Risk & Data Advisory

PFE BOOK
2024
1
 Qui sommes nous ?
Quantylix est une RegTech (REGulatory- TECHnology, branche des FinTechs) basée à
Tunis.
Elle est spécialisée dans la gestion quantitative des risques, la modélisation des données
et le développement des outils technologiques innovants dans ce domaine.

Malgré son jeune âge (Créée en 2016), Quantylix a su s'imposer comme une
référence dans le secteur de la gestion du risque dans la région MENA.
Elle a accompagné plus de 20 banques du Top 100 Africaines et dispose actuellement
la plus grande équipe d'ingénieurs et consultants en Risk & Data dans la région.

PwC France et Maghreb a fait l'acquisition de Quantylix Risk & Data le 1er
novembre 2023

2
 Modalités pratiques

PROCESSUS DE SÉLECTION
Le stage sera basé dans
Sélection sur CV notre bureau sis à
l’immeuble "The Screen",
Les jardins du Lac II, Les
Test Technique Berges du Lac, Tunis.

Entretien Technique & RH

Le stage est gratifié à

COMMENT POSTULER ? hauteur de 300dt/mois
Merci d’envoyer votre candidature (CV+ relevés
de notes des deux dernières années) par e-mail à
l’adresse : Tc@[Link] avant le
30/12/2023, tout en spécifiant le(s) référence(s) Durée de stage
du(es) sujet(s) qui vous intéressent en priorité. 5 - 6 mois

3
 Pourquoi nous choisir ?

Des projets innovants

Une bonne ambiance
Un partage de connaissances avec notre équipe
Des stages de pré-embauche

Une gratification mensuelle

4
 Nos experts

Moez HAMMAMI Hamza AMIRI

Moez est un ingénieur Statisticien. ll Hamza est titulaire d'un Bachelor of Business
accumule plus de 12 ans d'expérience en Administration – Majeure Finance de l'Université
Finance, diplômé de l'Ecole Nationale de de Moncton, Canada. ll a travaillé l'essentiel de sa
Statistique et d'administration carrière à la Banque de Montréal, une des plus
Economique, ENSAE Paris. II est aussi grandes banques canadiennes.
titulaire d'un master en gestion d'actifs Hamza possède aujourd'hui une expérience de 8
financiers de l'université Paris Dauphine et ans dans le domaine financier et en gestion des
d'une certification professionnelle en risques.
gestion alternative (Hedge Funds). Hamza est certifié FRM (Financial Risk
Management).

54
 Nos experts

Khaled BETTAIEB Elyes Ben Nefissa

Khaled Bettaieb, Consultant national à la Elyes Ben Nefissa est un ingénieur
CNUCED-UNCTAD, dispose de plus que 35 Statisticien, Expert en Data et dans le
ans d’expérience professionnelle dans le language/solutions SAS. Elyes dispose de
milieu bancaire ayant occupé diverses plus de 20 années d’expériences et a
responsabilités. accompagné des grandes entreprises
Expert juridique et technique en matière comme Bank of America, Llyod bank, RBS,
de moyens de paiement, il a réalisé SCOR,….
plusieurs missions pour le compte de la
GIZ, la Banque Mondiale et la Délégation
de l’Union Européenne portant sur la
Finance digitale et le commerce
électronique.
65
Liste des sujets proposés :

SUJET 1 : Optimisation de l'allocation de portefeuille pour le risque de crédit

SUJET 2 : Modélisation de la perte en cas de défaut (LGD) via des algorithmes de

Machine Learning

SUJET 3 : Recherche automatique des scénarios de risques pour l’adéquation du capital

économique avec les fonds propres dans le cadre du processus ICAAP

SUJET 4 : Intégration des risques ESG dans le système de notation interne des
contreparties et impact du risque climatique sur les paramètres du risque de crédit

SUJET 5 : Application de la théorie des valeurs extrêmes à la modélisation des risques

bancaires : Cas du risque opérationnel

7
Liste des sujets proposés :

SUJET 6 : Modélisation du risque de taux d’intérêt dans un marché émergeant

SUJET 7 : Internal Ratings-based Models Using Advanced Machine Learning Methods: PD

