Objectif: Concevoir un modèle de PD adapté aux institutions financières, inspiré des modèles structurels (type KMV) et d’une logique « distance to best/default » pour un indicateur robuste de solidité, y compris sans défauts observés.

Missions:

• Collecter/analyser des données financières de banques (ratios, ratings, structure bilancielle, cours d’actions…).
• Identifier les indicateurs de solidité (capitalisation, liquidité, rentabilité, dépendance interbancaire) et les variables explicatives de la défaillance/dégradation de rating.
• Étudier les signaux avant-coureurs (stress marges, ratios liquidité, exposition marché…).
• Construire un indicateur synthétique de « distance to default/best ».
• Tester des approches statistiques/ML pour calibrer le modèle et évaluer sa stabilité temporelle.
• Produire un dashboard interactif de suivi des scores PD par pays/segment/taille et une fiche méthodologique + rapport comparatif.

Profil/Exigences:

• Ingénierie en actuariat, data science, finance quantitative ou statistique appliquée.
• Python (numpy, pandas, scipy, statsmodels, plotly/PowerBI), VBA optionnel.
• Connaissances: théorie des options, modèles structurels de crédit, optimisation, statistiques; réglementation bancaire (CET1, LCR, NSFR, Bâle III).
• Soft skills: rigueur, analyse, communication, autonomie, synthèse, appétence recherche appliquée.

Durée: 5 mois (Fév – Juin) Nombre de stagiaires: 1