Diagnostic économique international - 211 - 2ème année de master

Ects : 6

Description du contenu de l'enseignement :

Le premier Livret, remis à mi-parcours, présente l'entreprise ou l'institution d'accueil et son environnement ; il décrit les missions et fixe les objectifs pour la seconde période de l'apprentissage.

Coefficient : 6

Pré-requis recommandés :

Aucun

Pré-requis obligatoire :

Aucun

Compétences à acquérir :

Restitution des missions effectuées lors de la première période de l'apprentissage.

Mode de contrôle des connaissances :

Note du livret

Bibliographie-lectures recommandées

Sans objet

Ects : 6

Enseignant responsable :

• FABIEN TRIPIER

Volume horaire : 36

Description du contenu de l'enseignement :

Le cours vise à former les étudiants aux méthodes et données de l’analyse macroéconomique. La première partie, assurée par le responsable du cours, présente les principales méthodes de l’analyse macroéconomique. L’objectif de cette partie est double. Premièrement, amener les étudiants à maîtriser ces méthodes dans leur version la plus simple, y compris à partir d’applications concrètes utilisant les logiciels appropriés. Deuxièmement, apporter aux étudiants les bases requises pour l’interprétation des résultats présentés à partir de ces méthodes dans les articles de recherche et les publications des institutions de politique économique. Cette partie cours est organisé de la manière suivante.

1. Les faits stylisés du cycle économique 2. La théorie néoclassique du cycle économique 3. La théorie keynésienne du cycle économique 4. Les règles de politique monétaire 5. Macroéconométrie (VAR structurel, projection locale et identification des chocs)

Durant la seconde partie du cours, des intervenants externes présenteront des applications de l’analyse macroéconomique réalisées au sein de leurs organismes. L’objectif de cette partie est également de montrer la grande diversité des sources de données utilisées pour l’analyse macroéconomique et comment elles sont mobilisées en période de crise économique. Les interventions porteront sur les thèmes suivants.

1. L’apport des données d’enquête à la macroéconomie 2. L’apport des données microéconomiques à la macroéconomie 3. Les modèles de prévision et leur utilisation en période de crise 4. L’intégration des risques immobiliers dans l’analyse macroéconomique 5. L’intégration des risques bancaires dans l’analyse macroéconomique

Coefficient : 6

Pré-requis recommandés :

Macroéconomie, économétrie.

Compétences à acquérir :

Modélisation du cycle économique. Etude des données macroéconomiques. Analyse des politiques économiques.

Mode de contrôle des connaissances :

Examen écrit

Bibliographie-lectures recommandées

· Blanchard, O. (2018). On the future of macroeconomic models. Oxford Review of Economic Policy 34(1-2), 43 – 54. · King, R. G. and S. T. Rebelo (1999). Resuscitating real business cycles. Handbook of macroeconomics 1, 927 – 1007. · Galí, J. (2015). Monetary policy, in?ation, and the business cycle: an introduction to the new Keynesian framework and its applications. Princeton University Press. · Kilian, L. and H. Lütkepohl (2017). Structural vector autoregressive analysis. Cambridge University Press. · Ramey, V. A. (2016). Macroeconomic shocks and their propagation. In Handbook of macroeconomics, Volume 2, pp. 71 – 162. Elsevier.

Ects : 3

Enseignant responsable :

• JULIEN BERGEOT

Volume horaire : 27

Description du contenu de l'enseignement :

Lectures : 21 hours Empirical applications : 6 hours

Chapter 1 – Potential outcome framework and fundamental problem for policy evaluation Chapter 2 – Randomized control trial Chapter 3 – Matching techniques Chapter 4 – Instrumental variables Chapter 5 – Regression Discontinuity Design Chapter 6 – Difference in differences (including staggered DiD)

Coefficient : 3

Compétences à acquérir :

Knowledge of advanced techniques to evaluate the effect of a public policy and estimate a causal effect. Being able to implement such a study by yourself.