Modeling

SUJET 8 : Churn Prediction

SUJET 9 : Dispositif SREP et Business Model des Banques : Perspectives Réglementaires

et Stratégiques

SUJET 10 : Risque ESG et stabilité financière

8
Sujet 1 : Optimisation de l'allocation de portefeuille pour le risque de
crédit

❑ Contexte :
L'étude vise à élaborer plusieurs heuristiques pour construire le meilleur portefeuille diversifié favorisant une gestion
optimale des risques. Cette étude consiste à analyser comment cette approche améliore la prise de décision et accroît l'efficacité
des opérations financières au sein d'une banque donnée. En outre, une comparaison entre les performances de différents
modèles d’estimation du capital économique ainsi que de diverses approches métaheuristiques (Genetic Algorithm, Ant Colony
Optimization, Tabu Search, etc.) et heuristiques sera effectuée pour évaluer l’efficacité de l’allocation.
❑ Objectifs :
Mettre en place une approche de gestion de risques basée sur la notion du capital économique, en mettant l’accent sur la
mesure du RAROC (Risk Adjusted Return On Capital).
L'objectif principal est de développer un modèle d’allocation optimisée du portefeuille de crédit qui intègre une panoplie de
paramètres de risque (LGD, PD, Maturité, etc.).

❑ Compétences attendues :
• Modélisation mathématique et statistique.
• Recherche opérationnelle.
• Optimisation non-linéaire.
• Connaissances en matière de risques financiers.
• Esprit critique et résolution de problèmes.
• Compétences en R et Python.

❑ Profil du stagiaire : Étudiant(e) dans une école d'ingénieurs

Encadrant(e)s: Mme Ines ZGOLLI et M. Habib BEN ABDALLAH 9

Sujet 2:Modélisation de la perte en cas de défaut (LGD) via des
algorithmes de Machine Learning
❑ Contexte :
Analyse de la dépréciation en cas de défaut (LGD) à travers l'application d'algorithmes de machine learning tels que la Régression
Beta, les arbres de décision, les forêts aléatoires et XGBoost… Ainsi que le développement d'une application RShiny pour le
déploiement et la mise en production des modèles générés.
❑ Objectifs :
• Révision réglementaire des paramètres de modélisation du risque de crédit.
• Analyse approfondie des modèles statistiques utilisés dans l'estimation du Loss Given Default (LGD).
• Sélection et application des modèles appropriés en fonction de la structure des données disponibles.
• Développement d'une application interactive Rshiny pour le déploiement dynamique des modèles.

❑ Compétences attendues :
• Modélisation mathématique et statistique.
• Connaissance en machine Learning
• Connaissance en finance et en gestion des risques.
• Esprit critique et capacité à résoudre les problèmes.
• Expérience en programmation, en particulier des compétences en langage R.

❑ Profil du stagiaire : Étudiant(e) dans une école d'ingénieurs

Encadrant(e)s: M. Bedis BLAIEJ et M. Wassim BEN DALI 10

Sujet 3 : Recherche automatique des scénarios de risques pour
l’adéquation du capital économique avec les fonds propres dans le cadre
du processus ICAAP
❑ Contexte :
Le processus d'évaluation interne de l'adéquation des fonds propres, ou ICAAP (Internal Capital Adequacy Assessment
Process), est un cadre réglementaire que les institutions financières, en particulier les banques, mettent en œuvre pour
s'assurer qu'elles disposent de fonds propres suffisants afin de couvrir leurs risques et résister aux retournements
économiques inattendus et aux chocs financiers.
L'ICAAP implique une analyse approfondie de divers risques, tels que le risque de crédit, le risque opérationnel, le risque de
marché et le risque de liquidité. Les institutions financières sont tenues d'évaluer l'impact potentiel de ces risques sur leur
adéquation en fonds propres et de développer des stratégies pour maintenir un niveau de fonds propres approprié en phase
avec leur profil de risque.
❑ Objectifs :
L'objectif du projet est d'améliorer le processus ICAAP en introduisant et en développant des méthodologies pour l'inversion
des modèles ICAAP.

❑ Compétences attendues :
• Modélisation mathématique et statistique
• Optimisation non-linéaire
• Connaissances en matière de risques financiers
• Esprit critique et résolution de problèmes
• Compétences en R et Python

