Stage 6 mois Analyste Quantitatif Data Scientist Risque climatique H/F
Detail de l'annonce :
DESCRIPTION DE L’ENTREPRISE
Chez Natixis, nous concevons des solutions en gestion d’actifs et de
fortune, financement, investissement, assurance et paiements. Notre
ambition : nous dépasser collectivement pour mieux accompagner nos
clients et leur proposer les meilleures solutions pour leur
développement.
Chez Natixis, nos talents sont notre principal atout.
Rejoignez-nous et vous aurez les clés pour faire bouger les choses et
avoir un réel IMPACT.
Rejoignez-nous et vous découvrirez un monde d’OPPORTUNITÉS.
Rejoignez-nous et vous donnerez du sens à votre poste par votre
ENGAGEMENT en faveur de la société comme de l’environnement.
Signataire de la Charte de la diversité, Natixis veille à promouvoir
tous les talents et à accompagner le développement de chacun de ses
16 000 collaborateurs présents dans 38 pays. Pour la 4e année
consécutive, elle est certifiée Top Employer France 2021.
POSTE ET MISSIONS
Au sein du Département Entreprise Risk Management (ERM) de la
direction des risques de Natixis, le pôle « Credit & Non-Financial
Risks Modeling » (CNFRM) est en charge de l'ensemble des
méthodologies de mesure et d'appréciation des risques de crédit,
opérationnel et non financiers (risque climatique).
Au cœur du pôle « Credit & Non-Financial Risks Modeling » (CNFRM),
l’équipe « Forward-looking and Stress-test modeling » (FLSTM) est
en charge de l'ensemble des méthodologies de mesure et
d'appréciation des risques de crédit Forward-looking, du risque
opérationnel et des risques financiers (risque climatique en
particulier). L'équipe FLSTM évolue dans un environnement très
stimulant dans lequel les échanges avec les experts risques et
métiers sont nourris et permanents pour identifier de nouvelles
situations de risque ou pour appréhender au mieux les
caractéristiques et les facteurs de risque du portefeuille analysé
(Stress Spécifiques de portefeuilles/secteurs…).
L’équipe FLSTM réalisent les travaux suivants :
* Mener les exercices de refonte et d'amélioration méthodologiques
des modèles internes de projection des paramètres de risque de
crédit en lien avec le métier dans le respect des guidelines
internes de modélisation et celles du superviseur ;
* Mener les exercices de revues, de backtesting ou de recalibrage
des modèles internes ;
* Participer à l'insertion opérationnelle des modèles
développées et des calibrages réalisés ;
* Gérer les relations avec les lignes métiers, Finance ou la DSI
dans le cadre des évolutions des modèles internes ;
* Présenter les revues méthodologiques aux comités de validation
tant au sein de Natixis que du Groupe BPCE et, le cas échéant, aux
organismes de tutelle ;
* Réaliser des études quantitatives ad-hoc relatives aux modèles
internes.
La lutte contre le réchauffement climatique est un enjeu global et
majeur du 21ème siècle. En ce sens, l’accord de Paris adopté lors
de la COP 21, le 12 décembre 2015 contraint juridiquement les parties
(les états) signataires de cet accord à limiter le réchauffement
climatique à un niveau bien inférieur à 2, de préférence à 1,5
degré Celsius, par rapport au niveau préindustriel.
Pour maintenir le réchauffement climatique sous cette limite, il est
nécessaire de réorienter l’investissement vers des solutions bas
carbone et résilientes au changement climatique. La concrétisation
de cet objectif exige donc la mise en œuvre de politiques impliquant
des transformations économiques, sociales et technologiques sans
précédent. D’autre part, à mesure que le réchauffement augmente,
l’intensification (fréquence et sévérité) des phénomènes
climatiques extrêmes (sécheresse, inondation, précipitations, …)
sera observée.
Dans ce contexte, le risque climatique fait peser des risques
importants pour Natixis. Celui-ci se matérialise à deux niveaux :
* LE RISQUE DE TRANSITION résulte des ajustements (règlementaires,
choix des consommateurs) effectués en vue d’une transition vers une
économie bas-carbone, en particulier lorsque ces ajustements sont mal
anticipés ou interviennent brutalement (par exemple, une
dépréciation des actifs faisant suite à des évolutions
réglementaires qui viendraient pénaliser certaines activités
jugées polluantes) ;
* LE RISQUE PHYSIQUE résulte des dommages directement causés par
les phénomènes climatiques (comme par exemple la perte de valeur des
collatéraux physique).
Natixis cherche à développer son dispositif de stress-test interne
climatique. L’un des enjeux majeurs posé par un tel exercice est de
projeter des paramètres de risques Forward-looking (Probabilité de
défaut et Loss Given Default) qui dépendent d’une trajectoire
climatique prédéfinie. L’objectif du stage est de contribuer au
développement de ces méthodes de projection, en particulier pour le
paramètre PD. Le stagiaire aura pour missions principales :
* De réaliser une veille méthodologique afin de recenser les
différentes approches possibles de modélisation de la PD dans le
cadre d’un stress-test climatique ;
* De développer les approches de modélisation retenues en
concertation avec le maitre de stage ;
* D’automatiser l’ensemble des procédures et méthodes
explorées ;
* De documenter ou rédiger des notes techniques afin d’assurer la
reproductibilité et l’audibilité des travaux réalisés ;
* De contribuer aux travaux en cours ou à venir en relation avec le
développement du dispositif de stress-test interne climatique.
Cette liste est non-exhaustive et pourra évoluer selon l’avancement
des missions.
PROFIL ET COMPÉTENCES REQUISES
Étudiant(e) en dernière année d’école d'ingénieur, d’école
de commerce ou d'une université en mathématiques appliquées,
statistique, data science. Des notions dans le domaine du risque de
crédit et/ou du risque climatique sont fortement appréciées.
Vous faites preuve de rigueur scientifique, d'autonomie et d'un fort
esprit d'équipe. Une bonne expression orale et écrite est
nécessaire pour ce stage. Un bon niveau d'anglais est impératif,
vous serez amené à rédiger des documents techniques (notes
d’analyse, méthodologies, expression de besoin, …).
Vous serez amené à travailler avec Python, R ou SAS.