Mode de contrôle des connaissances :

Written exam

Bibliographie-lectures recommandées

Cunningham, S. (2021). Causal inference: The mixtape. Yale university press. Available for free here: https://mixtape.scunning.com/

Huntington-Klein, N. (2021). The effect: An introduction to research design and causality. Chapman and Hall/CRC. Available for free here: https://theeffectbook.net/

Ects : 3

Enseignant responsable :

• MARTA MENENDEZ
• Florence LECUIT

Volume horaire : 21

Description du contenu de l'enseignement :

A partir de données individuelles portant sur un pays en développeemnt ou en transition (enquêtes ménages, enquêtes emploi, etc.), les étudiants apprendront à manier différents indicateurs de bien-être, établir un profil de pauvreté et analyser les inégalités intra-pays. L'objectif est que que les étudiants élaborent un diagnostic de la pauvreté et des inégalités au sein d'un pays susceptible d'aider à la formulation de politiques de réduction de la pauvreté.

Coefficient : 3

Ects : 3

Enseignant responsable :

• MARTA MENENDEZ
• Florence LECUIT

Volume horaire : 21

Description du contenu de l'enseignement :

Après avoir présenté différentes politiques de lutte contre la pauvreté et leurs enjeux en matière de ciblage, ce cours met en œuvre les principales méthodes de ciblage utilisées dans le cadre des programmes de protection sociale et évaluent non seulement leur efficacité mais également l’efficacité ex-ante de la politique à l’aide de données d’enquêtes de type Living Standard Measurement Surveys. Ce cours vise également à aller au-delà de l’approche statique afin d’analyser les évolutions de la pauvreté et des inégalités, et leurs facteurs explicatifs ; et appliquer des méthodes de décompositions statistiques et économétriques. Les outils mobilisés dans ce cours donnent des clés en vue de définir des politiques de développement efficaces en analysant les inégalités intra-pays en termes de vulnérabilité, de pauvreté, d’accès au marché du travail, de santé ou d’éducation par exemple. Ces outils sont également pertinents pour les pays de l’OCDE.

Responsables du cours: Elodie Djemaï et Marta Menéndez

Coefficient : 3

Pré-requis obligatoire :

Stata, suivi de l'UE associée : Concepts et outils de mesure de la pauvreté et des inégalités.

Compétences à acquérir :

A l’issue du cours les étudiants auront acquis des compétences dans l’utilisation des données de panel individuelles issues d'enquêtes représentatives, auront été capables de mettre en oeuvre des concepts théoriques visant à comprendre la dynamique de la pauvreté et les inégalités dans des pays à faible revenus, auront appliqué des méthodes de ciblage de population bénéficiaire de programmes de protection ciblage et des méthodes d'évaluation ex-ante de l'efficacité du programme.

Mode de contrôle des connaissances :

Réplication d'articles scientifiques et présentation

Ects : 3

Enseignant responsable :

• ETIENNE ESPAGNE

Volume horaire : 18

Description du contenu de l'enseignement :

Ce cours vise à familiariser les étudiants avec les enjeux économiques et le cadre de gouvernance internationale sur les enjeux environnementaux et climatiques. Il vise à expliquer les enjeux de politique publique liés aux problèmes environnementaux, avec un focus sur les enjeux liés au changement climatique, en particulier sous l’angle économique et sous celui des relations internationales.

Coefficient : 3

Ects : 6

Enseignant responsable :

• SYLVAIN BELLEFONTAINE

Volume horaire : 42

Description du contenu de l'enseignement :

Ce cours a pour objectifs de présenter les principes de l'analyse du risque-pays permettant aux étudiants d'appliquer un ensemble de concepts théoriques et d'outils méthodologiques, à l'appui d'études de cas ; d'exposer la méthodologie de la notation souveraine pratiquée par les agences financières internationales et de débattre du rôle des agences de notation.

Coefficient : 6

Ects : 3

Enseignant responsable :

• NICOLAS VERCKEN

Volume horaire : 18

Description du contenu de l'enseignement :

Le séminaire se déroulera en 7 séances de 3h, avec un cours introductif qui présentera les grandes lignes du module et les principaux champs et dossiers d’influence des ONG sur des enjeux économiques (tant en France qu’à l’international). Cette séance permettra de constituer des groupes de 3-4 étudiant-e-s qui travailleront ensemble tout au long du module sur un thème choisi lors de la séance introductive. Puis chacune des 5 séances suivantes se déroulera en deux temps : une présentation de 2-3 groupes d’étudiantes sur l’application à leur cas d’étude des outils méthodologiques introduits lors de la séance précédente, puis une présentation d’un nouvel angle et d’outils complémentaires par l’intervenant. La dernière séance sera consacrée à une évaluation écrite individuelle sur la base d’une étude de cas.

