MIAGE Informatique pour la Finance - 2ème année de Master

Ects : 3

Enseignant responsable :
MICHAIL LAMPIS

Volume horaire : 24

Description du contenu de l'enseignement :

This is an advanced algorithms course with an emphasis on topics that have applications in the treatment of large volumes of data and handling partially unknown information.

The course is divided into two parts :

In the first part, the course discusses Randomized Algorithms and the use of probability theory in the design and analysis of algorithms. Topics that will be covered are applications of randomized techniques to sample and verify large volumes of data efficiently, the difference between average-case analysis and randomized worst-case analysis, and the application of randomized algorithms to cases where the input is only partially and gradually revealed (on-line algorithms).

In the second part, the course revisits traditional algorithm design techniques, such as divide&conquer, with a focus on optimizing performance to the point where the resulting algorithms can realistically be applied to big data problems. This part of the course places a particular emphasis on the notion of dynamic programming.

Compétences à acquérir :

Students who finish this course will learn advanced techniques to design and analyze efficient deterministic and randomized algorithms.

Bibliographie-lectures recommandées

?Bibliography: 1. "Probability and Computing" by Mitzenmacher and Upfal 2. "Algorithms" by Dasgupta, Papadimitriou, Vazirani

Ects : 3

Enseignant responsable :
EMMANUEL LEPINETTE

Volume horaire : 24

Description du contenu de l'enseignement :

Initier les étudiants à l’actuariat.

Actuariat des produits de taux simples en univers déterministe. Obligations, zéro coupon. Evaluation, courbe de taux, taux futurs, calcul du taux de rendement interne et de la valeur actuelle nette.

Quelques exemples de modèles stochastiques pour aller plus loin. Principes de l’actuariat en assurance vie et IARD : tables de mortalité et de sinistre, calcul de prime quand les flux sont aléatoires.

Exemples d'implémentation en Python.

Pré-requis recommandés :

Des connaissances générales en mathématiques; très bon niveau de bac+2 minimum, bac +3 idéalement.

Pré-requis obligatoire :

Suivre les mises à niveau proposés en début d'année.

Compétences à acquérir :

Connaissance générale en actuariat. Evaluation d'obligations, courbe de taux, calcul de prime en assurance.

Ects : 3

Enseignant responsable :
SANDRINE HENON

Volume horaire : 24

Description du contenu de l'enseignement :

Le but de ce cours est de présenter les marchés financiers et de donner un aperçu des outils informatiques utilisés pour gérer les produits dérivés.

 

1. Bloc introductif : tour d'horizon culturel des marchés financiers, étude de l'hypothèse d'Absence d'Opportunité d'Arbitrage en toute généralité.

2. Rappels sur les variables aléatoires, moments. Simulation d'une v.a., Box-Muller. Méthode de Monte-Carlo.

3. Processus discrets (temps indexé par un entier), portefeuilles de couverture. Modèle binomial et valorisation par arbres.

4. Processus continus (temps indexé par un réel positif), formule et modèle de Black and Scholes, volatilité implicite.

5. Simulation du mouvement brownien, schéma d'Euler et formule d'Ito. Grecques.

Pré-requis recommandés :

Notions de probabilités, calcul intégral.

Compétences à acquérir :

Etre capable de refaire les exercices et comprendre comment s'organise le pricing d'un produit dérivé, dans un cadre simple.

Ects : 3

Enseignant responsable :
FRANCOIS PETER

Volume horaire : 24

Description du contenu de l'enseignement :

Ce cours aborde les principaux thèmes de la finance d'entreprises. Il apporte un aperçu des mécanismes financiers de création de valeur. Au travers de la théorie et d'exemples réels, il s'articule en trois parties : outils de base, financement des sociétés et fusions-acquisitions. Les étudiants auront l'opportunité de présenter en groupe et à l'oral une société de leur choix (une liste de sociétés sera proposée par l'enseignant). Cette présentation mettra l'accent sur les aspects financiers des sociétés étudiées et permettra de valider les acquis.

Partie I - Outils financiers de l'entrepreneur :Eléments de stratégie : les cinq forces d'un marché (concurrents, clients, fournisseurs, produits de substitution et nouveaux entrants), notions générales de compétitivité, Le modèle économique des sociétés, Les sources du financement : la dette et le capital, Le business plan : paramètres et modélisation, Rappel des méthodes de valorisation des sociétés.

Partie II - Financement des sociétés aux différents stades de développement :Création : business angels et capital risque - attente des intervenants, sur quels critères financent-ils les start-up ?Développement : privateequity - objectifs et fonctionnement des fonds, caractéristiques des principales places financières (New York, San Francisco, Londres), Maturité : introduction en bourse - contraintes et opportunités d'une IPO.

Partie III - Introduction aux fusions et acquisitions :Pourquoi les sociétés fusionnent-elles : synergies, intérêts financiers, Les principaux acteurs internes (actionnaires, management) et externes (avocats, banques d'affaires, banques de financement, auditeurs, consultants), Enjeux de la fusion des sociétés : risques, culture, facteurs exogènes, Principales étapes d'une acquisition : identification d'une cible, approche des actionnaires, due diligence, valorisation, négociation, rôle des intervenants externes (avocats, banquiers, auditeurs, consu ltants), intégration post-fusion.

Partie IV - Cas d'une entreprise : création, développement, positionnement, écosystème, analyse financière de la société.  

Ects : 3

Enseignant responsable :
FRANCOIS PETER

Volume horaire : 24

Description du contenu de l'enseignement :

Rendement/risque d’un portefeuille. Théorie moderne de gestion d’un portefeuille. Value atRisk.

 

Analyse de performance (caractéristiques d’un portefeuille). Théorie moderne du portefeuille ; le modèle de Markowitz, CAPM. Gestion/Allocation de portefeuilles et mesures de performance. Modèles multifactoriels. Mesures de risque : Value at Risk.

Ects : 3

Enseignant responsable :
THIERRY JAILLET

Volume horaire : 24

Description du contenu de l'enseignement :

- Les différents processus qui accompagnent les méthodes de conduite de projet informatique - Rôle de la maîtrise d'ouvrage et de la maîtrise d'œuvre - Les activités de support - Exposer et développer les méthodologies de conduite de projet informatique - Conception agile : Lean, Scrum et Kanban - Rétro-conception outillée d'un système existant : impact mapping, story mapping et backlog prêt - Rétrospective méthodologique - Définition et domaines d'usage d'un ERP - Pourquoi un ERP ? Les enjeux Business - Fonctionnement d'un ERP, - Analyse et Stratégie de l'Entreprise - Critères de choix d'un ERP, - Organisation du projet et facteurs clés du succès - Développement de la solution, test de la solution, mise en production de la solution - Évaluation de la solution.  

Pré-requis obligatoire :

UML

Compétences à acquérir :

Ce cours vise à développer les compétences nécessaires en matière de lancement, planification, et gestion de projets de manière efficace ainsi qu’à la consolidation des notions de conception et de modélisation et de leur intégration dans une démarche agile.

Ects : 3

Enseignant responsable :
ALI RIDHA MAHJOUB

Volume horaire : 24

Description du contenu de l'enseignement :

Le but de ce module est d'introduire certaines techniques d'optimisation pour résoudre des problèmes en finance moderne, comme les problèmes de gestion de portefeuilles, de gestion de risques ou d’évaluation de prix d’option. L’accent sera mis sur les modèles stochastiques en finance.

Introduction : Rappel de quelques techniques et modèles d’optimisation : modèles linéaires, mixtes, quadratiques, Problèmes de gestion de portefeuilles, d’évaluation de prix d’options et d’arbitrage. Modèle de Markowitz. Gestion de risque : Valeur en risque, valeur en risque conditionnelle, Optimisation de la valeur en risque conditionnelle. Optimisation robuste en finance : Sélection de portefeuille robuste sur plusieurs périodes, Profit robuste dans un portefeuille risqué, Sélection de portefeuille robuste, Robustesse relative dans la sélection d’un portefeuille. Modèles stochastiques : Gestion actif-passif, Gestion des dettes, Evaluation des prix d’options, Estimation de la volatilité.  

Ects : 1.5

Enseignant responsable :
PHILIPPE MAZARS

Volume horaire : 12

Description du contenu de l'enseignement :

Ce projet consiste à développer un système d’acquisition de données financières présentes publiquement sur le Web (i.e., cours de bourse, taux de change, taux d’intérêts), à les intégrer dans un entrepôt de données (éventuellement XML), et à implanter quelques tâches d’analyse sur les données de l’entrepôt.

Exemple de projet : Interrogation des historiques de NAV de fonds et de taux ainsi que des données statiques sur les fonds, benchmark, société de gestion etc. Calcul des indicateurs sur les fonds et leur benchmark comme les volatilités historiques, les rendements glissants, le ratio de sharpe et le ratio d'information. Génération à partir de la base XML des reportings sur les fonds sous EXCEL ou plus simplement sous un nouveau format XML.

Ects : 1.5

Volume horaire : 12

Description du contenu de l'enseignement :

Ce projet consiste à développer un système de manipulation de données financières.

Ce projet, sous forme de TP, consiste à travailler avec l’application Reuters (3000 Xtra) ou Bloomberg afin de manipuler et comprendre les données financières à travers un logiciel incontournable en finance des marchés.

Description du contenu de l'enseignement :

Il s'agit d'implémenter sur Python des problèmes classiques en finance. En particulier:

Calibration et implémentation du modèle de Black et Scholes, calcul de la volatilité implicite.

Gestion de portefeuille: calcul de portefeuilles optimaux, frontière efficiente.

Sur-réplication de payoff Européens sans probabilité de risque neutre à partir d'un historique.

Calcul de mesures de risques (VAR, CVAR).

Pré-requis recommandés :

Théorie des probabilités, connaissance en programmation, connaissance en finance générale.

Pré-requis obligatoire :

Cours "Finance de marché 1" du premier semestre et cours "Gestion de portefeuille".

Compétences à acquérir :

Savoir comprendre et implémenter des modèles en finance.

Mode de contrôle des connaissances :

Examen terminal.

Bibliographie-lectures recommandées

Le cours se suffit à lui même.

Ects : 3

Enseignant responsable :
DARIO COLAZZO
BENJAMIN NEGREVERGNE
MOHAMMAD AMIN FARVARDIN

Volume horaire : 24

Description du contenu de l'enseignement :

Le cours a pour objectif d'apprendre aux étudiants les aspects fondamentaux des technologies Big Data pour la gestion et analyse de données massives. Le cours s’articule en trois parties. Dans la première, l’accent est sur le paradigme MapReduce et le système Hadoop, avec un focus sur son système de fichiers HDFS. Le cours illustrera les mécanismes de base de Hadoop pour le support de l'exécution parallèle de ‘dataflow’ MapReduce sur des clusters de machines. Une attention particulière sera donnée aux aspects algorithmiques et d’optimisation de dataflow MapReduce. La deuxième partie présentera des langages de requête et d’analyse de données caractérisés par des mécanismes de haut niveau et qui sont compilé sur MapReduce. Le focus sera sur Hive, permettant du traitement de données via SQL. Des techniques de compilation de SQL vers MapReduce seront présentées. La troisième partie sera consacrée à des évolutions de Hadoop, et en particulier au système Spark et au langage de support Scala. Le focus sera sur l’architecture de Spark, la notion de RDD, l'évaluation lazy de transformations et actions sur des collections distribuées RDD. Les notions apprises seront mises en pratique dans un projet où les étudiants devront concevoir un dataflow pour l’analyse de grands volumes de données. L'implémentation sera faite tant en MapReduce qu’en Spark, et une analyse expérimentale sera effectuée pour comparer les performances des deux implémentations.

Compétences à acquérir :

Savoir concevoir des applications pour le tratement efficace de données massives.

Mode de contrôle des connaissances :

CC et Projet

Ects : 3

Enseignant responsable :
FRANCOISE DE FILIPPIS

Volume horaire : 24

Description du contenu de l'enseignement :

Cours par niveau

Ects : 3

Enseignant responsable :
MOULOUD MENCEUR

Volume horaire : 24

Description du contenu de l'enseignement :

Introduction aux microservices, constituant un paradigme d'architecture logicielle visant décomposer une système applicatif en une suite de services indépendants et découplés. Ce type d'architecture a émergé de la nécessité de construire des systèmes applicatifs à l’échelle du Web, c'est à dire continuellement évolutifs avec des niveaux de performance et de résilience jamais atteints.

- Les concepts et les enjeux des architectures microservices : * Enterprise-scale IT à Web-scale IT (Cloud : IaaS, Paas, Saas, agilité, scalabilité horizontale, "design for failure"....) * Architectures SOA traditionnelle versus Microservices * Décomposition d'une application monolithique en microservices

- Les technologies et les pratiques de développements associées * Architecture REST, API * Microservices patterns * Conteneurisation des applications (Docker, Kubernetes,...) * Supervision et traces (Elastic Stack,...)

Mise en oeuvre dans le cadre d'un projet Java avec Spring Boot, Spring Cloud

Ects : 3

Enseignant responsable :
JULIEN LESCA

Volume horaire : 24

Description du contenu de l'enseignement :

Le langage C++ est actuellement le 3e langage de programmation le plus utilisé au monde(TIOBE Programming Community Index). Ce cours est destiné en priorité aux étudiants débutants en programmation C++. Classes et objets (constructeurs/destructeur, Propriétés des méthodes, Surcharge des opérateurs, Objet membre) Héritage (simple, multiple, virtuel) Patron de fonctions et Patron de classes Pré requis : Langage C et programmation orientée-objet

Compétences à acquérir :

Former les étudiants à la programmation orientée-objet en C++.

Ects : 3

Enseignant responsable :
ISABELLE QUINIO

Volume horaire : 24

Description du contenu de l'enseignement :

Ce cours vise à faire comprendre le contexte de management dans les organisations, et favoriser l'intégration des futurs diplômés dans toute organisation avec des outils concrets et ayant fait leur preuve. Travailler le savoir-être qui est un vernis indispensable pour réussir dans le monde du travail.

Compétences à acquérir :

Comprendre le contexte de management des organisations Préparer les futurs diplômés à la prise de fonction d’un poste en management Acquérir des outils concrets pour animer une équipe Introduire les notions de gestion du changement Travailler la prise de parole et les présentations

Ects : 3

Enseignant responsable :
MICHEL ZAMFIROIU

Volume horaire : 24

Description du contenu de l'enseignement :

La nouvelle économie met à rude épreuve les équipes des projets informatiques. L'instabilité notoire des spécifications et le raccourcissement des délais de livraison imposent une amélioration drastique de la réactivité et de la productivité du développement, sans tolérer pour autant une quelconque négligence en matière de stabilité et d'évolutivité des applications déployées. Les méthodologies dites "agiles" tentent de répondre à ces exigences, en adoptant un investissement minimaliste et prônant des résultats tangibles et fréquents, par opposition aux méthodologies classiques qui - tout en imposant des organisations coûteuses - n'arrivent plus à prouver leur efficacité dans ces conditions extrêmement dynamiques. Ce cours propose un panorama des méthodes et techniques efficaces applicables dès les projets de petite taille, y compris pour assurer la traçabilité complète entre les besoins et les composants techniques en continue évolution. Les étudiants pourront les mettre en œuvre avantageusement, preuve comprise, aussi bien pour leurs projets pédagogiques qu'industriels, une fois dans l'entreprise.

• Introduction. Evolution des modèles du cycle de vie des projets. Manifeste agile: valeurs et principes.
• Offre des méthodologies agiles : XP, Scrum, FDD, Kanban, Lean, etc.
• eXtremeProgramming : cycle de négociation, métaphore & storytelling, développement piloté par les tests, refactoring permanent, etc.
• Gestion des exigences et de configuration logicielles. CMMi vs agile.
• Zoom sur le testing automatique fonctionnel : Behaviour Driven Developement en Gherkin avec Cucumber.
• Modélisation, patterns agiles, stratégies et styles architecturaux agiles: Design Patterns, Analysis Patterns, Metapatterns, Hexagonal, CQRS, DDD.
• Techniques encourageant l'agilité : RAD, AOP, Assemblage de composants, MDA, métriques & audits, EventModeling, Impact et StoryMappi ng.

Illustrations en Java et Python, tout au long du cours.

Pré-requis recommandés :

Expérience en conception et programmation orientée-objet.

Pré-requis obligatoire :

Avoir des connaissances de programmation Java ou Python et de conception orientée-objet.

Compétences à acquérir :

• Découvrir, comprendre et appliquer les principes et les pratiques agiles les plus efficaces.
• Collaborer en équipe pour atteindre rapidement un objectif fonctionnel ou technique.
• Renforcer les compétences de spécification, conception, planification, communication, développement et tests automatisés.
• Fournir des résultats tangibles et fréquents, avec le sourire

Mode de contrôle des connaissances :

Projet évolutif avec soutenance validant les connaissances individuelles acquises.

Bibliographie-lectures recommandées

Agile Ownership in a nutshell (vidéo) — youtu.be/502ILHjX9EE Scrum and XP from the Trenches — leanagiletraining.com/wp-content/uploads/2020/03/Scrum-and-XP-from-the-Trenches-2nd-edition.pdf The Pragmatic Programmer — pragprog.com/titles/tpp20/the-pragmatic-programmer-20th-anniversary-edition/ Le blog de Martin Fowler — martinfowler.com Le manifeste agile — agilemanifesto.org Extreme programming: a gentle introduction — www.extremeprogramming.org The Scrum Guide — www.scrum.org/resources/scrum-guide

Ects : 1.5

Enseignant responsable :
EMMANUEL LEPINETTE

Volume horaire : 12

Description du contenu de l'enseignement :

Ce cours projet traite du problème d’implémentation des modèles de valuation des produits dérivés financiers.

Il s’agira de mettre en application les modèles de pricing présentés en finance de marché. Ce cours-projet abordera tout particulièrement la méthode de Monte-Carlo et son implémentation en Python afin d'évaluer des options Européennes et Asiatiques dans des modèles à volatilité locale.

Pré-requis obligatoire :

Cours de finance de marché.

Compétences à acquérir :

Programmation en Python des méthodes de pricing vues dans le cours Finance de Marché.

Mode de contrôle des connaissances :

Contrôle sous la forme d'un TP.

Ects : 1.5

Enseignant responsable :
JOSE LUU

Volume horaire : 15

Description du contenu de l'enseignement :

Ce cours est essentiellement un projet visant à réaliser concrètement le développement et l’intégration de composants logiciels dans un outil existant. Les exemples seront choisis dans le domaine financier et permettront d’illustrer en pratique l’intérêt de la programmation par composant, et son application au domaine applicatif du Master IF. Exemple : Développement d'une application VBA Excel / Addin C++ de construction et d'utilisation d'une courbe de taux à partir d'inputs bien définis dans une feuille Excel. L'API c++ devra proposer plusieurs services :Récupération des courbes zéro-coupons & forward et Calcul (avec interpolation) d'un point donné dans une courbe  

Ects : 3

Enseignant responsable :
MAUDE MANOUVRIER

Volume horaire : 24

Description du contenu de l'enseignement :

Le cours a pour objectif d'apprendre aux étudiants les aspects fondamentaux des différents types bases de données qu’elles soient basées sur le SQL, le NoSQL (Not Only SQL) ou récemment le NewSQL.

Le cours s’articule en trois parties. Dans la première partie, l’accent est mis sur les bases de données relationnelles : leurs avantages et leurs inconvénients, ainsi que la correspondance objet-relationnel (Object-Relationnel Mapping -ORM) avec la norme JPA.

La deuxième partie présentera les différents modèles noSQL (clé-valeur, document, graphe), les notions de disponibilité et de partitionnement à la cohérence (propriétés BASE, théorème CAP), les différents systèmes NoSQL (Redis, MongoDB, Cassandra, Neo4j, ...), les avantages et les inconvénients du NoSQL.

La troisième partie sera consacrée aux bases NewSQL : leur définition et leurs caractéristiques, les nouvelles architectures et la notion de DBaaS (Database as a service), leurs avantages et leurs inconvénients.

Les notions apprises seront mises en pratique dans le cadre de TP (sur Redis, Cassandra, MongoDB et Neo4j) et d'un projet où les étudiants devront manipuler différents types de bases de données afin de les comparer.  

Pré-requis recommandés :

Programmation Java (pour la norme JPA)

Pré-requis obligatoire :

Bases de données relationnelles, SQL.

Compétences à acquérir :

Compréhension des modèles NoSQL, modélisation des bases de données en SQL et NoSQL, norme JPA.

Mode de contrôle des connaissances :

Cette UE est évaluée par un projet (50%) et un examen (50%)

Bibliographie-lectures recommandées

P. J. Sadalage et M. Fowler (2013). NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Addison Wesley R. Bruchez (2015). Les bases de données NoSQL et le Big Data. Eyrolles G. Harrison (2015), Next Generation Databases, NoSQL, NewSQL and Big Data, Apress

Description du contenu de l'enseignement :

Réaliser en groupe un projet de communication : site web, communication réseaux sociaux, conception de supports de communication, promotion sur salons et forums online et offline.

Compétences à acquérir :

Familiariser les étudiants aux méthodes de communication dans le cadre d’un projet concret et leur apprendre les bases de la communication en entreprise (oral et écrit, online et offline).

Mode de contrôle des connaissances :

Notes sur livraison des projets

Ects : 9