Vincent - Data Scientist PYTHON
Ref : 200117B003-
75007 PARIS
-
Data Scientist (47 ans)
-
Totalement mobile
-
Mandataire social de sa structure Freelance (SARL, SAS, EURL, etc)
Expériences
Data Scientist Freelance (depuis 2018)
• AIR LIQUIDE: Data Scientist for Innovation & Growth Strategy Team (6 mois): Design of new business model, with
the objective of providing a first illustration of final deliverables, possibly on a different country than the target deployment
country. It help business team refine the analysis and visualisation they need to support their decision making.
✴Formulate and iterate over hypothesis with business team
✴Set-up back-testing methodology
✴Run first simulations of impact on revenues and profitability if x% of customers would have turned to the new revenue
model with different price point
✴Visualisation of results
Iterate over back-test tool on target country and refined business model. The objective is to benchmark different business
models with different price points regarding their impact on revenues and profitability.
✴Integrate target countries data (2 different countries)
✴ Implement back-testing methodology as specified during PoC
✴Collaborate with business teams to help compare scenarios and recommend price points
✴Visualisation of results
A quantitative survey will be run to a sub-segment of customers to evaluate their appetence and willingness to pay for the
different business models. Results may require an update with fine-tuned parameters of the simulations.
✴Final refined simulations with fine-tuned parameters
• CMDL - MANASLU Ing: Data Scientist (6 mois) : Reprise, simplification et amélioration d'un algorithme en Python de
détection d'erreurs de capteurs (aberration, absence, valeurs anormales, variations brutales...) à l'aide de méthodes
statistiques et de visualisation des données, avec des problématiques d'optimisation des temps de calculs. Mise en place d'un
rapport d'erreurs automatique.
• BOIS ET MATÉRIAUX (3 mois) : Afin d'aider Bois & Matériaux dans sa politique commerciale de tarification dynamique,
un outil de visualisation en Python a été implémenté afin de montrer les possibilités offertes par les data sciences, et en
particulier de détecter les anomalies ou les possibilités d'amélioration les plus importantes concernant:
a) La politique de remise par secteur
b) b) Les chiffres d'affaires et les remises réalisées ou concédées par les commerciaux
Par la suite, j'ai accompagné le directeur de l'offre commerciale, dans le recrutement d'un data scientist, par la réalisation de
questionnaires et de tests scientifiques afin de sélectionner un candidat ayant les compétences requises pour ce poste.
• Open Classeroom (6 mois) :Etude de la base de données alimentaires publique "Open Food Facts" afin d'en évaluer
l'intérêt pour le site de recettes en ligne "La Marmite".
✴ L'exploration des données (Big Data) à été réalisé à l'aide d'outils de visualisation statistique et via la définition de
nouvelles mesures. L'analyse a permis d'évaluer le potentiel de la base de données pour évaluer les bienfaits potentielles
des recettes de "La Marmite" sur la santé.
✴ Le challenge a consisté à construire un algorithme capable de détecter les anomalies sur un très grand nombre de
données, par classification des aliments à l'aide d'un arbre orienté catégorielle (Network), puis à comparer chaque donnée
aux caractéristiques de sa catégorie la plus représentative statistiquement. L'algorithme développé s'est montré à la fois
très efficace et très rapide.
Président d’Âdhavan Algorithmics (depuis mars 2015)
• Environnement : Création d’une plateforme innovante de conseil en investissement financier de type « Robo Advisor »,
fondée sur des méthodes d’apprentissage et des approches statistiques innovantes avec un chercheur de l’Ecole
Polytechnique. Création de l’entreprise Âdhavan Algorithmics en 2016 en tant que Président pour commercialiser les travaux
de recherche et leurs applications auprès de Fonds de placement (Client: Carmignac Gestion). Développement d’une activité
de conseille en stratégie d’entreprises, à partir de fin 2017, à l’aide des algorithmes novateurs des Data Sciences
(apprentissage automatique, réseaux de neurones…) (Client: Bois & Matériaux)
• Travaux de R&D en finance:
o Stratégies d’allocation d’actifs par optimisation du ratio rendement/volatilité et rendement/CVaR
o Modèles à distributions de Student asymétriques et à copules de Student
o Intelligence artificielle pour la prévision des scénarios d’évolution du marché
o Utilisation des filtres de Kalman pour améliorer les capacités prédictives des modèles
o Modèle de corrélations de Gerber par filtrage des événements non significatifs
o Lois d’échelles statistiques
Consultant Principal, direction de la R&D: Opus Finance (septembre 2011- février 2015)
• Environnement : Création, organisation et direction d’une filiale au sein du cabinet de conseil Opus Finance comptant
jusqu’à 10 personnes (Un professeur universitaire, deux doctorants, deux ingénieurs quantitatifs, trois consultants quantitatifs
à temps partiel, 2 stagiaires)
• Direction :
o Rédaction du projet de recherche et de financement (1 million d’euros (Oséo et FCPI))
o Obtention du label Oséo « entreprise innovante »
o Recrutement des éléments de l’équipe de recherche
o Rédaction du livre blanc d’Opus Finance sur la recherche crédit
o Définition des sujets des consultants quantitatifs
o Définition des sujets de recherche et des sujets de thèse
o Rédaction du dossier et obtention de l’agrément CIR par le ministère de la recherche
o Publication dans la revue Opus Finance de 5 articles scientifiques
o Coordination des travaux pour la construction d’une chaîne de calcul de la CVA
o Coordination des projets scientifiques d’Opus Finance Research
o Participation aux comités de pilotage d’Opus Finance
• Projets scientifiques d’Opus Finance Research :
o Calibration des modèles à intensité de défaut déterministe à partir des courbes de spread observées (crédit)
o Pricing des options sur spreads et évaluation des erreurs de couverture (matière première)
o Modèle de Heston et modèle SABR pour les options. Modélisation de la nappe de volatilité (actions)
o Prise en compte du Wrong Way Risk dans le calcul du Credit Value Adjustement (liens taux – crédit)
o Modèles Garch multivariés (corrélation entre les indices boursiers) – Encadrement d’une thèse avec la Banque
de France et l’Université Paris Dauphine.
o Construction d’un modèle interne pour le calcul du LCR (ratio prudentiel de liquidité)
o Modélisation des carnets d’ordres (actions)
o Caractérisation des lois asymptotiques des distributions multivariées non-gaussienne - Encadrement d’une thèse
avec Paris 7)
• Mission pour le compte du Crédit Foncier :
o Audit du modèle de cession de créances (taux et de remboursements anticipés) - Encadrement de 2 consultants
o Documentation détaillée des fondements, de la méthode et des algorithmes du Pricer de cession de créances
Chercheur Associé : Vimades (2010-2011) • Etude de méthodes de gestion de portefeuille à l’aide de la théorie de la viabilité, application à l’assurance (CPPI et VPPI)
• Etude de la dynamique des carnets d’ordres, analyse statistique et construction d’un explorateur de dynamiques.
Consultant en Mathématiques Financières : OTC-conseil (2007-2010)
Equipe de Développement Risque d’OTC Conseil (2010) :
• Etude de la stabilité des méthodes de résolution d’EDP non linéaire et Modèle Garch guidé par des états exogènes
(Synthèses d’articles de recherche du laboratoire FIME pour le compte d’EDF)
• Risque de contrepartie sur les dérivés de crédits, intégration des matrices de migration.
Mission pour le compte de Natixis à la Direction des Risques de Crédit (2009) dans l’équipe « Credit Quantitative Studies » :
Optimisation algorithmique et proposition de nouveaux modèles de prédiction des risques associés aux portefeuilles de produits de
crédit (CDS, CDO, CDO tranche)
• Modèle à copule gaussienne
• Proposition et adaptation des modèles RFL et RFL+
• Accélération par réduction de variance
• Encadrement d’un consultant
Mission pour le compte de Natixis à la Direction des Risques Analytiques (2008-2009) : Etudes quantitatives et spécifications des
algorithmes du logiciel Scénarisk pour la prédiction des risques associés à l’évolution des marchés financiers de change.
