# It Quant - Algotrading \| Practice Capital Market Technologies MARGO at MARGO

> Hybrid · France · Unspecified · Other · open. Source: https://alderhq.app/jobs/lever%3Amargo-group%3Aaa4ce582-0016-49fa-85b7-a9bb1d1af686 (read 2026-11-22).

## Facts (observed)

- Company: [MARGO](https://alderhq.app/companies/margo)
- Location text: Paris
- Where it can be done from (inferred): Hybrid · France (evidence: "Location: Paris")
- Posted: 2023-10-19 (1130 days ago)
- First seen by alder: 2026-11-02 · last verified: 2026-11-19
- Reposted: 0 times · edited: 0 times
- Apply on the employer's site: https://jobs.lever.co/margo-group/aa4ce582-0016-49fa-85b7-a9bb1d1af686
- Skills listed (inferred): Python, C++, C#/.NET

## Pay and sponsorship

- Posted pay: not posted
- Market band for similar posted roles (Paris, n 252): p25 €35k, median €51k, p75 €68k

## Description (the employer's text)

Qui sommes nous ?

Chez MARGO, nos consultants travaillent sur ce qui compte vraiment : des projets complexes qui allient challenge intellectuel et impact direct sur les marchés financiers. C’est pourquoi nous accompagnons les plus grands acteurs de la finance de marché sur leurs projets les plus stratégiques en systèmes temps réel, trading, risk management et automatisation du cycle de vie des produits financiers.

Pourquoi rejoindre la practice Capital Market Technologies ?

Vous évoluerez au sein d’une équipe encadrée par Christophe El Harake, Practice Manager Capital Market Technologies chez MARGO, ancien Business Analyst chez BNP, ENGIE et Amundi.

Travailler à ses côtés, c’est intégrer une équipe d’experts passionnés, bénéficier d’un mentorat de haut niveau, être challengé sur le plan technique et méthodologique, et contribuer à des projets à fort impact sur les marchés financiers.

Vos missions

Nous recherchons actuellement un IT Quant spécialisé en Algo Trading pour une grande banque d’investissement :Vous ferez partie d’une équipe internationale composée d’IT Quants, d’algo traders et d’experts en data, travaillant sur des projets stratégiques au cœur du trading électronique.

Vous contribuerez à des projets majeurs pour le Front Office, incluant :

-Développement et optimisation de nouveaux modèles et algorithmes de trading en collaboration directe avec les équipes d’algo trading ;

-Mise en place d’outils temps réel pour le monitoring des stratégies et l’analyse de performance ;

-Exploitation et valorisation des données de marché grâce à KDB+ et des environnements haute performance ;

-Backtesting et validation des modèles de trading avant déploiement en production ;

-Participation aux releases régulières et suivi du cycle de vie complet des algorithmes ;

-Interaction continue avec les traders, quants et équipes IT pour ajuster et fiabiliser les solutions.

Profil recherché

-Nous cherchons des It Quants, passionnés par la finance de marché et souhaitant évoluer dans des environnements complexes.

-Diplômé(e) d’une école d’ingénieur ou d’un cursus universitaire Bac +5 / Master ;

-Solides connaissances en finance de marché, en mathématiques financières ainsi qu’en programmation orientée objet (C++, C# ou Python) ;

-Bon niveau d’anglais pour évoluer dans un environnement international.

Ce que nous offrons

-Des missions ambitieuses et variées, toujours sélectionnées pour leur valeur ajoutée ;

-Un accompagnement de proximité par des experts reconnus ;

-Une communauté d’ingénieurs passionnés, avec workshops, conférences et échanges réguliers ;

-Une culture d’exigence technique, de partage des connaissances et de développement continu.

La suite ?

-Premier entretien : Échangez avec un recruteur et un business developer

-Entretien Technique : Montrez vos compétences et recevez un retour d'expérience

-Entretien de Motivation : Rencontrez un membre du comité de direction

ENGAGEMENT POUR L'INCLUSION

MARGO s'engage à offrir des opportunités égales à tous, nous cultivons un environnement de travail inclusif qui valorise la diversité.

---
Data: alder (https://alderhq.app). Cite https://alderhq.app/jobs/lever%3Amargo-group%3Aaa4ce582-0016-49fa-85b7-a9bb1d1af686 and the date you read it. Observed facts come from the employer's own listing; location reach, level, family and skills are inferences.
