Académique Documents
Professionnel Documents
Culture Documents
4 Bilan du stage
Conclusion
2
Remerciements :
Je tiens également à remercier et à saluer Berguia Amine et Hachik Mounir avec qui
j’ai travaillé sur ce projet.
3
Introduction :
A l’issue des cours que j’ai pu suivre lors de ma première année à l’ENSAE et de mes
recherches personnelles, les domaines qui ont le plus attiré mon attention et dans lesquelles
j’arrivais à me projeter le plus facilement se trouvaient être les domaines de la finance et de
la Data Science ; c’est l’une des raisons pour laquelle je n’ai pas hésité à postuler pour ce
stage à la filiale de la CDG nommée CDG Capital qui semblait mêler ces deux domaines .
En effet, ce stage me semblait être un très bon moyen de découvrir la finance et plus
précisément la finance de marché puisqu’il se déroulait dans une salle de marché, ce qui me
permettrait alors de découvrir tout au long de mon stage le quotidien des différents
membres de cette salle de marché ; mais ce stage me semblait également un très bon
moyen d’explorer le vaste domaine de la Data science à travers une application de la Data
science qui est la mise en place d’un réseau de neurone.
Dans ce rapport de stage, je vais essayer de vous faire part de l’expérience globale
que j’ai pu acquérir lors de ce stage, mais aussi de mes diverses impressions sur le monde
professionnel.
Dans une troisième partie, j’évoquerai mon ressenti vis-à-vis des relations
professionnelles et sociales que j’ai pu observer.
4
1 Présentation de l’organisme d’accueil :
La CDG est une institution publique Marocaine qui a vu le jour en 1959 dans le
contexte de l’indépendance du Maroc dans le but d’aider à reconstruire l’économie
Marocaine, elle était et reste aujourd’hui encore un acteur Majeur de l’économie Marocaine
de par son implication dans la dynamisation et dans le développement de cette économie à
travers notamment la gestion de l’épargne publique.
CDG capital est une banque d’investissement filiale de la CDG. Elle a été fondée en
2006 et cela dans le but d’offrir au groupe CDG la possibilité d’avoir un milieu et un
environnement de travail plus adapté pour la réalisation de ses différentes activités
5
financières. Elle s’occupe notamment de la gestion d’actif, de proposer des solutions
d’investissements, mais elle est aussi en charge de gérer l’épargne nationale, notamment les
fonds de retraites.
Dans le même esprit que pour la CDG, CDG capital s’efforce depuis sa création d’aider
au développement économique et social du Maroc. Un des fondements de l’état d’esprit de
CDG Capital est la constante innovation, en effet l’introduction de nouvelles pratiques et
solutions novatrice peut mener au développement du marché des capitaux Marocain,
marché essentiel à une allocation optimale des ressources au sein de l’économie. Le
développement de nouvelles solutions, notamment en ce qui concerne les différents
produits dérivés permet également d’offrir aux différents investisseurs et clients des
solutions qui leurs sont adaptés attirant alors potentiellement de nouveaux clients.
Le front office, ou salle de marché pour une banque d’investissement, est l’office qui
fait le lien entre la banque et le marché. Les différents membres du front office sont ceux qui
s’occupent de répondre aux demandes des clients, aux besoins de la salle de marché, à
l’établissement et à la gestion de portefeuilles… . Le front office de la CDG Capital est réparti
en différents desk, qui sont des bureaux spécialisés dans la réalisation de certaines tâches
prédéfinies, et qui sont tous regroupés dans un même large open space.
Les différents desks que l’on trouve dans le front office de CDG Capital sont :
6
-Le desk de taux qui est en charge de la gestion du portefeuille obligataire de la
banque, mais qui participe également à l’intermédiation entre les différents acteurs du
marché financier.
-Le desk action s’occupe des activités liées au trading d’actions pour le compte
propre de la banque. Le trader prend ses différentes décisions en se basant sur différentes
analyses et notes de recherches, notamment celles publiées par le desk de recherche et
d’analyse, mais il se base également sur les rapports publiés par les différentes entreprises
et sociétés afin de pouvoir déterminer par exemple les dates de versement potentiels des
dividendes et le chiffre d’affaire.
-Le desk de change est en charge de toutes les opérations sur devises aussi bien pour
le compte de la banque que pour le compte de ses clients.
Le middle office quant à lui veille au bon fonctionnement des activités du front
office, on y veille à ce que les opérations effectuées par le front office soient conformes aux
lois et réglementations, c’est également l’office chargé d’évaluer et de gérer les risques pris
par les différents opérateurs de la salle des marchés. Il se charge notamment d’enregistrer
les transactions et de contrôles que les limites de positions ne sont pas dépassées par les
traders, cela permet d’éviter à la banque de risquer de perdre des montants trop élevés en
plafonnant les pertes potentielles.
