La Banque de France travaille en coopération avec d’autres institutions sur les prix et loyers immobiliers, notamment sur les pays de l’OCDE. Pour le Chili, le challenge consistera à construire une base de données sur l’ensemble du pays, recensant le maximum d'offres de biens à louer postées sur les principaux sites immobiliers du pays à une date donnée (l'extraction pourra s'étaler sur quelques jours ou quelques semaines). Les données seront extraites par une technique de web-scraping utilisant Python (utilisant si possible Scrapy) ou une autre technologie adaptée. Le fichier final, sous format excel, devra contenir les informations suivantes en colonne, sachant que certaines données pourront être manquantes dans certains cas, auquel cas il faudra remplacer l'information par un "." ou "NA" : le lien Internet de l'annonce, l'adresse, la ville, la région, le loyer, la surface (du logement, pas celle du terrain s'agissant des maisons), le nombre de pièces, le descriptif de l'annonce, la mention du caractère ancien ou neuf du logement qu'on pourra signaler par "A" ou "N", la date de construction (si disponible), la nature du bien (maison, appartement...). Si des frais ou des taxes sont inclus et identifiables, ils devront idéalement être mentionnés. Seules les annonces de logement résidentiel seront retenues. Les terrains ou l'immobilier commercial seront donc exclus à ce stade. Ce travail, qui sera mené à la Banque de France, pourra faire aussi l'objet d'une coopération avec l’Institut statistique du Chili et l’OCDE. Pour pouvoir postuler, il faut être étudiant en France (sans pour autant avoir la nationalité française toutefois). La base de données, sous excel, sera accompagnée d'un document word ou pdf expliquant le travail effectué pour construire la base de données (sélection des sites, téléchargement en explicitant les étapes du programme, nettoyage des données erronées, mise en forme, problèmes éventuels rencontrés...), ainsi que du programme utilisé pour effectuer le web-scraping.

Possible reward :

• Un entretien pour un stage rémunéré de 2/3 mois minimum, pouvant aller jusqu’à 6 mois, à la Banque de France + statut de co-auteur pour les éventuels travaux publiés

Bonjour, Pour ce challenge, il vous est demandé de vérifier la traduction en anglais du site REFINE sur l'immobilier. Ce réseau, qui regroupe des partenaires publics et privés autour de l'économie et la finance immobilière, va héberger prochainement un projet international de données alternatives sur l'immobilier (données issues du web-scraping, des données satellites...)., regroupant des économistes de nombreux partenaires prestigieux : FMI, OCDE, Banque mondiale, Commission européenne, BRI, Banque de France, LIEPP (rattaché à Sciences Po Paris)... La version française est sur le lien suivant : https://www.institutlouisbachelier.org/programme/refine-real-estate-finance-and-economics-network/ La version anglaise est disponible sur le lien : https://www.institutlouisbachelier.org/en/programme/refine-real-estate-finance-and-economics-network-2/ Toutes les pages du site en anglais devront être vérifiées et les écarts de traduction (ou les erreurs) par rapport à la version française identifiés, et des améliorations proposées. Le challenge consistera donc à produire un rapport (word ou pdf), aussi complet et précis que possible, identifiant tous les problèmes de la traduction anglaise et proposant des traductions alternatives pour l'améliorer. Un autre challenge sera proposé ultérieurement, pour traduire du français à l'anglais ou réciproquement des pages supplémentaires (décrivant notamment les bios des économistes d'institutions publiques et privées, nationales et internationales qui vont participer au projet sur les données alternatives cité précédemment).

Possible reward :

• 150 euros et la mention des gagnants et de leur formation / école en remerciements sur le site REFINE.

