Ingénierie économique et financière - 272 - 2ème année de master

Ects : 3

Enseignant responsable :

• PHILIPPE BERNARD

Ects : 3
Compétence à acquérir :
Création de rapports dynamiques, synthétiques et interactifs.
Mode de contrôle des connaissances :
Projet individuel
Pré-requis obligatoires :
Compétences excel avancées

Description du contenu de l'enseignement :
Comment traiter puis intégrer des données Excel dans POWER BI,
Comment les traiter dans Power BI,
Comment les présenter de manière claire, synthétique et esthétique sous la forme d'un report Power BI,
Et enfin comment partager ce report en ligne et surtout comment programmer la version mobile (smartphone).

Enseignant responsable :

• LEILA EL OMARI

Ects : 3
Compétence à acquérir :
Connaissance des principales méthodes économétriques appliquées à la modélisation financière
Mode de contrôle des connaissances :
Examen final en salle informatique
Pré-requis recommandés :
Cours d'économétrie des séries temporelles niveau M1

Description du contenu de l'enseignement :
Introduction générale :

Faits stylisés sur les séries financières
Prévision des rendements et efficience des marchés financiers

Chapitre 1 : modèles de volatilité univariés

Détection et tests d'un effet ARCH
Modèles de volatilité univairiés : modèles GARCH, GJR et EGARCH
Lois conditionnelles non gaussiennes

Chapitre 2 : modèles de volatilité multivariés

Estimation de la matrice de variance covariance par les méthodes de lissage
Modèles économétriques de la matrice de variance covariance conditionnelle : BEKK, CCC et DCC

Une partie du cours a lieu en salle de classe et en salle informatique (langages utilisés : gretl ou matlab)

Bibliographie, lectures recommandées
Alexander, C.,
Market Risk Analysis: Practical Financial Econometrics?, Editions Wiley, 2008. Brooks, C.,
Introductory Econometrics for Finance, Cambridge University Press, 3ème édition, 2014. Bauwens L., Hafner C. et S. Laurent,
Handbook of Volatility Models and their Applications, John Wiley \& Sons, 2012.

Ects : 3

Enseignant responsable :

• TAREK BABAGHAYOU

Ects : 3

Ects : 3

Enseignant responsable :

• NAJAT EL MEKKAOUI

Ects : 6

Enseignant responsable :

• PHILIPPE GILLET

Ects : 6

Enseignant responsable :

• RENE AID

Ects : 6

Enseignant responsable :

• FABRICE BIEN

Ects : 6
Compétence à acquérir :
Maîtrise des principaux modèles de volatilité en univarié et multivarié
Mode de contrôle des connaissances :
Examen final en salle informatique
Pré-requis recommandés :
Cours de statistique et d'économétrie L3
Pré-requis obligatoires :
Cours d'économétrie des séries temporelles niveau M1

Description du contenu de l'enseignement :
Le cours comprend deux chapitres
1. Modèles de volatilité en univarié

Faits stylisés sur les séries financières
Détection et test d'un effet ARCH
Modèle GARCH
Estimation par la méthode du quasi-maximum de vraisemblance
Modèles de volatilité avec un effet d'asymétrie : GJR, EGARCH
Lois conditionnelles non gaussiennes

2. Modèles de volatilité multivariés

Estimation de la matrice de variance covariance par les méthodes de lissage
Modèles BEKK et DCC

Le cours s'organise en partie en salle de cours pour la présentation des méthodes et modèles et en salle informatique pour des applications sur séries financières (langage utilisé : matlab)

Bibliographie, lectures recommandées
Alexander, C.,
Market Risk Analysis: Practical Financial Econometrics?, Editions Wiley, 2008. Brooks, C.,
Introductory Econometrics for Finance, Cambridge University Press, 3ème édition, 2014. Mills, T., et R.N. Markellos, R.N.,
The Econometric Modelling of Financial Time Series, Cambridge University Press; 3ème Édition, 2008 Bauwens L., Hafner C. et S. Laurent,
Handbook of Volatility Models and their Applications, John Wiley & Sons, 2012. Taylor, S. J.,
Asset Price Dynamics, Volatility and Prediction, Princeton University Press, 2007. Franses P.H., et D. van Dijk, Non-linear time series in empirical finance, Cambridge University Press, 2000. Jondeau, E., Poon S.-H. et M. Rockinger, Financial modeling under non-gaussian distributions, Springer.