Finalement, une fois qu’un accord a été conclu et validé par le middle office, le back
office est en charge de tous ce qui est administratif : elle s’occupe de la gestion des
opérations financières lorsque les négociations liées à opération sont terminées, on s’y
occupe par exemple du suivi des différents encaissements mais aussi de la vérification que le
7
niveau d’espèces ou de titre est suffisant pour que l’opération soit effectuée. Elle est
également charger de tenir à jour le bilan comptable, mais aussi de la facturation des
commissions des différents intermédiaires, typiquement les commission des brokers.
Pour replacer la mission qui m’a été confiée dans le contexte des activités de la salle
de marché, il est nécessaire de parler de l’importance centrale que possédent les bons du
trésor dans le domaine de la finance :
Les bons du trésor sont des titres de créances de différentes maturités émis par l’état
pour obtenir des liquidités. Ces bons du trésor sont généralement considérés comme sans
risque car garantis par l’état, ce dernier pouvant par exemple toujours lever l’impôt pour
rembourser ses dettes. De par la fiabilité des bons du trésor, leurs taux d’intérêts utilisés
comme un moyen de mesurer le risque de défauts des différentes obligations : plus le taux
d’intérêt d’une obligation est proche du taux des bons du trésor de maturités proches plus
celui-ci est considéré comme ayant un risque de défaut faible ; à l’inverse plus le taux
d’intérêt d’une obligation est supérieur à celui des bons du trésor de même maturité plus
celui-ci est considéré comme ayant un risque de défaut élevé. La modification des taux des
bons du trésor a alors un énorme impact puisqu’il va modifier la valeur des obligations qui
ont déjà été émises : en effet si les taux des bons du trésor augmentent, les détenteurs
d’obligations qui ont été émises précédemment perdent de la valeur puisque suite à la
hausse des taux des bons du trésor, pour des obligations de même risque de défaut que
celles qu’ils détiennent actuellement, ils pourraient demander un taux d’intérêt pour ces
obligations plus élevé.
Pour une salle de marché, ces bons du trésor sont d’autant plus importants qu’ils
sont au centre de l’établissement de couverture pour les différents produits financiers, ils
impactent également directement le desk de taux qui s’occupe de l’achat et de la vente des
différents bons du trésor.
8
2.2 Quelques points techniques.
Afin de déterminer avec une certaine marge d’erreur une relation qui permet
d’approximer une variable que l’on cherche à prédire appelée variable objectif par d’autres
variables que l’on pense liées à la variable objectif et qui sont appelées variables
explicatives, Il est d’usage de commencer par des régressions statistiques classiques dites
paramétriques dont l’une des plus simples et des plus connues est la régression linéaire. La
marche à suivre pour réaliser ces régressions paramétriques est de choisir la forme de la
fonction d’estimation par laquelle on veut lier la variable objectif aux variables explicatives,
par exemple dans le cas de la régression linéaire on cherche une fonction f linéaires telle que
pour Y la variable objectif et X une vecteur des variables explicatives Y=f(X). Plus
généralement on peut décider de choisir n’importe quelle forme fonctionnelle (polynômiale,
logarithmique, exponentielle…), et on cherche alors à l’aide des données à notre dispositions
les différents paramètres de la fonction d’estimation qui permettre d’obtenir les meilleurs
résultats, ces paramètres sont par exemple dans le cas de la fonction f linéaire citée ci-
dessus, si X est réel on a f de la forme f(x)=ax avec a une constante réelle, on va alors
chercher dans ce cas précis à obtenir la variable de a qui minimise l’erreur d’approximation.
Mais dans des cas plus complexes, notamment ici avec les taux d’intérêt, il s’avère
compliqué de choisir une forme fonctionnelle donnant des résultats corrects, cela étant dû à
la complexité des liens entre les variables explicatives et entre la variable objectif, mais aussi
au fait que les différentes variables explicatives peuvent être liées entre elles . Dans ce cas, il
s’avère généralement pertinent de passer à un autre type de régression dit non
paramétrique où l’on ne fournit pas directement de forme fonctionnelle à la fonction
d’estimation, mais où l’on cherche plutôt à construire la fonction d’estimation à partir des
différentes données qui sont à disposition, et les réseaux de neurones font partie de cette
deuxième catégorie de régression non paramétriques. Ce second type de régression
nécessite une quantité bien plus importante que les régressions paramétriques afin
d’obtenir de bons résultats. Je vais essayer de rapidement exposer à l’aide d’un schéma et à
partir d’un exemple le fonctionnement des réseaux de neurone afin de souligner
l’importance d’avoir une base de données conséquente, ce qui permettra de mieux
9
comprendre une des difficultés que nous avons pu rencontrer que j’aborderai par la suite.
