Manager – Modélisation quantitative, stress testing et gestion du risque de modèle

À propos du poste

Sia, groupe de conseil en management fondé en 1999, accompagne les institutions financières françaises et européennes sur leurs enjeux de modélisation quantitative, de stress testing, de capital économique et de validation indépendante des modèles. En tant que Manager, vous intervenez sur l'ensemble du cycle de vie des modèles (conception, calibration, validation, intégration et gouvernance) et encadrez des consultants.

Missions principales

• Crédit, IRB et IFRS 9 : modèles PD, LGD, EAD/CCF, rating et scoring, Credit VaR, backtesting et ECL
• Marché, contrepartie et XVA : VaR, ES, stress scenarios, FRTB, EE/EPE/PFE, simulations Monte Carlo, P&L attribution
• ALM, IRRBB et liquidité : modèles de dépôts à vue, NMD, EVE/NII, stress de liquidité
• Capital économique (Pilier 2) : distributions de pertes, corrélations, allocation du capital, articulation avec le capital réglementaire et l'ICAAIP
• Stress testing : scénarios macrofinanciers et géopolitiques, reverse stress testing, analyse des points de rupture
• Risques émergents : risques physiques et de transition, scénarios géopolitiques et énergétiques
• Validation indépendante : réplication quantitative, tests de calibration (AUC, KS, Brier), backtesting, challenger models
• Machine learning : classification, régression, Random Forest, XGBoost, SHAP, benchmarking avec les modèles traditionnels
• Gouvernance des modèles : cadre MRM, inventaire, cycle de vie, reporting aux comités
• Gestion de la relation client, encadrement de consultants et contribution à la politique de publication de l'équipe

Profil recherché

• Bac+5 (grande école d'ingénieur, de commerce ou grande université)
• 3 à 6 ans d'expérience dans un cabinet de conseil, Big Four, inspection générale, équipe de modélisation/validation, direction des risques, ALM ou fonction quantitative d'un établissement financier
• Exposition significative au développement, à la validation ou à la gouvernance de modèles
• Expérience en machine learning, IA, explicabilité ou industrialisation des modèles : atout
• Français et anglais courants dans un contexte professionnel

Compétences requises

• Statistiques, économétrie, probabilités, séries temporelles, mathématiques financières, méthodes de simulation et data science
• Techniques de régression et classification, modèles factoriels, Monte Carlo, distributions de pertes, backtesting, challenger models
• Pratique de Python, R, SAS, SQL ou Matlab ; compréhension des exigences CRR3/CRD6, IRB, ECB Guide to Internal Models, IFRS 9, FRTB, SA-CCR, ICAAP/ILAAP