Ingénierie Statistique et Financière - 2e année de Master

Le programme de la formation

Pré-rentrée

Bloc Fondamental S1

  • Trouver son poste sur le marché
  • Machine learning en Python
  • Méthodes pour la régression et la classification
  • Anglais de la communication I
  • Modèles stochastiques en finance
  • Méthodes actuarielles pour l’assurance
  • Langage SQL
  • Visualisation des données avec R
  • Culture financière et de l’assurance I
  • Anglais

Bloc Complémentaire "voie Finance" S1

  • Introduction à l’assurance
  • Calculs stochastiques
  • Gestion des risques et construction de portefeuille
  • Modèles de taux d'intérêt
  • Initiation à VBA pour Excel
  • Pratique de Bloomberg
  • Gestion Actif-Actif & Modélisation ALM (dans le cadre de la Solvabilité 2)

Bloc Complémentaire "voie Sciences des données" S1

  • Introduction à C++
  • Apprentissage statistique
  • Estimation non paramétrique
  • Reinforcement learning
  • Présentation juridique et technique des principales branches de l'assurance IARD

Bloc Fondamental S2

  • Anglais de la communication II
  • Communication
  • Culture financière et de l'assurance II
  • Data project
  • Deep learning avec Python
  • Natural Language Processing (NLP)

Bloc Complémentaire "voie Finance" S2

  • Calibration de Modèles
  • Gestion globale des risques : VAR
  • Méthodes numériques en finance
  • Risque de crédit
  • Activités de marché d'une banque d'investissement

Bloc Optionnel "voie Finance" S2

  • Introduction à l’apprentissage supervisé
  • Introduction à C++
  • Apprentissage non supervisé - Clustering
  • Machine learning - Théorie et algorithmes
  • Enjeux et modélisation des risques climatiques
  • Gestion de données massives avec Hadoop et Spark
  • Machine learning avancé en pratique
  • Data quality en finance
  • Reinforcement learning

Bloc Complémentaire "voie Sciences des données" S2

Bloc Optionnel "voie Sciences des données" S2

  • Introduction à l’apprentissage supervisé
  • Data quality en finance
  • Calibration de Modèles
  • Méthodes numériques en finance
  • Risque de crédit
  • Activités de marché d'une banque d'investissement
  • Initiation à VBA pour Excel
  • Pratique de Bloomberg
  • Gestion Actif-Actif & Modélisation ALM (dans le cadre de la Solvabilité 2)

Bloc Mémoire

Formation année universitaire 2024 - 2025 - sous réserve de modification

Modalités pédagogiques

Les études ont une durée d’un an. Le master comporte 400 heures d’enseignement environ, comptant pour 48 ECTS, et un stage obligatoire en entreprise d’une durée minimale de 3 mois, comptant pour 12 ECTS. La présence est obligatoire.

UE Fondamentales S1

  • Processus Stochastiques
  • Méthodes actuarielles
  • Introduction à l'assurance vie et non vie
  • Solvabilité II
  • Méthodologie en gestion globale des Risques : VAR
  • Anglais des affaires
  • Introduction à l’apprentissage supervisé
  • Méthodes pour les modèles de régression
  • Introduction au Machine learning
  • Deep learning
  • Decentralized & Crypto Finance
  • SAS, R et Python

UE complémentaires voie QRF S1

  • Statistiques et dynamique des produits dérivés
  • Modélisation stochastique du risque de crédit

UE Fondamentales S2

  • Pratique des options
  • Culture Financière et pratique de Bloomberg
  • Python et pratique de la Data Science

UE complémentaires voie QRF S2

  • Modélisation stochastique des courbes de taux
  • Application des Copules en Finance et Assurance

UE complémentaires voie Modélisation et Big Data S2

  • Recent Advances in Data Sciences
  • Data Science for Business
  • Renforcement Learning
  • Machine Learning, Transformeret NLP

Conduite de projets et mémoire

  • Conduite de projet et Mémoire

Formation année universitaire 2024 - 2025 - sous réserve de modification

Modalités pédagogiques

La formation démarre en septembre. Le rythme d'alternance est de 3 jours en entreprise et 2 jours à l'université.


Stages et projets tutorés

The 3-month internship is designed to :

  • Develop the ability to adapt, take initiative and innovate in a professional environment,
  • Contribute to the student's training in corporate problem-solving methods: problem analysis, search for solutions, computer implementation using corporate tools, communication of results.

Internships can start as early as April 1. Students are advised to choose an internship lasting longer than 3 months (6 months, for example).   Students are responsible for finding their own internship. The subject must be approved by the person in charge of internships in the department in which the student is enrolled, and a "convention de stage" (internship agreement) must be signed. The internship can take place in France or abroad. Each internship is supervised by an internship supervisor at the company, and assessed by a university jury on the basis of a written dissertation and an oral presentation. The internship is not validated if the grade is less than 12/20.   Subject to the agreement of the Master's supervisor, salaried students may replace the company internship with a professional activity report, which is validated according to the same procedures as an internship. The department informs students of any internship offers it receives.