10
fourni mais qu’il renvoie pour des données ne figurant pas dans cette base de donnée des
valeurs totalement aberrantes. Cela est dû au fait que puisqu’il y’a une grande quantité de
neurones qui communiquent entre eux, le réseau de neurone possède une grande liberté
quant à la forme fonctionnelle qu’elle peut utiliser. Cela indique en quoi une grande base de
données est essentielle pour ce type de projet, car elle permet de limiter la liberté liée à la
forme fonctionnelle choisie puisqu’on rajoute plus de contraintes : le réseau de neurone doit
fournir une régression qui colle avec un plus grand nombre de données que si on avait choisi
une base de donnée moins conséquente.
Mais nous avons réussi à utiliser ces différences en notre faveur : en effet avant de
nous lancer dans le cœur du projet, nous nous sommes réservé quelques jours pour nous
familiariser avec le sujet afin de mieux comprendre les différentes entités que nous aurions à
manipuler et les différents thèmes que nous allions rencontrer. C’est là que nos différences
de formations se sont révélées intéressantes : chacun d’entre nous s’était alors concentré
sur tous ce qui était en lien avec sa formation, moi par exemple ayant été le seul des trois à
avoir des notions un minimum poussées d’informatiques et de mathématiques me suis
principalement intéressé à la théorie derrière les réseaux de neurones, au fonctionnement
de ces derniers ainsi qu’aux différentes possibilités d’applications d’ils offrent. Mais après
cela nous avons fait un point où chacun d’entre nous s’est attelé à expliquer de la manière la
plus simple possible les différentes informations qu’il avait pu obtenir, de cette manière
nous avons tous pu nous lancer sur la mission en ayant une idée générale simplifiée des
différentes entités que nous allions être amenés à rencontre au cours de notre mission.
11
Suite à cela, nous avons établi les différentes tâches que nous pensions devoir
effectuer et nous avons essayé de les répartir de manière à ce que chacun puisse travailler
sur les tâches pour lesquelles il était le plus qualifié. Tout au long du projet, nous nous
concertions régulièrement ce qui nous permettait d’émettre des propositions, de nous
entraider mais surtout de garder un fil directeur de travail commun. Cela a été grandement
facilité par le fait que nous travaillions sur le même bureau, un grand bureau qui nous avait
été réservé. Ces mises au point régulières ont été assez utiles puisqu’elles nous ont souvent
évité d’effectuer des tâches qui avaient déjà été réalisée par un autre membre de l’équipe,
cela nous évitait alors de perdre du temps notamment pour tout ce qui était lié aux
recherches bibliographiques.
D’un autre côté, il s’avère que même l’information disponible est parfois assez
difficile d’accès : en effet on peut citer les données liées aux OPCVM (organismes de
placement en valeurs immobilières) que nous avions sélectionné pour figurer dans notre
base de données en tant que variables explicatives, celle-ci ne sont pas disponibles sur
internet et il nous a donc fallu aller chercher ces informations dans les journaux où une
12
section leur était dédiée. Cela s’est avéré être une tâche laborieuse et je dois l’avouer assez
pénible, heureusement la salle de marché possédait déjà une bonne partie des journaux
contenant ces informations, nous évitant alors de devoir les chercher. Il nous alors quand
même fallu repérer les données qui nous intéressaient dans les différents journaux pour les
retranscrire par la suite dans un fichier Excel.
En ce qui concerne le bilan de notre mission, la faible quantité d’information s’est bel
et bien révélée être un obstacle au calibrage du réseau de neurone. En effet, même si nous
avons réussi à obtenir à partir des informations un résultat correct, comme on peut le
constater sur le graphique suivant, il n’est pas encore tout à fait satisfaisant.
On peut remarquer par exemple sur le graphique que pour le mois de décembre
2018, la différence entre les taux réels et anticipés pour les bons du trésor de faible maturité
est non négligeable, le réseau de neurone prévoyait entre autre une baisse des taux pour les
bons du trésor de maturité 13 semaines par rapport au mois de novembre 2018 alors qu’en
réalité les taux ont augmenté.
13
Nous avons fait en sorte de laisser la possibilité de rajouter des données dans le
programme que nous avons réalisé afin de permettre mieux calibrer le réseau de neurone,
ce qui permettra éventuellement au fur et à mesure que l’on met à jour la base de données
du réseau de neurone d’obtenir des erreurs de prévision de plus en plus faibles.
Etant donné la nature des différentes actions réalisées en salle de marché et des
différentes démarches nécessaires à la réalisation de ces actions, les membres des différents
pôles ou offices de la banque étaient en constante communication, un exemple classique de
cette situation est la nécessité de passer par le pôle de gestion de risque avant d’effectuer
certaines actions, dont par exemple l’achat d’actifs. Les différents membres de la salle de
marché échangeaient régulièrement afin d’avoir une meilleure vision du marché financier, et
cela par exemple à travers l’organisation régulière de réunions et de mises au point. Les
membres de la salle de marché sont également amenés à fréquemment communiquer avec
des intermédiaires extérieures à la banque, un exemple étant le fait que pour acheter ou
vendre une action, il est nécessaire de passer par un intermédiaire appelé Broker.
14
avec la responsable du Desk de change qui m’a notamment parlé de différents mécanismes
régissant le marché de change Marocain, et qui m’a expliqué un point qui m’intéressait
grandement mais qui me paraissait obscur lié à l’indexation du dirham Marocain sur l’euro
et le dollar.
Lors de ce stage, j’ai également pu infirmer l’image que j’avais des banques
d’investissement, je m’étais mis en tête que l’ambiance qui régnait dans ce types de
banques était froide et sérieuse, et que le fait de travailler en open space était un obstacle à
la création de liens sociaux entre les différents membres de ces salles de marché, ce qui je le
pensais allait limiter les interactions entre ces différents membres qui font pourtant partie
de la même équipe à des interactions purement professionnelles. Mais j’ai pu me rendre
compte tout au long de ce stage que cette image était loin de la réalité, en effet même si il
y’avait bien évidemment de nombreux moments mouvementés où il était nécessaire de
réagir rapidement par exemple face à de nouvelles informations et où l’ambiance devenait
alors tout d’un coup extrêmement sérieuse et tendue, les différents membres de la salle de
marché prenaient quand même le temps de souffler, et cela entre autre pendant les repas :
Il arrivait souvent que toute l’équipe de la salle de marché, dont moi et les autres stagiaires,
se réunisse le matin pour manger ensemble et échanger sur divers sujets. L’idée que je me
faisais de la salle de marché est alors devenue d’autant plus fausse que ce lieu devenait un
endroit convivial où il est possible de se réunir en grand nombre. Toute l’équipe de la salle
de marché et plus globalement de CDG Capital a été très accueillante et bienveillante ce qui
m’a aidé à m’intégrer.
4 Bilan du stage
En effet, je peux par exemple citer le métier de trader que j’ai eu l’occasion
d’observer tout au long de mon stage. Je me suis rendu compte que ce métier semblait être
très passionnant, mais que l’image que les gens qui n’ont jamais eu l’occasion d’observer un
15
trader ou qui n’ont jamais fait de trading se font de ce métier semble être distordue ou
incomplète. J’ai par exemple pu me rendre compte que l’idée comme quoi tous les traders
travaillaient plusieurs dizaines d’heures par jour n’était pas forcément avéré, en effet les
horaires de cotation des différentes bourses sont généralement fixées, par exemple en ce
qui concerne la bourse de Casablanca, les horaires d’ouvertures et de fermetures de
cotations ont été respectivement fixés à 9h00 et à 15h30, et donc il s’avère que même si le
trader doit généralement en plus de ces horaires passer du temps à se renseigner sur l’état
du marché financier, et cela en lisant par exemple des notes de recherches ou des rapports
annuels …, il est tout à fait possible d’avoir un rythme de vie normal tout en étant trader.
En ce qui concerne la Data science, j’ai pu me rendre compte que le travail de data
scientist n’est pas toujours aussi excitant qu’on pourrait le penser, et qu’il y’a bien souvent
des temps morts, je pense notamment aux moments de récolte des données qui étaient
laborieux et assez pénibles, mais qui restent quand même formateurs puisqu’ils m’ont
permis d’apprendre à chercher et à trouver des informations.
16
Conclusion
Je pensais que ce stage d’un mois et demi me permettrait de départager entre les
domaines de la finance et de la data science que je considère très fortement pour mon
projet professionnel, mais il semblerait qu’à l’issue de mon stage j’ai encore plus de mal
qu’avant à choisir entre les deux. En effet j’ai appris lors de ce stage à apprécier ces deux
domaines, avec leurs moments forts et leurs moments moins excitants, ce qui m’a poussé à
réfléchir à une possibilité que je n’avais pas envisagée auparavant et qui est d’essayer
d’orienter ma formation de telle sorte que je puisse avoir un socle minimum de
compétences dans ces deux domaines, en effet il ne me semble pas que ces deux domaines
soient incompatibles ; loin de là je pense qu’il est possible de très facilement mêler les deux.
C’est l’une des raisons qui a motivé mon choix d’essayer de suivre en plus des cours
prérequis à la voie de finance et de gestion de risques, des cours de Data science, entre
autre le cours d’introduction au machine Learning au second semestre de ma deuxième
année.
17