Offre de Stage - Paris e, France - Hiram Finance

Description

**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:

- 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
- 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).