• 150 €

General Description: Part of a project studying how to measure uncertainty in international trade. Your contribution: Write a R program that - 1/ Collects and clean international trade data. - 2/ Use that data to compute measures of uncertainty in international trade that can be updated every month. The measure of uncertainty is in the spirit of Bricongne & Gigout (2020) https://drive.google.com/file/d/15cyQR-VNpg4TCm6nz3WHXxT2LGyngTlY/view?usp=sharing Step 1/ Write a sub-program that downloads monthly trade from comext (the European Commission External trade database) : https://ec.europa.eu/eurostat/estat-navtree-portlet-prod/BulkDownloadListing?sort=1&dir=comext%2FCOMEXT_DATA%2FPRODUCTS Your program should download the data, unzip it and clean it. Your program should offer the ability to download past data from 2017 onward and the ability to download the latest month only. The cleaning steps are outlined at this address http://www.isabellemejean.com/BasicCleaning.do (you may ignore anything related to firm level variables since this level of disaggregation is not available in comext). Finally convert the 8-digit level product codes (nc8) to 6-digit codes (hs6) and aggregate the data at this level. Step 2/ Write a sub-program that takes the output from step 1, applies various transformations to the data then computes various measures of dispersions meant to capture the uncertainty of foreign demand in international trade. Once again, your program should allow the option to execute those operations on the historical data or on the latest month of data only. - 2a/ compute the year-on-year growth rate of the level of trade in euro for each month. Taking into account the so called “zero trade flows” is a key challenge in international trade. Therefore including an option to compute different types of growth rate will be a plus (eg. Delta log, midpoint growth rate, delta log(1+x), etc). Implementing one or two in the programs will suffice as long as you include provisions to easily add others in the future. - 2b/ write a sub-program that takes those growth rates and applies various residualization procedures. This program will need to include at least the following one: o v_ijpt = gamma_ipt + gamma_jpt + upsilon_ijpt o Where the left-hand side variable is the growth rate of trade of product “p” between exporter “I” and importer “j” for month “t”. The “gammas” are respectively exporter-product-month and importer-product-month fixed effects. o The program will need to collect the residual upsilon. You may use any estimation command available on CRAN (fixest or lfe for instance). You will use a linear estimator but provisions to add other estimators in the future (eg. Poisson) need to be included. - 2c/ The program will then compute various moments of the distribution of upsilon. The minimum requirement is the standard deviation of upsilon_ijpt for each importer(i)-hs4(k)-month(t) . Adding options to compute other moments of the distribution (skewness, interquartile range, etc.) would be valuable. At this point, you will have written a program that compute a measure of the uncertainty of the demand originating from each import market (j-k pairs). Step 3/ Various events affected international trade since 2017. Using the data that you generated in step 2, produce a few (no more than 4) stylized facts (graphics or tables) that you think would be interesting. Did some of those events generate trade uncertainty? If any, what sector or country were most affected? The reward will be an interview for an internship in Banque de France. Candidates must be students in France (without being necessarily French though).

Possible reward :

• Une interview pour un stage rémunéré à la Banque de France (durée de plusieurs mois, à fixer), pour les personnes étudiant en France.

Central banks usually have price stability as an objective. Since anticipations may also be a source of inflation if they are not stable, it is important for central banks not only to measure current inflation but also anticipations. Several indicators of anticipations have been used up to now: surveys with professional forecasters, companies or households. In countries with bonds indexed on inflation, calculations can be made on related interest rates, compared with the ones of bonds which are not indexed on inflation, to get a proxy of inflation, as anticipated by financial markets. Derivative products linked to inflation may also give the view of financial markets on inflation anticipations. With the development of datascience, new calculations can be performed. Among them, the text mining of press articles or social media (Twitter for example) can be used to get estimates of anticipations by a more general audience than only professional forecasters, especially from companies and households. The goal of this challenge is threefold: 1/Write a literature review (between 2 and 4 pages, word or pdf) on text mining used on inflation anticipations , proposing additional articles (at least 10) compared to the list of articles mentioned in the attached excel file. 2/ Investigate in a separate document (word or pdf, which can be short: one or two pages) the ongoing projects on this issue by central banks other than Banque de France, in the Eurosystem and in other major central banks in the world (using all sources that can be found, either in reports, in working documents or in the work programmes of these central banks that are made public, or any other relevant source (speech…)); 3/ In a more explorative way, find either in the literature, in academic projects, or from your own proposals, other innovative/original technics (for example coming also from datascience or other technics) that may be used to get estimates of inflation anticipations, other than text mining, the ones coming from surveys or from financial markets which have been mentioned above. The results of these investigations will be included in a separate document of one or two pages (word or pdf). If needed, you can ask questions using the “chat” spreadsheet (think of consulting it regularly) or send an e-mail to: jean-charles.bricongne@banque-france.fr

