John BERGERAT
Suisse / Français · 33 ans
Analyste et Développeur Quantitatif
Formation
2017 – 2020
Master of Science in Finance, Gestion Quantitative des Actifs et des Risques
HEC Lausanne (UNIL)
2014 – 2017
Bachelor in Economics and Management, mineure Finance
GSEM, Université de Genève
2011 – 2013
BTS Conception de Produits Industriels
Bordeaux, France
2009 – 2010
Baccalauréat Scientifique, option Chimie / Physique
Lycée Aristide Maillol, France
Expérience professionnelle
Quantalytics
Fondateur · Analyste et Développeur Quantitatif
Mars 2022 – présent · Genève, Suisse · Hybride
Conception et déploiement de modèles d'investissement et de trading quantitatif pour des fonds : algorithmes systématiques, gestion de risque, allocation d'actifs. Approche quantitative fondée sur des indicateurs techniques, fondamentaux et macro-économiques.
Références
- ·Algorithmes d'investissement développés pour des fonds à Londres et aux Pays-Bas
- ·Signaux d'investissement fournis actuellement à des fonds au Canada
Activités principales
- ·Développement et déploiement de stratégies quantitatives connectées aux marchés en temps réel
- ·Modèles assistés par intelligence artificielle pour la gestion de risque et la prise de décision d'investissement
Recherche et développement
- ·2023 · Stratégie uniquement acheteuse sur actions américaines, sans levier
- ·2023 · Stratégie systématique sur contrats à terme Nasdaq 100, sans levier
- ·Avril – Décembre 2022 · Stratégie par facteurs (sélection de titres) sur le S&P 500, testée sur 1994-2022 et contrôlée pour le biais du survivant
- ·Janvier – Août 2022 · Stratégie systématique sur le Nasdaq 100, filtres techniques, unité de temps de 3 minutes (prête au déploiement)
BOTS.io
Projet de recherche · Stratégie par facteurs sur cryptomonnaies
Janvier – Mars 2022
Développement d'une stratégie quantitative par facteurs sur les marchés des cryptomonnaies, soumise à BOTS.io en vue d'un partenariat de distribution.
Lightmove SA
Stage · Analyste et développeur quantitatif
Juin 2021 – Décembre 2021 · Suisse
- ·Conception d'un outil d'analyse du marché détectant des opportunités d'arbitrage sur le marché immobilier suisse (Python)
- ·Participation au développement d'un portefeuille d'investissement de 20 MCHF prévus en allocation
Travaux académiques · Master HEC Lausanne
Mémoire de Master
On the Relevance of Optimizing Technical Indicators on the US Stock Markets
HEC Lausanne, 2020
- ·Calcul de la probabilité de surapprentissage des tests sur données historiques (Bailey et al., 2015) pour des stratégies systématiques appliquées au S&P 500 et au Nasdaq 100, 1988-2020
- ·Évaluation du pouvoir prédictif hors échantillon de la prime de risque quotidienne des actions avec le test MSPE ajusté de Clark & West (2006)
- ·Évaluation des rendements anormaux hors échantillon selon Harvey et al. (2015), dans un modèle ajusté aux corrélations et contrôlé pour les tests multiples
Travaux individuels
Budget de risque et baisses maximales · d'après Goldberg & Mahmoud, Drawdown: from practice to theory and back again (Mathematics and Financial Economics)
- ·Calcul de la baisse maximale conditionnelle attendue (CED)
- ·Création d'un produit financier qui délivre au plus le rendement moyen historique du marché et stocke l'excédent en réserve pour compenser les années négatives.
Pondération fondamentale sur le marché suisse · d'après Arnott, Hsu & Moore, Fundamental Indexation (2005)
- ·Création de portefeuilles actions suisses pondérés par facteurs fondamentaux : valeur comptable, flux de trésorerie, revenus, ventes, dividendes
- ·Comparaison de ces portefeuilles avec l'indice SPI sur 2003-2020
Travaux de groupe
- ·ESG · Budget de risque · Allocation d'actifs : analyse des enjeux et de la rentabilité de l'investissement ESG sur le marché des actions américaines, référence MSCI US Index
- ·Caractérisation de séries temporelles financières : tests Jarque-Bera, Lilliefors, Ljung-Box
- ·Analyse de séries multivariées : tests de stationnarité et de cointégration, Dickey-Fuller
- ·MEDAF et modèles multi-facteurs : test de Wald, ratio de vraisemblance, facteurs Fama-French
- ·Modélisation de la volatilité : modèles GARCH, Kolmogorov-Smirnov, AR, ARCH
- ·Théorie des valeurs extrêmes : estimateur de Hill
Compétences
Spécialisation
Gestion quantitative des actifs et des risques · Investissement par facteurs, indices à pondération alternative, investissement ESG
Théorique
Théorie du portefeuille, MEDAF, efficience des marchés · Produits dérivés (contrats à terme standardisés et de gré à gré, options, modèles mathématiques d'évaluation)
Pratique
Python, MATLAB, SQL, R, Stata, LaTeX, Excel · Datastream, terminal Bloomberg
Langues
Français langue maternelle · Anglais niveau C1 · Espagnol notions