Mbissane Ka
Stagiaire Analyste Quantitatif – Marché obligataire UEMOA
Recruter cette personne
Envoyez une offre d'emploi directement à ce candidat
À propos
Titulaire d'un Master 2 en Actuariat et Ingénierie Mathématique pour l'Assurance et la Finance (Université de Rouen Normandie) j'ai acquis durant ma formation une solide maîtrise des techniques actuarielles appliquées à l'assurance non-vie : provisionnement (Chain Ladder, Bornhuetter-Ferguson), calcul de Best Estimate et d'IBNR, ainsi que les fondamentaux de la tarification et de la modélisation des risques. Mon stage de fin d'études à l'ANSD (Dakar) m'a permis de développer une expertise pratique en modélisation économétrique et machine learning (ARIMA/SARIMA, Random Forest, XGBoost, LightGBM) appliquée à des données financières complexes, ainsi qu'en construction et fiabilisation de bases de données.
Maîtrisant
Python, R et SQL, je suis à l'aise pour automatiser et fiabiliser des traitements de données. Rigoureux et doté d'un bon esprit d'équipe, je souhaite mettre ces compétences au service de la stratégie tarifaire IARD chez Generali.
Expérience
Stagiaire Analyste Quantitatif – Marché obligataire UEMOA - Agence Nationale de la Statistique et de la Démographie (ANSD) - DAKAR
(2026-02 - 2026-05)
- Analyse de données de panel issues des marchés financiers régionaux
- Production d'indicateurs de suivi de performance pour une institution publique
- Étude de la structure par terme des taux d'intérêt et construction de la courbe des taux zéro-coupon.
- Modélisation économétrique des rendements obligataires (ARIMA, GARCH).
- Développement de modèles de prévision utilisant des méthodes de Machine Learning.
- Production d'indicateurs analytiques permettant d'améliorer le suivi des dynamiques du marché financier régional.
Stagiaire Risk Analyst – Modélisation du risque de crédit - Atheïa Conseil - Rouen
(2024-04 - 2024-08)
- Analyse de données clients pour la modélisation de probabilités de défaut (crédit scoring)
- Modélisation économétrique du risque de crédit (PD/LGD) via régression logistique sous SAS.
- Backtesting des modèles : stabilité de la population, pouvoir discriminant et robustesse des estimateurs.
- Analyse des résultats et recommandations pour l'amélioration du dispositif de gestion des risques.
Formation
Master - Actuariat et Ingénierie Mathématique - Université de Rouen (2024 - 2025)
Master 1 - Data Science - Université de Paris-Saclay (2023 - 2024)
Licence 3 - Mathématiques - Université d'Aix-Marseille (2022 - 2023)