Possible reward :

• Co-write with one or several senior Economists of Banque de France in a Banque de France publication (blog, Bulletin...) or the Laboratory of Economics of Orléans (LEO)

Anticipations of financial and non-financial economic risks are key for central banks, as they have financial stability as one of their main objectives and usually perform forecasting of main economic variables (GDP, inflation, employment…). With the development of new technics such as datascience and text mining, it is possible to assess the main economic risks mentioned in the newspapers (e.g. Financial Times, Wall Street Journal, Les Echos, etc.) or in other published sources (reports…) or in social media (Twitter…). Text mining techniques on these sources can range from a simple word count (i.e. how many times a given risk - such as an oil shock - is mentioned across different articles?) to sentiment analysis (relying on natural language processing, how this risk is perceived: high, medium, limited?) for example. The goal of this challenge is threefold: 1/ Write a literature review (between 2 and 4 pages, word or pdf) on text mining used to anticipate economic risks, whether financial or non-financial. 2/ Investigate in a separate document (word or pdf, which can be short: one or two pages) the ongoing projects on this issue by central banks other than Banque de France, in the Eurosystem and in other major central banks in the world (using all sources that can be found, either in reports, in working documents or in the work programmes of these central banks that are made public, or any other relevant source (speech…)); 3/ In a more explorative way, find either in the literature, in academic projects, or from your own proposals, other innovative/original technics (for example coming also from datascience or other technics) that may be used to anticipate economic risks. The results of these investigations will be included in a separate document of one or two pages (word or pdf). If needed, you can ask questions using the “chat” spreadsheet (think of consulting it regularly) or send an e-mail to: jean-charles.bricongne@banque-france.fr

Possible reward :

• Co-write with one or several Senior economists from Banque de France in a Banque de France publication (blog, Bulletin...) and/or in a Laboratory of Economics of Orléans collection

**Contexte** Betshot est un site web de divertissement nouvelle génération où il est possible de gagner des cadeaux tendances et coûteux en jouant à des mini-jeux accessibles à tous et sans l’intervention du hasard. Nous nous positionnons dans un marché très peu exploité entre les jeux d’argent et les jeux de hasard. Nous sommes plus précisément un jeu de compétition. L’utilisateur doit miser une petite somme d’argent sur le produit qu’il souhaite gagner, jouer au jeu attribué au produit en question et faire le meilleur score parmi un certain nombre de participants pour gagner le produit. **Objectif** La mission de Betshot est d’offrir des jeux avec le parfait équilibre où le joueur se sent investi et captivé. Et heureux quand il est parvenu à progresser et à réaliser ses objectifs. Nous souhaitons développer de nouveaux jeux pour élargir notre bibliothèque. **Instructions** Les jeux doivent être accessible à tous (18-55 ans dans l’idéal) et sous forme de points. Plusieurs catégories nous intéressent: jeux de puzzle, runner-game, sports, musique. Les compétences recherchées sont les suivantes: - Unity - Javascript - ReactJS - Phaser3 - Illustrator / Photoshop **Livrables** - Jeux avec un système de points - Partie continue (pause / fin de la partie = mort subite) - Évolution de la partie (difficulté progressive: sous forme d'accélérations, d'obstacles... ) - Générer aléatoirement les parties (pour que ce ne soit jamais la même partie) **Pièces jointes** Betballoon (jeu déjà existant) Betroad (jeu déjà existant) Piano Tiles (jeu souhaité ou similaire) Stack (jeu souhaité ou similaire) Dunk Hoop (jeu souhaité ou similaire)

Possible reward :

• Chaque jeu sélectionné remportera 450€ + 50€ de pièces sur Betshot

• 500 €