❑ Profil du stagiaire : Étudiant(e) dans une école d'ingénieurs

Encadrant(e)s: M. Habib BEN ABDALLAH et M. Oussama MAAREF 11

 Sujet 4 : Intégration des risques ESG dans le système de notation
interne des contreparties et impact du risque climatique sur les
paramètres du risque de crédit (1/2)
❑ Contexte: :
• Les considérations environnementales, sociales et de gouvernance (ESG), ainsi que les opportunités et les
risques qui leurs sont associés deviennent de plus en plus importantes pour les institutions financières.
• Pour les banques, le développement durable n’est plus seulement une question d’éthique, mais aussi une
dimension primordiale dans la conception des stratégies et des politiques de risque. L’intégration des
risques ESG devient donc une nécessité impérieuse.
• La complexité des risques ESG et l’existence de relation de cause à effet entre les types de risque
représentent un défi quant à la quantification de ces risques et leur intégration dans les mesures de risque
des emprunteurs. Dans ce stage, nous proposons d’intégrer les risques ESG dans les systèmes de notation
interne des banques pour aboutir à des mesures de risques pour capturer les impacts potentiels des
impératifs de développement durable sur le risque de crédit des banques.
• Dans un premier temps, le stagiaire aura pour mission de développer un système de notation interne qui
tient compte des trois dimensions des risques ESG, soit environnemental, social et de gouvernance.
• Une fois un tel modèle en main, il s’agit en second lieu de développer des scénarios climatiques dans le
contexte tunisien et d’évaluer leurs impacts potentiels sur les paramètres de risque de crédit. L’objectif
ultime étant d’être en mesure d’évaluer les implications possibles sur le risque de crédit des portefeuilles
bancaires.

Encadrant(e)s: M. Sadok LAAJIMI 12

Sujet 4 : Intégration des risques ESG dans le système de notation interne
des contreparties et impact du risque climatique sur les paramètres de
risque de crédit (2/2)

❑ Objectifs :
• Développement d’un modèle de notation interne intégrant les risques ESG
• Développement de scénarios de risque climatiques dans le contexte tunisien
• Analyse de l’impact de ces scénarios sur les paramètres de risque de crédit

❑ Compétences attendues :
• Capacité linguistique : Français & Anglais
• Capacité d’analyse macroéconomique et de gestion des risques
• Capacité de synthèse
• Capacité d’analyse statistique et économétrique
• Compétences rédactionnelles
❑ Profil du stagiaire : Étudiant(e) dans une école d'ingénieurs

Encadrant(e)s: M. Sadok LAAJIMI 13

Sujet 5 : Application de la théorie des valeurs extrêmes à la
modélisation des risques bancaires : Cas du risque opérationnel

❑ Contexte:
Dans le secteur bancaire, la gestion du risque opérationnel est une préoccupation majeure, impliquant la prise en compte de
divers facteurs. Les institutions financières sont confrontées à des défis variés, allant des cyberattaques aux défaillances
systémiques, qui peuvent entraîner des pertes financières et compromettre la stabilité opérationnelle.
Dans ce contexte complexe, la modélisation du risque opérationnel devient cruciale pour anticiper, évaluer et atténuer les
diverses menaces qui pèsent sur les opérations bancaires.
❑ Objectifs :
Ce projet de fin d'études vise à explorer la modélisation du risque opérationnel dans le secteur bancaire. L'objectif principal est
d'appliquer la théorie des valeurs extrêmes pour estimer et prédire les pertes opérationnelles associées à des événements
majeurs.
En parallèle, le développement d'un Dashboard interactif permettra de visualiser de manière accessible les résultats de la
modélisation. Cette approche intégrée fournira aux professionnels du secteur bancaire un outil précieux pour évaluer et atténuer
le risque opérationnel, renforçant ainsi la résilience des institutions financières face à un environnement en constante évolution.
❑ Compétences attendues :
• Connaissance en finance quantitative
• Connaissances approfondies en probabilité, statistique et mathématiques appliquées
• Maîtrise R/Python
❑ Profil du stagiaire : Étudiant(e) dans une école d'ingénieurs

Encadrant(e)s: M. Mehdi GEBS et M. Dhya SELMI 14

Sujet 6 : Modélisation du risque de taux d’intérêt dans un marché
émergeant
❑ Contexte :
• D’abord, la courbe des taux est primordiale dans une valorisation en marked to market d’un portefeuille obligataire.
Sans oublier que le risque de marché est l’un des risques les plus importants auxquels un établissement financier est
exposé (pilier I de Bâle). Les deux mesures de risques les plus communément utilisées pour la quantification de ce
risque sont la VaR et l’ES (dans la FRTB) qui nécessitent une courbe des taux (pour pouvoir calibrer les chocs).
• Ensuite, dans le cadre de sa circulaire N°2021-02 la banque centrale de Tunisie a mis en place un cadre pour les
produits dérivés sur les marchés Forex, fix income et commodity. L’un des produits de couverture du risque des taux
d’intérêts est, à titre d’exemple, le SWAP qui représente l’échange d’un taux variable par un taux fixe. La courbe des
taux joue un rôle essentiel pour le pricing des SWAPs.
• De plus, une courbe des taux et un modèle de Z spread nous permettra de mettre en place un cadre de tarification de
crédit ajustée au risque. En effet, la courbe des taux est un input important pour les assurances.
❑ Objectifs :
• Stripping et modélisation de la courbe des taux tunisienne/Marocaine des obligations souveraines (modèle CIR, Vasicek,
Nelson Siegel)
• Application des résultats pour la mesure du risque de marché (VaR et Expected shortfall) suivant les approches Bâle 2,5
et Bâle 4/FRTB
• Développement d’un outils R-shiny
• Modélisation du z-spread
❑ Compétences attendues :
• Connaissances en mathématiques financières
• Connaissances en finance
• Connaissance en programmation