Thématiques abordées : Introduction au plaidoyer et stratégies d’influences des ONG et acteurs privés ; Définition d’objectifs « SMART » ; Analyse et cartographie de pouvoir ; suivi-évaluation, théorie de changement et gestion des risques ; techniques de lobbying et influence institutionnelle ; communication stratégique et campagnes d’opinion ; judiciarisation de l’action ; principaux processus décisionnels et acteurs institutionnels sur les questions économiques en France et en Europe.

Coefficient : 3

Pré-requis recommandés :

Aucun / intérêt pour la science politique et les stratégiques d’influence des différents acteurs

Compétences à acquérir :

Développement d’une stratégie d’influence institutionnelle via la mobilisation de différents outils et approches méthodologiques.

Mode de contrôle des connaissances :

Des groupes de 4 à 5 étudiants seront constitués lors de la séance initiale et travaillerons sur une étude de cas tout au long du séminaire, en appliquant d’une séance à l’autre les différents outils méthodologiques introduits lors de chaque séance. La note finale combinera l’évaluation des travaux de groupes (70%), l’évaluation écrite individuelle lors de la séance finale (30%), ainsi qu’une correction reflétant la participation individuelle tout au long du module (+ ou – 1 point).

Bibliographie-lectures recommandées

HATVP-synthese-RA-2024-web.pdf

Le poids du lobbying dans l'Union européenne par Jean Comte | vie-publique.fr

Lobbying in the United States - Wikipedia

Lobbys : les secrets d'une France sous influence

Ects : 3

Enseignant responsable :

• ROMAIN GATE

Volume horaire : 21

Description du contenu de l'enseignement :

Ce cours vise à comprendre les spécificités des dynamiques urbaines dans les pays du Sud en opposition aux villes des pays du Nord. Nous analyserons des politiques publiques mises en œuvre pour répondre aux défis de l'urbanisation. Il s'agira notamment d'identifier les acteurs et les obstacles dans la gestion des espaces urbains. Nous étudierons au moins un cas concret pour illustrer les interactions entre urbanisation, gouvernance et développement.

Coefficient : 3

Pré-requis recommandés :

Aucun pré-requis recommandé.

Pré-requis obligatoire :

Aucun pré-requis obligatoire.

Compétences à acquérir :

Connaissances de base en économie urbaine et sur les enjeux des différents systèmes urbains dans les pays du Sud global.

Mode de contrôle des connaissances :

Etude de cas en groupe.

Bibliographie-lectures recommandées

Cantuarias-Villessuzanne, C., & Fragny, B. (2023). Économie urbaine et environnementale. De Boeck Supérieur. 351 p.

Pierre-Philippe Combes, Thierry Mayer, Jacques-François Thisse. Economie Géographique : l'intégration des régions et des nations. Economica, pp.397, 2008.

UN-HABITAT (2024). World Cities Report. 373 p.

Ects : 6

Enseignant responsable :

• FABRICE ROSSI

Volume horaire : 36

Description du contenu de l'enseignement :

The course gives a thorough presentation of the machine learning field and follows this outline:

1. general introduction to machine learning and to its focus on predictive performances (running example: k-nearest neighbours algorithm)
2. machine learning as automated program building from examples (running example: decision trees)
3. machine learning as optimization:
   1. empirical risk minimization
   2. links with maximum likelihood estimation
   3. surrogate losses and extended machine learning settings
   4. regularisation and kernel methods (support vector machines)
4. reliable estimation of performances:
   1. over fitting
   2. split samples
   3. resampling (leave-one-out, cross-validation and bootstrap)
   4. ROC curve, AUC and other advanced measures
5. combining models:
   1. ensemble techniques
   2. bagging and random forests
   3. boosting
6. unsupervised learning:
   1. clustering (hierarchical clustering, k-means and variants, mixture models, density clustering)
   2. outlier and anomaly detection

Coefficient : 2 6 (M2 Economie Internationale et Développement) 6 (M2 Diagnostic économique international)

Pré-requis obligatoire :

• intermediate level in either Python or R. Students are expected to be able to perform standard data management tasks in Python or R, including, but not limited to:
  • loading a data set from a CSV file
  • recoding and cleaning the data set
  • implementing a simple data exploration strategy based on pivot table and on graphical representation
• intermediate level in statistics and probability. Students are expected to be familiar with:
  • descriptive statistics
  • conditional probabilities and conditional expectations
  • core results from statistics: bias and variance concepts, strong law of large numbers, central limit theorem, etc.

