Voici les meilleurs étudiants en finance quantitative primés par Natixis...

Le Comité scientifique de la Fondation d’entreprise Natixis pour la Recherche et l’Innovation organisait jeudi soir dans ses locaux parisiens la cérémonie de la remise du Prix 2019 Natixis du meilleur mémoire de master en finance quantitative qui récompense chaque année les meilleurs travaux nécessitant le recours aux techniques de la finance quantitative les plus évoluées sur des sujets complexes d’actualité pour les banques, les assureurs et les sociétés de gestion.

« Nous avons innové cette année en introduisant un nouveau prix. La Fondation Natixis propose désormais deux prix, à savoir le Prix du meilleur mémoire de master en finance quantitative, créé en 2009, et le nouveau Prix, initié cette année, du Data Challenge Natixis - Ecole Normale Supérieure », indique Jean Cheval, président de la Fondation Natixis

Cette année, le comité scientifique qui réunissait Michel Crouhy, Alexis Collomb, Rama Cont, Nicole El Karoui, Denis Talay, Jean-Paul Laurent, Olivier Pironneau et Charles-Albert Lehalle a identifié 30 masters Tier 1 de finance quantitative en Europe (France, UK, Belgique, Suisse) et a reçu pas moins de 21 thèses de 13 masters différents.

« La nouveauté de l’édition 2019 est que cette année les sujets de thèse des deux lauréats concernent l’application des techniques de « data science » (machine learning) à la finance de marché : pricing des dérivés, couverture des risques de marchés, risque de modèle », relève pour sa part Michel Crouhy, président du Comité scientifique de la Fondation.

Le machine learning à l’honneur

Les deux lauréats du Prix du meilleur mémoire de master en finance quantitative, qui ont reçu un chèque de 2.000 € chacun, sont Michal Kozyra, du MSc Mathematical and Computational Finance de l’Université d’Oxford pour son mémoire Deep learning approach to hedging et Wei Xiong, Master M2MO Random Modelling de l’Université Paris Diderot pour son mémoire Machine learning in financial market risk: VaR Exception classification model, réalisé chez J.P. Morgan.

« Une part importante de mon travail a consisté à vérifier que l’approche que je propose utilisant la technique de ‘deep learning’ à la couverture de positions de trading est robuste en la présence de données entachées d’erreurs », explique Michal Kozyra.

« Les résultats encourageants que j’ai obtenus permettent d’envisager le développement de moteurs de calcul qui amélioreront la qualité de la couverture. C’est un succès en soi et une étape importante vers le rapprochement des techniques de machine learning et de finance stochastique classique ».

« Dans ma thèse nous avons proposé une méthode appliquant Machine Learning pour classifier les exceptions de Valeur-à-risque », explique pour sa part Wei Xiong. « Plusieurs techniques sont utilisées, comme le tSNE pour visualiser les données, SVM pour la modélisation et la validation croisée pour optimiser les paramètres ».

D’après lui, cette méthode a pour objectif d'automatiser certains processus internes de la gestion de risque de manière plus efficace et peut également fournir aux banques des perspectives différentes que celles traditionnelles sur leurs modèles de risques, notamment combien ils peuvent capturer les risques actuels du marché.

Enfin, les deux lauréats du Prix du data challenge Natixis / Ecole normale supérieure qui ont reçu un chèque de 1.000 € chacun sont Jean-Christophe Corvisier, de l’Ecole des Ponts et du master MVA (Mathematiques, Vision and Apprentissage à l’Ecole des Ponts et Mohammed Amine Kheldouni de l’Ecole Normale Supérieure Paris-Saclay, pour leur travail intitulé Exotic Pricing with Multidimentional Non-Linear Interpolation et pour lequel ils ont développé un modèle de deep learning pour le fast pricing d’une option exotique avec 23 paramètres. Qui dit mieux ?

De gauche à droite, Jean Cheval (Président de la Fondation Natixis), Wei Xiong, Michal Kozyra, Mohammed Amine Kheldouni, Jean-Christophe Corvisier, Michel Crouhy (Président du Comité scientifique de la Fondation)

Vous avez un scoop, une anecdote, un conseil ou bien un commentaire que vous aimeriez partager ? Contact : tiochem@efinancialcareers.com