Enseignant responsable :

• MARIE BESSEC

Ects : 6
Compétence à acquérir :
pricing de produits dérivés
Mode de contrôle des connaissances :
partiel de 2h

Description du contenu de l'enseignement :
Pricing et utilisation de produits dérivés: contrats à terme, swaps et options (temps discret, temps continu)

Bibliographie, lectures recommandées
Futures, Options and Other Derivatives - John Hull

Enseignant responsable :

• MARIE PASCALE LEONARDI

Ects : 6

Enseignant responsable :

• CHAFIC MERHY

Ects : 6

Enseignant responsable :

• MATTHIEU GENISSON

Ects : 6

Enseignant responsable :

• HUGO GERVAIS

Ects : 6

Enseignant responsable :

• GERARD CHAPALAIN

Ects : 9

Enseignant responsable :

• EMMANUEL LAURENT

Ects : 9
Compétence à acquérir :
L'objectif du cours est d'accompagner les étudiant.e.s vers un usage
autonome d'Excel et VBA pour traiter des
problèmes quantitatifs rencontrés en finance.

Il s'agit également de compléter les enseignements de licence et de M1 sur l'usage de VBA, notamment avec un
style de codage structuré et
orienté objet.

La qualité syntaxique du code est guidée par un outil fourni aux étudiant.e.s. Un des deux cas est spécifiquement dédié au codage d'objets.
Mode de contrôle des connaissances :
La notation se fait en contrôle continu avec :

deux cas réalisés en binomes
deux QCM individuels
Pré-requis recommandés :
Dans Excel :

Formules de zones
Nomage de cellules ou de zones

Dans VBA :

Utilisation des objects d'Excel (Range, Worksheet)
Pré-requis obligatoires :
Connaissance du fonctionnement d'Excel, y compris les formules.
Connaissances de base de VBA :

Types simples
Usage des subroutines et fonctions
Communication entre Excel et VBA (lire ou écrire la valeur d'une cellule Excel en VBA)
Boucles inconditionnelles (For ... Next) et inconditionnelle (Do ... Loop)
Tests avec If ou Select

Description du contenu de l'enseignement :
Le cours est réparti en 6 sessions de 3 heures. Après des compléments de cours, deux cas sont présentés et traités en binomes.
Le cours alterne les phases de présentation "magistrale" et des temps de pratique en binome en mode TD.
Le cours est présenté en français et les supports sont en anglais. Les cas peuvent être rédigés en français ou en anglais, au choix des étudiant.e.s.

Bibliographie, lectures recommandées
Voici à titre indicatif quelques fiches méthodologiques sur VBA :
www.es25.fr/xl-and-vba/

Ces fiches commentent des cas d'usage fréquents à ce niveau d'étude. Elles ne constituent en aucun cas un pré-requis, mais donnent une idée des difficultés rencontrées par les étudiant.e.s en début de M1 et des progrès attendus pendant cette année et la suivante.

Enseignant responsable :

• EMMANUEL FRUCHARD

Ects : 3

Enseignant responsable :

• PHILIPPE BERNARD

Ects : 3

Enseignant responsable :

• LIONEL MELKA

Ects : 3

Enseignant responsable :

• ROMAIN FERAUD

Ects : 3
Compétence à acquérir :
Acquérir les principes de base de la construction des courbes de taux et des données de marché en général, maîtriser la valorisation des produits financiers vanille et calculer les indicateurs de suivi et de gestion des risques d’un portefeuille donné.
Pré-requis recommandés :
un bon niveau en mathématique financières avec des connaissances sur les produits financiers

Description du contenu de l'enseignement :
•Construction de courbe de taux et de nappes de volatilités
•Valorisation des produits vanilles( Swap, IRG, …)
•Introduction au calcul des sensibilités de taux
•Définition des différents type de risque (Risque absolue (absolute risk) , risque relatif(Relative risk), Basis risk, Volatility risk)
•Risque de position et calcul des greecs des produits dérivés (delta, gamma, vega, theta, rho,..)
•Calcul des indicateurs de risque de marché des produits de taux (Duration, sensibilité aux différents facteurs de risque)
•Introduction au calcul de la VAR
•
VAR Historique, VAR paramétrique ,VAR Monte-Carlo