❑ Profil du stagiaire : Étudiant(e) dans une école d'ingénieurs

❑ Nombre : 1 stagiaire
Encadrant(e)s: M. Mehdi GEBS et M. Samer AZZABI 15
Sujet 7 : Internal Ratings-based Models Using Advanced Machine
Learning Methods: PD Modeling

❑ Contexte :
L'approche IRB (« Internal ratings-based approach) du risque de crédit permet aux banques d’exploiter leurs propres données
et paramètres de risque (PD, LGD, EAD) pour le calcul les actifs pondérés (Risk Weighted Assets – RWA).
Dans la perspective du rôle important que l’intelligence artificielle et en particulier les modèles de « Machine Learning »
pourraient jouer dans la modélisation de ces paramètres du risque au sein des institutions financières, l'Autorité Bancaire
Européenne (ci-après "EBA") a publié les documents pionniers suivants : « EBA discussion paper on machine learning for IRB
models (EBA/DP/2021/04) » et « Follow-up report from the consultation on the discussion paper on machine learning for IRB
Models (EBA/REP/2023/28) ».
Ces papiers visent à présenter les attentes et les recommandations de l'autorité de surveillance en vue d'une utilisation
possible et prudente des modèles de machine learning avancés dans le contexte IRB ainsi que les enjeux associés.
❑ Objectifs :
Explorer les approches avancées de modélisation de la probabilité de défaut et d'identifier de nouveaux aspects/patterns
qui pourraient être exclus par les modèles traditionnels, tout en respectant les normes réglementaires en vigueur et en
considérant les points d’attention énoncés dans les publications citées ci-dessus.
❑ Compétences attendues :
• Connaissances en statistiques et en gestion des risques financiers.
• Maîtrise des langages de programmation tels que Python ou R.
• Expérience avec des bibliothèques de machine learning telles que scikit-learn, TensorFlow ou PyTorch.
• Capacité à travailler de manière autonome et à résoudre des problèmes complexes.

❑ Profil du stagiaire : Étudiant(e) dans une école d'ingénieurs

Encadrant(e)s: Mme Rania ISMAIL 16

Sujet 8 : Churn Prediction

❑ Contexte :
La compréhension du « Customer Churn » est cruciale pour toute entreprise, surtout dans le secteur financier comme la
banque. Dans ce contexte, la perte de clients va au-delà de la simple fermeture de comptes. Les clients peuvent déplacer
leurs dépôts vers d'autres institutions ou envisager des prêts sans les concrétiser, des situations potentiellement
préjudiciables. Pour une banque, la vigilance est essentielle face à ces signaux de désabonnement, même s'ils ne se
traduisent pas immédiatement par des fermetures de comptes. Ce projet de fin d'études vise à anticiper ces
comportements pour maintenir la fidélité des clients et éviter toute perte potentielle.
❑ Objectifs :
Le projet vise à construire un modèle de « Churn Prédiction » en employant des modèles de Machine Learning.
Cela implique une analyse préalable, l’identification des variables clés du modèle, ainsi que le déploiement et la validation
du modèle finalisé.
❑ Compétences attendues :
• Capacité d’analyse et synthèse
• Connaissances des modèles de Machine Learning de classification
• Compétences en programmation Python/R
• Connaissances/initiation du domaine bancaire (recommandé)
• Compétences linguistiques : Français / Anglais
❑ Profil du stagiaire: Ingénieur IA / Data Scientist

Encadrant(e)s: Mme Manel FOURATI et Mme Eya AOUNALLAH 17

Sujet 9 : Dispositif SREP et Business Model des Banques : Perspectives
Réglementaires et Stratégiques (1/2)
❑ Contexte :
Dans le contexte actuel, les banques opèrent dans un environnement fortement réglementé où les autorités de
supervision financière imposent des normes strictes pour assurer la stabilité et la résilience du système financier. Le
processus SREP, encadré par ces normes réglementaires, représente une évaluation approfondie de la solidité financière
des banques, prenant en compte leur gouvernance, leur capital, leur gestion des risques et leur rentabilité.
Ce processus, bien que nécessaire pour garantir la santé financière des institutions, peut avoir un impact significatif sur
leur Business Model. Les exigences en matière de capital et de risque peuvent influencer les décisions stratégiques, les
pratiques commerciales et les investissements des banques.

