Nomination
Thibault Vatter - Nouveau Professeur HES assistant

La HEG-Genève a le plaisir d’annoncer la nomination de Thibault Vatter au poste de Professeur HES assistant.

Parcours

Thibault Vatter (https://thibault.vatter.io/) est titulaire d’un doctorat de HEC Lausanne, obtenu en 2016 avec une thèse dans le domaine des statistiques computationnelles. Il est aussi détenteur d’un BSc en Physique (2010) et d'un MSc en Physique et Ingénierie Financière (2012) de l'École Polytechnique Fédérale de Lausanne (EPFL). Pendant cette période, il a également travaillé dans le secteur financier en tant que Quant à Swissquote Bank Ltd à Gland, et à swissQuant Group AG à Zurich, dans l’allocation quantitative de portefeuille, la valorisation de produits dérivés, et la gestion quantitative des risques.

Début 2017, Thibault a rejoint le département de statistiques de l'Université Columbia à New York (https://stat.columbia.edu/), en tant que chercheur postdoctoral, au bénéfice d'une bourse du Fonds national suisse (FNS). En moins d'un an, il a ensuite été promu au poste de Professeur Assistant, afin d’enseigner dans le domaine de la science des données et l'analyse commerciale, ainsi que poursuivre ses recherches en statistique computationnelle, apprentissage machine, intelligence artificielle, et finance quantitative.

En janvier 2022, il a quitté le monde universitaire pour rejoindre Meta (Facebook/Instagram/WhatsApp, https://about.meta.com/) en tant que Senior Data Scientist, développant des solutions basées sur les données pour résoudre les défis liés à l'infrastructure vidéo à grande échelle.

Depuis le 1er septembre 2023, il est engagé à la HEG-Genève comme Professeur assistant en Business Analytics pour la filière Economie d'entreprise.

La HEG-Genève se réjouit de cette nomination.

Recherche

La recherche de Thibault est à l'intersection entre statistiques et apprentissage machine. D’une part, il est expert en statistique computationnelle, inférence causale, analyse multivariée, et séries temporelles. D’autre part, il a des connaissances pointues en intelligence artificielle, réseaux de neurones et modèles génératifs. En outre, il possède une solide expérience en finance quantitative, notamment en économétrie financière, valorisation de produits dérivés, et gestion quantitative des risques. Finalement, il s'investit activement dans le développement de logiciels en open-source, notamment en Python, R, C++ et SQL. Sa vingtaine d’articles dans des revues scientifiques à comité de lecture ont cumulé plus de 500 citations (https://scholar.google.com/citations?user=C1G2OxkAAAA) et ses logiciels plusieurs centaines de milliers de téléchargements (https://github.com/tvatter).

3 publications

• Solving Estimating Equations With Copulas, Nagler, T., & Vatter, T. (2023), Journal of the American Statistical Association lien 
• Deep Smoothing of the Implied Volatility Surface, Ackerer D., Tagasovska N., & Vatter T. (2020), Advances in Neural Information Processing Systems 33 (NeurIPS 2020) lien 
• Copulas as High-Dimensional Generative Models: Vine copula Autoencoders, Tagasovska N., Ackerer D., & Vatter T. (2021), Advances in Neural Information Processing Systems 32 (NeurIPS 2019) lien