Stage - machine learning engineer

Date: 23 oct. 2024

Lieu: Paris, 75, FR

Entreprise: Capital Fund Management


À PROPOS DE CFM

Fondés en 1991, nous sommes une société mondiale de gestion d’actifs quantitative et systématique appliquant une approche scientifique à la finance pour développer des stratégies d’investissement alternatives pour nos clients.

Nous valorisons l’innovation, l’engagement, l’aboutissement et l’intelligence collective en créant ensemble un environnement d’experts passionnés et talentueux dans les domaines de la recherche, des technologies et du business pour explorer de nouvelles idées et toujours remettre en question les hypothèses.

À PROPOS DU POSTE

Le contexte :

Au cœur de l’exécution de CFM, l'équipe Trading Core & Models fait partie du département Trading & Execution Technology qui, notamment, développe et gère la plateforme applicative en charge de générer et d’envoyer les ordres aux différentes contreparties (Brokers, Bourses), développe les connecteurs aux données de marché, implémente, simule, accélère et fournit des modèles de Machine Learning aux stratégies d’exécution.

Cette plateforme fait transiter des millions de messages représentant les différentes étapes de la vie d’un ordre (Création, Exécution, Annulation, …). À tout moment, les stratégies d’exécution évaluent s’il est opportun pour CFM de passer un tel ordre, notamment grâce aux modèles de Machine Learning précités. Dans ce contexte critique et exigeant, fiabilité, haute disponibilité et performance sont des éléments primordiaux.

Le poste :

Une composante de chaque stratégie d’exécution est son prédicteur de Machine Learning, jugeant si l’instant présent représente une bonne opportunité pour CFM de passer un ordre. Ces prédicteurs ont pour entrées de nombreuses variables explicatives.

Par ailleurs, l’entraînement de chaque prédicteur étant gourmand en ressources, il n’est par exemple pas possible d’entraîner toutes les combinaisons possibles de variables explicatives, pour en évaluer la qualité à travers un critère d’information ou une métrique out-of-sample.

Vous contribuerez, lors de ce stage, au développement d’une méthodologie d’évaluation d’importance des variables explicatives (feature importance) dans un contexte de grande dimension, à travers un état de l’art, l’implémentation des méthodes et leur comparaison sur données simulées et réelles, une synthèse de leurs garanties théoriques (qui pourra donner lieu à une publication de type note technique).

Idéalement, ce travail sera complété d’une solide partie informatique, notamment à travers l’implémentation des métriques et visualisations retenues dans notre outil de suivi d’expérimentation.

COMPETENCES

* Ecole d'ingénieur ou équivalent universitaire (bac +4/5),
* Vous avez de solides connaissances théoriques en Machine Learning,
* Vous avez de solides acquis en Python, notamment les librairies de manipulation de données numpy et pandas (polars apprécié), les librairies de Machine Learning standards, notamment scikit-learn (keras/TensorFlow appréciés) ; la connaissance de C++ est appréciée mais n’est pas un prérequis,
* La connaissance de la finance de marché n’est pas un prérequis,
* Vous êtes rigoureux(se) et avez un bon niveau de communication,
* Vous avez de bonnes capacités d’analyse, vous êtes autonome, avez l’esprit d’équipe et un intérêt pour les technologies et le développement informatique.


DÉCLARATION SUR L’ÉGALITÉ DES CHANCES

Nous nous efforçons continuellement d’être un employeur offrant l’égalité des chances et nous interdisons toute forme de discrimination fondée sur le sexe, le handicap, l’origine, l’orientation sexuelle, l’identité de genre, l’âge, la race ou la religion. Nous croyons que notre diversité, nos apports diversifiés d’expérience et nos multiples points de vue sont les principaux facteurs de notre succès.

CFM est signataire des Women Empowerment Principles.


SUIVEZ-NOUS

Suivez-nous sur Twitter et LinkedIn ou visitez notre site Web pour en apprendre davantage sur CFM.

#J-18808-Ljbffr