Ingénieur Quantitatif H/F Crédit Agricole CIB

Risk and Permanent Control (RPC) de CA CIB fait partie de la ligne métier Risques et Contrôles Permanents de Crédit Agricole S.A.
La Direction de RPC identifie, analyse, mesure et contrôle les risques de contrepartie, les risques de marché, les risques pays et de portefeuille ainsi que les risques opérationnels.

L'équipe modèle interne est responsable des méthodologies pour les risques de marché et les risques de contrepartie sur opérations de marché. Son périmètre recouvre la validation des paramètres de marché pour les mesures de risque (économétrie), les modèles des mesures de risques de marché Pilier I ( VaR, SVaR, IRC ainsi que les métriques du nouveau dispositif FRTB) et pilier II, la définition et le suivi du modèle IMM du risque de contrepartie, la définition des stresses transverses réglementaires ( adverses, extrêmes, hypothétiques, historiques, inversés), le suivi et la validation du modèle de calcul des marges initiales sur les dérivés de gré à gré (modèle SIMM), et enfin les méthodologies générales du dispositif de valorisation prudente de Cacib et du Groupe Crédit Agricole.

Le poste couvre les modèles internes et réglementaires sur le risque de marché de manière générale.

Les missions du modèle interne recouvrent analyses, développements, études quantitatives, rédactions de notes méthodologiques, interactions avec les équipes de suivi des risques et du Front Office ainsi que les équipes de validation et d'inspection. Les modèles peuvent s'appuyer en partie sur des algorithmes d'apprentissage.

La première mission portera plus spécifiquement sur la revue du modèle paramétrique utilisé dans le pilier II pour le risque de marché avec notamment revue du modèle non-gaussien (Student-t) et de sa calibration, revue des proxys spreads de CDS pour la CVA, prise en compte des risques climatiques, des facteurs avec peu d'observabilité.

Les missions à suivre pourront porter sur les applications du machine learning à l'analyse des variations des modèles, au développement de sensibilités algorithmiques (AAD) sur certaines métriques, etc.