Ingénierie Statistique et Financière - 2e année de Master

Le programme de la formation

Pré-rentrée

  • Analyses factorielles
  • Modèles linéaires
  • Calculs stochastiques

Bloc Fondamental S3

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

Bloc Complémentaire "voie Finance" S3

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

Bloc Complémentaire "voie Sciences des données" S3

  • Apprentissage statistique
  • Méthodes actuarielles pour l’assurance
  • Gestion de données massives avec Hadoop et Spark
  • Apprentissage non supervisé - Clustering
  • Cybersécurité

Bloc Fondamental S4

  • Communication
  • Culture financière et de l'assurance II
  • Data project
  • Deep learning avec Python
  • