ENSAE Paris - École d'ingénieurs pour l'économie, la data science, la finance et l'actuariat

Cyril Garcia, quantitative trader in equities electronic market making chez Goldman Sachs

Cyril GARCIA (ENSAE 2019), a intégré l’ENSAE Paris via le concours Mathématiques (CCMP), après une classe préparatoire MPSI puis MP* au Lycée Sainte-Geneviève à Versailles. Il travaille aujourd’hui chez Goldman Sachs à New York, en tant que Quantitative Trader in Equities Electronic Market Making.
Cyril Garcia, quantitative trader in equities electronic market making chez Goldman Sachs

Pourquoi avez-vous choisi d’intégrer l’ENSAE Paris ?
Ayant une préférence pour les mathématiques plutôt que pour la physique en prépa, j’ai compris que l’ENSAE était une école orientée vers les statistiques et l’informatique principalement.

Ici, aucun cours d’ingénierie ou de Physique, mais plutôt de la théorie en statistiques et des maths appliquées.

Je crois que l’ENSAE m’est apparue comme un premier choix pour pouvoir un jour travailler dans la finance quantitative.

Vous avez effectué deux années de formation à l’université de Princeton. Qu’est-ce que cela vous a apporté ?
Même si les écoles françaises sont reconnues à l’étranger, il est souvent très difficile de différencier plusieurs profils venant de ces écoles. Princeton et Stanford sont les deux universités proposant des Masters de deux ans permettant d’accéder à la fois à des cours de niveau doctorat, mais aussi d’avoir une expérience en recherche, très utile par la suite dans le monde du travail. Je pense que la Finance quantitative est fondamentalement liée à la recherche académique et les profils qui réussissent le mieux sont souvent ceux qui ont un goût prononcé pour la recherche. Par ailleurs, un Master en deux ans permet d’accéder à un apprentissage de qualité sur une durée plus importante que beaucoup de Masters en un an. Enfin, travailler aux États Unis sans diplôme américain est quasi-impossible.

Selon vous, quelle est la valeur ajoutée de la formation de l’ENSAE ?
Je pense que le niveau et la qualité de l’enseignement en statistiques a l’ENSAE est incomparable.

On voit actuellement énormément d’étudiants avec une spécialisation en Machine Learning ou science des données par exemple, or le fondement de ces domaines est en fait les statistiques.

Il est beaucoup plus facile de comprendre ces sujets plus avancés en ayant d’excellentes bases en statistiques et je crois que malheureusement, une part importante des personnes travaillant dans ce domaine ne connaissent que très peu les statistiques. Le sujet et si important qu’il est le sujet le plus testé lors d’entretiens en recherche ou en finance quantitative.

J’ajouterais à cela les nombreux projets pratiques de l’ENSAE, en informatique, qui permettent d’acquérir une aisance quand il s’agit d’analyser des données. Je crois que ces compétences m’ont beaucoup aidé pour trouver des stages ainsi que mon emploi actuel.

Je me souviens de mon premier entretien pour un stage chez BlackRock à Londres où 80% des questions posées étaient dans le cours d’économétrie de l’ENSAE.

De manière générale, recommanderiez-vous la formation ?
Oui ! Pour toutes celles et ceux qui souhaitent faire de l’analyse des données leur travail et qui aiment les mathématiques théoriques et appliquées. L’ouverture internationale de l’école ainsi que les doubles diplômes en France sont excellents et je crois que le nombre d’emplois correspondant aux enseignements de l’ENSAE continue d’augmenter chaque année.

Selon vous, quelles opportunités peuvent intéresser un ENSAE demain ?
Il me semble que l’ENSAE a formé depuis longtemps une large partie du monde de la Finance et je crois que cela va continuer. En revanche, dans le secteur de la science des données, de nombreux emplois dans de grandes entreprises ainsi que dans des start-ups sont disponibles et de plus en plus importants dans l’automatisation d’un nombre grandissant de domaines. Les ENSAE sont, à mon avis, parmi les diplômés les plus qualifiés pour ce genre d’emplois et bénéficient d’une formation rigoureuse et complète dans le domaine.