Enseignant responsable :

• AZZEDINE BOUDJIT

Ects : 6

Enseignant responsable :

• URIEL SARAGUSTI

Ects : 6

Enseignant responsable :

• BASTIEN DRUT

Ects : 6

Enseignant responsable :

• RACHID TOLBA

Ects : 6

Enseignant responsable :

• LAURENT PALLANCA

Ects : 6

Enseignant responsable :

• MATHIEU HAMEL

Ects : 6

Enseignant responsable :

• HAMIDOU DIALLO

Ects : 6

Enseignant responsable :

• PHILIPPE BERNARD

Ects : 6
Coefficient : 6 ECTS
Compétence à acquérir :
Savoir appliquer les méthodes d'évaluation d'entreprises, d'actions et d'obligations en gestion d'actifs, savoir intégrer les facteurs fondamentaux dans une stratégie quantitative
Mode de contrôle des connaissances :
Contrôle final sous forme de projet (100%)
Pré-requis recommandés :
Comptabilité générale, Analyse financière
Pré-requis obligatoires :
Economie financière, Gestion de portefeuille (L3 & M1) , VBA, R

Description du contenu de l'enseignement :
Rappels d'analyse financière : SIG, ratios, flux de trésorerie


Les fondamentaux de l'évaluation fondamentale des titres financiers :

a. Modélisation et prévisions des Résultats et du Free Cash Flow
b. Approche par le revenu : méthode des comparables boursiers
c. Approche par le marché : méthode des DCF / DDM, calcul des primes de risque
d. Notation financière et analyse de la qualité de crédit

Stratégies fondamentales traditionnelles en gestion d'actifs :

a. stock picking (gestion active actions) : sélection de titres et construction de portefeuille
b. bond picking (gestion crédit) : sélection de titres et construction de portefeuille
c. marchés privés : capital investissement, dette privée & infrastructure

Intégration des stratégies fondamentales dans des approches quantitatives :

a. Facteurs fondamentaux : taille, quality, value, earnings announcement, etc.
b. Produits "Quantamental"
c. Allocation d'actifs : estimation des primes de risque

Bibliographie, lectures recommandées
Finance d'entreprise, Pierre Vernimmen, ?Yann Le Fur, ?Pascal Quiry (2020)


Principles of Corporate Finance, Richard A. Brealey, ?Stewart C. Myers, ?Franklin Allen (2011)


Security Analysis for Investment and Corporate Finance, Aswath Damodaran
(2006)

Enseignant responsable :

• JEROME ANDRE

Ects : 6

Enseignant responsable :

• CHARLES-HENRI BAUBIGEAT

Ects : 9
Compétence à acquérir :
Comprendre les principes algorithmiques des techniques de Machine Learning
Sélectionner et paramétrer une technique d’apprentissage adaptée à une problématique décisionnelle
Réaliser des prédictions et des classifications à partir de données massives structurée et non-structurées
Mode de contrôle des connaissances :
Examen en salle machine plus contrôle continu (en option)
Pré-requis recommandés :
Algorithmique et programmation ainsi que
Data Management sous Python

Description du contenu de l'enseignement :
Introduction au Machine Learning (apprentissage supervisé)
K plus proches voisinsArbre de décision
Méthodologie
Notion sur sur-apprentissageValidation croisée / Bootstrap
Méthodes ensemblistes
BaggingRandom ForestsBoosting
Support Vector Machine et méthodes à noyaux
Deep Learning
Données déséquilibrées
Area Under Curve (AUC) et autres mesures de qualitéStratégies d’apprentissage
Apprentissage non-supervisé
Classification non supervisée (clustering)Recherche de schémas fréquents et de points aberrants

Bibliographie, lectures recommandées
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition par Aurélien Géron, Released September 2019, O'Reilly Media, Inc.

Enseignant responsable :

• SYLVAIN BENOIT

Ects : 9

Enseignant responsable :

• CHAFIC MERHY

Ects : 3

Enseignant responsable :

• NAJAT EL MEKKAOUI

Enseignant responsable :

• MATHIEU HAMEL