Compétences à acquérir :

After attending the course the students will

• have a good understanding of the algorithmic and statistical foundations of the main machine learning techniques
• be able to select machine learning techniques adapted to a particular task (exploratory analysis with clustering methods, predictive analysis, etc.)
• be able to design a model selection procedure adapted to a particular task
• report the results of a machine learning project with valid estimation of the performances of their model

Mode de contrôle des connaissances :

• quizzes and tests during the course
• machine learning project

Ects : 12

Coefficient : 12

Ects : 6

Enseignant responsable :

• FLORIAN ROGER

Volume horaire : 30

Description du contenu de l'enseignement :

L'objectif du cours est de fournir aux étudiants les clés nécessaires à la réalisation de diagnostics conjoncturels. Il vise ainsi à : permettre aux étudiants d'interpréter les principaux indicateurs conjoncturels ; expliquer les spécificités économiques des différentes zones géographiques (Etats-Unis, Zone euro et pays émergents) ; revenir sur les cycles/faits économiques contemporains ; apprendre aux étudiants à construire un scénario économique pour le traduire en termes de positions d'investissements et d'allocations d'actifs sur les marchés.

Coefficient : 3

Ects : 3

Enseignant responsable :

• FREDERIC PELTRAULT

Volume horaire : 18

Description du contenu de l'enseignement :

A l’issue du cours, les étudiants doivent être capables d’automatiser des rapports sous Excel. Les points suivants sont abordés : Prise en main de VBA et généralités sur les macros ; Les principales propriétés et méthodes des objets d’Excel ; Les fonctions des bibliothèques Excel et VBA ; Les fonctions personnalisées ; Les formules ; Les boucles & les structures conditionnelles ; Les tris et la recherche de données ; Le solveur ; Les simulations ; Les interfaces (Userform). Le cours s’appuie sur une quinzaine d'exercices qui permettent d'aborder progressivement les différentes notions.

Coefficient : 3

Pré-requis recommandés :

Une bonne maîtrise d'Excel est recommandée pour ce cours.

Compétences à acquérir :

Automatiser un tableau de bord avec VBA.

Faire des calculs avec VBA

Optimiser avec VBA

Simuler avec VBA

Mode de contrôle des connaissances :

Examen en salle informatique.

Ects : 3

Enseignant responsable :

• PAOLA MONPERRUS-VERONI

Volume horaire : 21

Description du contenu de l'enseignement :

Le cours vise à expliquer la finalité et la logique de la construction européenne afin de comprendre les défis et les implications pratiques pour l'économie réelle, le secteur financier et les modèles sociaux nationaux. Il illustre le processus décisionnel en se focalisant sur trois principaux domaines de gouvernance : union budgétaire, union monétaire et union bancaire. Le cours s'attache également à comprendre les transformations intervenues au cours des différentes étapes de l'intégration. Enfin, l'incomplétude des institutions permet d'illustrer la menace qui pèse sur le projet européen.

Enseignant responsable : Paola Monperrus

Coefficient : 3

Compétences à acquérir :

Connaître le rôle et le fonctionnement des principales institutions européennes, les fondamentaux de la supervision budgétaire, de la politique monétaire, de l'Union bancaire et de l'assistance financière aux pays en crise.

Ects : 3

Enseignant responsable :

• Marie BESSEC

Volume horaire : 18

Description du contenu de l'enseignement :

Ce cours vise à maîtriser les outils utilisés par les conjoncturistes en vue de faire de la prévision de court terme (ou nowcasting) des variables macroéconomiques. Nous présenterons d’abord les modèles de prévision linéaires classiques et les techniques d’évaluation des prévisions. Nous indiquerons ensuite comment ces outils peuvent être adaptés afin de prendre en compte des gros volumes d’information (modèles à facteurs, algorithmes de sélection et combinaisons). Nous introduirons aussi des modélisations multi-fréquentielles (MIDAS, bridge) qui permettent au prévisionniste d’intégrer dans son diagnostic les signaux d’indicateurs de fréquence élevée. Enfin, des modèles à changement de régime et certaines techniques du machine learning permettront de prendre en compte des liaisons plus complexes entre la variable prévue et les prédicteurs et de qualifier l’état conjoncturel. Ces outils seront illustrés sur des cas pratiques avec le logiciel Matlab.