❑ Objectifs :
• Analyse approfondie du processus SREP : Comprendre en détail les étapes, les critères et les méthodologies
utilisés dans le processus SREP par les autorités de régulation.
• Etude du cadre réglementaire du SREP : Étudier les directives, les normes et les lignes directrices établies par
l'Autorité bancaire européenne (EBA) ou d'autres organes de régulation pour encadrer le SREP. Cela implique de
se plonger dans les textes réglementaires et les documents officiels.
• Analyse des composantes du business model bancaire : Examiner les différents éléments du business model
d'une banque, y compris sa stratégie commerciale, son profil de risque, sa gouvernance, ses activités et ses
structures de capital.
• Identifier comment les critères évalués dans le cadre du SREP (gestion des risques, capital, gouvernance, etc.)
influent sur les différentes composantes du business model d'une banque.
• Perspectives futures : Envisager comment l'évolution du SREP pourrait influencer les Business model des
banques à l'avenir. Cela pourrait inclure des projections sur les réglementations à venir et les adaptations
probables des banques.

Encadrant(e)s: M. Hamza AMIRI et Mme. Sourour BEN AICHA 18

Sujet 9: Dispositif SREP et Business Model des Banques : Perspectives
Réglementaires et Stratégiques (2/2)

Compétences attendues :
• Capacité de recherche
• L'analyse critique
• La résolution de problèmes
• La communication efficace tant à l'écrit qu'à l'oral
• Maitrise de PPT

Profil du stagiaire: Master en finance où équivalent dans une école de commerce

Encadrant(e)s: M. Hamza AMIRI et Mme. Sourour BEN AICHA 19

Sujet 10 : Risque ESG et stabilité financière (1/2)
❑ Contexte :
L’objectif de ce stage est d’étudier l’intégration de l’impact des facteurs ESG (environnementaux, sociaux et de
gouvernance) dans le processus ICAAP et l’évaluation de la solvabilité des institutions financières. Les risques ESG sont de
plus en plus importants pour les institutions financières, car ils peuvent avoir un impact significatif sur leur performance
financière et leur réputation. L’intégration des facteurs ESG dans le processus ICAAP peut mener à une meilleure
compréhension par les banques de leurs risques et à des décisions plus éclairées.
Ce stage a pour objectif d’étudier la manière avec laquelle les banques peuvent identifier et évaluer les risques ESG,
comment elles peuvent intégrer ces risques dans leur processus ICAAP et comment elles peuvent utiliser ces informations
pour prendre des décisions plus éclairées. La seconde phase de ce stage consiste à étudier comment les facteurs ESG
peuvent être intégrés dans la quantification des risques et dans les processus de stress test dans le but d’aider les banques
à mieux comprendre les risques.

❑ Objectifs :
• Cartographie des risques ESG pour les institutions financières.
• Analyse de l’intégration des risques ESG dans le processus ICAAP des banques ainsi que dans l’évaluation du
capital réglementaire.
• Étude de l’intégration des facteurs ESG dans les processus de stress tests
• Application au risque climatique.

Encadrant(e)s: M. Khaled BETTAIEB et M. Mehdi GEBS 20

Sujet 10 : Risque ESG et stabilité financière (2/2)

Compétences attendues :
• Capacité de recherche.
• Culture économique et financière ainsi que des compétences analytiques.
• Compétences en modélisation.
• Compétences en programmation (R ou Python).
• Maitrise de l’anglais.

Profil du stagiaire : Etudiant d’une Business school ou école de commerce (TBS,MSB) ou une école
d’ingénieur Top school en Tunisie (EPT, ENIT minds,…).

Remarque : Stage peut être effectué en collaboration entre deux étudiants (un profil business school) et un
profil plus technique (école d’ingénieur).

Encadrant(e)s: M. Khaled BETTAIEB et M. Mehdi GEBS 21

 Risk & Data Advisory

Envoyez-nous
votre candidature
sur:
tc@[Link] @Quantylix @Quantylix

22