• Modélisation du risque de change
• Valorisation des dérivés de change (option vanille, à barrière, asiatique)
• Prise en compte de convexité de produits dérivés dans le calcul de la VaR
• Modélisation et intégration de nouveaux produits (Futur et Variance Swap)
• Intégration de la dynamique de la nappe de volatilité dans la VaR
• Modélisation du risque de change pour les Stress Tests
Equipe de Recherche et Développement d’OTC Conseil (2007) : Etude des comportements dynamiques de la volatilité des
marchés au cours de la crise financière de 2007. Recherche de modèles réactifs pour l’estimation des pertes maximales à l’aide de
méthodes paramétriques et Monte-Carlo.
• VaR Garch
• VaR multi-fractale
Consultant en Finance : Team Trade (2006-2007)
Mission pour le compte de BNP Paribas : Maîtrise d’ouvrage Murex sur les produits dérivés options, produits de changes,
montages structurés et matières premières
Expériences de recherche en physique
Doctorat de Physique : Université Pierre et Marie Curie (2002-2005)
Laboratoire de Chimie Physique - Matière et Rayonnement : Etude théorique et numérique de l’interaction laser – molécule par
résolution numérique de l’équation (EDP) de Schrödinger dépendante du temps.
LKB - Laboratoire de l’Ecole Normale Supérieure de Paris (2002)
Etude théorique des atomes «exotiques» - Développement d’un code parallèle d’électrodynamique quantique.
Thalès - Centre d’Etude et de Recherche d’Orsay (2001)
Construction d’une expérience robotisée pour l’étude du faisceau émis par des diodes laser à «cascades quantiques».
GANIL - Grand Accélérateur d’Ions Lourds de Caen (2000)
Mise au point d’un « détecteur à temps de vol » pour l'étude de la pulvérisation des surfaces par des ions lourds.
EDF - Centre d’Etude et de Recherche de Clamart (1998)
Etude statistique des modes de consommation des clients d’EDF
Formation
2018 Formation de Data Scientist CentraleSupélec / OpenClassrooms (en cours)
2002 - 2005 DOCTORAT de Physique au LCPMR
2001 - 2002 DEA de physique expérimentale des atomes et molécules de l’UPMC
Compétences techniques
Programmation :
Programmation orientée objet :
• Python : Algorithme de trading. Projets d’Opus Finance. Exploration des dynamiques des carnets d’ordres (Vimades), Audit du Crédit Foncier. Ensemble des missions de Data Sciences
• Java : Modélisation des portefeuilles de change et de crédit (OTC conseil)
• C++ : Valorisation des options sur spread (Opus Finance). Modélisation du système solaire (Maitrise de Physique)
Programmation parallèle :
• MPI : Parallélisation de résolution d’EDP (Thèse) et Electrodynamique quantique (DEA de Physique)
• Cuda et OpenCL: Générateurs de nombres aléatoires et algorithmes Monte Carlo (Travaux personnels)
Programmation
• VBA : Pricer de produits dérivés (Natixis/Scénarisk et Natixis/CQS); Maquette du VPPI à un actif risqué (VIMADES)
• MatLab : VaR Garch (OTC Conseil)
• Fortran: Résolution de l’équation de Schrödinger dépendante du temps. Electrodynamique quantique (Thèse et DEA)
Base de données
• Procédures stockées en SQL : Algorithme d’automatisation d’écriture comptable (BNP)
Autre :
• Korn Shell : Automatisation des tâches (Thèse)
• Gnuplot, matplotlib (graphs et animations) (Thèse, Vimades, Opus Finance)
• Latex : Rédaction des rapports quantitatifs (Thèse, Natexis, Opus Finance, Crédit Foncier…)
Enseignement
Université Pierre et Marie Curie (2002-2005): TD et TP en chimie-physique et mécanique quantique
Université de Caen (1999-2000): Tutorat en mathématiques (probabilité) dispensé aux étudiants de 1ère année