Coefficient : 3

Pré-requis obligatoire :

Econométrie des séries temporelles ; programmation sous Matlab

Compétences à acquérir :

Construction de modèles de prévision variés ; application sous Matlab

Mode de contrôle des connaissances :

Examen avec Matlab

Bibliographie-lectures recommandées

• Ghysels, M. Marcellino. Applied Economic Forecasting using Time Series Methods, Oxford University Press, 2018.
• Timmermann, A. Elliott, G. Economic Forecasting, Princeton University Press, 2016.

Ects : 3

Enseignant responsable :

• FRANCOIS-XAVIER CHAUCHAT

Volume horaire : 21

Description du contenu de l'enseignement :

Le cours vise à transmettre aux étudiants une grille d’analyse des relations entre l’évolution des marchés financiers mondiaux et celle de l’économie. Ce sont essentiellement les marchés obligataires qui sont analysés, ce qui permet une compréhension concrète de la détermination des taux d’intérêt de marché.

Les temps principaux du cours sont les suivants :

- Introduction au rôle des marchés financiers dans le système financier et l’économie : financements, placement de l’épargne, institutions, débats sur l’efficience, marché primaire et secondaire, taille des différents marchés, etc.

- Le marché obligataire : qu’est-ce qu’une obligation ? Relation entre cours et taux de rendement, duration, etc. ?

- Le rôle-clef des banques centrales dans la détermination des taux à court terme, voire des taux à long terme : pourquoi, comment ?

- La courbe des taux d’intérêt : relation entre rendement et maturité d’une obligation ; jeu des anticipations et des primes de terme.

- Hiérarchie et dynamique des rendements obligataires mondiaux :

Quel rendement pour quel risque ? Inflation, défaut, change, etc. ;

Mécanisme et importance du « cycle financier mondial »

Les facteurs idiosyncratiques au niveau d’un pays, d’une entreprise ; rôle des agences de notation.

Le cas particulier de la zone euro

Le cours est dispensé à la fois en anglais et en français dans le but d’acquérir un vocabulaire financier dans les deux langues.

Coefficient : 3

Pré-requis recommandés :

Bon niveau d’anglais oral et écrit

Compétences à acquérir :

Vocabulaire des marchés financiers – Fonctionnement des marchés financiers – Relations entre marchés financiers et économie – Compréhension des marchés obligataires – Modèle explicatif des rendements obligataires mondiaux

Mode de contrôle des connaissances :

Examen final écrit + note de participation au cours

Ects : 3

Volume horaire : 21

Description du contenu de l'enseignement :

Introduction

- Les différentes étapes d’un projet de science des données

- Le vocabulaire de science de données et ses correspondances avec les statistiques classiques

- Différents types de question et de modélisation

Infrastructure et gestion de projets de science des données

- Outils de contrôle de version des données et modèles

- Outils de manipulation d’un grand jeu de données

- Récupérer des données, entraîner et déployer un modèle sur Google Cloud Platform

- Outils de développement et assistance par IA.

Outils d’apprentissage automatique

- Détection d’anomalies

- Sélection de variable et régression pénalisée

- Gestion des données manquantes

- Modélisation semi-supervisée

- Récupération et traitement de données alternatives : exemple de web scraping

Application d’apprentissage profond en économie

- Introduction aux réseaux de neurones

- Traitement automatique du langage naturel

- Vision par ordinateur

Coefficient : 3

Pré-requis recommandés :

- Maîtrise des outils statistiques et économétriques de L3 et M1.

- Connaissance de base d’un langage de programmation ou statistique (R ou Python).

Compétences à acquérir :

On distinguera deux blocs d’acquisition de compétences ; l’un correspondant à ce qu’on peut appeler le ML Engineering, l’autre correspondant plutôt au ML Ops.

