spécialisée dans les métiers de la finance de marché avec des savoir-faire marqués en gestion des risques, en organisation, en stratégie et en gestion opérations pour les institutions financières (banques, gestionnaires d’actifs, assurances) et les grandes entreprises.

Votre mission

Le stage répond à un objectif principal : modélisation de séries temporelles par Machine Learning et étude d’un modèle de copules avec dépendance de queue asymétrique.

Vous aurez ainsi à mener les travaux suivants :

·       Analyse bibliographique et état de l’art des techniques de modélisation.

·       Etude mathématique et financière du modèle de copules.

·       Implémentation et benchmark des modèles.

·       Application des indicateurs de bulles spéculatives à d’autres classes d’actifs.

Une connaissance générale est attendue dans les domaines suivants :

§  Modélisation et mathématiques financière (BS, Heston, VAR, Credit scoring, etc.)

§  Statistiques & probabilités (séries temporelles, traitement du signal, processus stochastiques, tests/hypothèses statistiques, théorie des valeurs extrêmes, etc.)

§  Algorithmie et programmation Python (Complexité, Optimisation, Orienté Objet)

§  Machine Learning (SARIMAX, RNN, LTSM, RL, etc.)

§  Analyse de données (PCA, corrélation, analyse graphique, visualisation, etc.)

Bibliographies:

·       Y. Gong, R. Huser, Asymmetric tail dependence modeling, with application to cryptocurrency market data, The Annals of Applied Statistics 2022, Vol. 16, No. 3, 1822–1847

·       S. Selvin, R. Vinayakumar, E. A. Gopalakrishnan, V. K. Menon and K. P. Soman, "Stock price prediction using LSTM, RNN and CNN-sliding window model," 2017 International Conference on Advances in Computing, Communications and Informatics (ICACCI), Udupi, India, 2017, pp. 1643-1647

·       Peter T.Yamak, Li Yujian, Pius K.Gadosey, A Comparison between ARIMA, LSTM, and GRU for Time Series Forecasting, ACAI 2019: Proceedings of the 2019 2nd International Conference on Algorithms, Computing and Artificial Intelligence December 2019 Pages 49–55

·       Didier Sornette and Peter Cauwels, Financial bubbles: mechanisms and diagnostics, ETH Zurich Chair of Entrepreneurial Risk Department of Management Technology and Economics 8 April 2014

Votre profil

Vous êtes étudiant en dernière année d’une grande école d’ingénieurs ou en Master 2 finance quantitative avec une formation en mathématiques appliquées à la finance et vous savez programmer. Vous vous intéressez aux techniques quantitatives en finance et avez une bonne capacité à lire des articles scientifiques et à restituer les problématiques complexes. Vous possédez une bonne connaissance du langage Python et de ses librairies dédiées (pandas, numpy, statsmodels, scikit-learn, tensorflow, etc.) vous permettant d’implémenter et de tester des modèles financiers de manière autonome.

Informations générales sur le stage

Le stage aura lieu dans nos bureaux parisiens situés à Paris 8ème pour une durée de 6 mois (durée souhaitée) à partir de Mars 2023. Possibilité d’embauche en CDI à la fin du stage.

Gratification selon profil assortie d'une prime de fin de stage selon la réalisation des objectifs fixés (prise en charge du Pass Navigo à 50%, tickets restaurants et « congés payés » selon la durée du stage).

Pour postuler, merci d’envoyer votre CV et lettre de motivation à l’adresse suivante : contact@hiram-finance.com avec la référence « Stage CM 2023 ».