Dans le premier bloc, nous étudierons des méthodes issues de la science des données venant compléter celles vues habituellement en statistiques et économétrie ; de la détection des anomalies par isolation forest au traitement des données non structurées (images ou textes), en passant par la gestion des valeurs manquantes avec les librairies de gradient boosting. Il s’agira d’ouvrir la boîte noire de certaines méthodes pour mieux comprendre leur fonctionnement, leurs limites et leur intérêt pour des questions économiques.

Dans le second bloc, nous verrons les outils de base pour développer un projet de science des données automatisé de bout en bout ; de la récupération des données, à la mise en production d’un modèle en passant par la gestion des versions. Cette partie sera particulièrement importante pour exploiter des modèles ou des données qui ne seraient pas exploitables sur la plupart des PC. L’automatisation et la mise en production de modèles sont utiles pour des besoins de mise à jour régulière (par exemple prévision/analyse de conjoncture mensuelle) ou encore le traitement automatisé d’un flux de requête ou de données (détection d’anomalie, traitement automatique de communiqués, scoring de crédit…).

Mode de contrôle des connaissances :

Examen écrit

Bibliographie-lectures recommandées

Aruoba S. B., Drechsel T. (2024), Identifying Monetary Policy Shocks: A Natural Language Approach. https://econweb.umd.edu/~drechsel/papers/Aruoba_Drechsel.pdf

d’Aspremont A., Ben Arous S., Bricongne J-C., Lietti B., Meunier B. (2024) Satellites Turn “Concrete”: Tracking Cement with Satellite Data and Neural Networks. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4712741

Banquet, A. et al. (2022), Monitoring land use in cities using satellite imagery and deep learning, OECD Regional Development Papers, No. 28, OECD Publishing, Paris, doi.org/10.1787/dc8e85d5-en.

Blum A., Mitchell T. (1998) Combining labeled and unlabeled data with co-training

https://www.cs.cmu.edu/~avrim/Papers/cotrain.pdf

Dixon M. F. , Halperin I. , Bilokon P. (2020) Machine Learning in Finance, From Theory to Practice https://link.springer.com/book/10.1007/978-3-030-41068-1

Gaillac C., L'Hour J. (2023) Machine Learning pour l’économétrie, https://www.economica.fr/machine-learning-pour-leconometrie-c2x40149680

Han, S., Hu, X., Huang, H., Jiang, M., & Zhao, Y. (2022). Adbench: Anomaly detection benchmark. arXiv preprint arXiv:2206.09426.

IMF (2025), Nowcasting Global Trade from Space. https://www.imf.org/en/Publications/WP/Issues/2025/05/16/Nowcasting-Global-Trade-from-Space-566957

Lu, Sha, Lin Liu, Jiuyong Li, Thuc Duy Le, et Jixue Liu. « Dependency-Based Anomaly Detection: Framework, Methods and Benchmark ». arXiv, 1 2 novembre 2020.

Pfeifer M., Marohl V. P. (2023) CentralBankRoBERTa: A fine-tuned large language model for central bank communications. https://www.sciencedirect.com/science/article/pii/S2405918823000302

Zhao Z., Hryniewicki M. (2019) Xgbod: improving supervised outlier detection with unsupervised representation learning. In 2018 International Joint Conference on Neural Networks (IJCNN) (pp. 1-8). IEEE.

Ects : 3

Enseignant responsable :

• ANNE EPAULARD
• ROMAIN SCHWEIZER

Volume horaire : 21

Description du contenu de l'enseignement :

• Rappels sur le Climat
• Coûts associés au changement climatique et besoins de financement pour la transition
• Frictions sur les marchés du capital et du travail
• Greenflation et politique monétaire
• Politiques climatiques et compétitivité
• Transitions énergétique et croissance
• Quel rôle pour la sobriété ?
• Le consentement aux politiques environnementales

Coefficient : 3

Compétences à acquérir :

• Compréhension des impacts économiques de la transition énergétique (mécanismes et ordres de grandeurs)
• Compréhension des instruments disponibles pour déclencher et accompagner la transition énergétique

Mode de contrôle des connaissances :

- Questionnaire à choix multiples

- "Infographie" sur un sujet décidé au cours du semestre (en binôme)

Bibliographie-lectures recommandées

Des références seront données lors de chaque cours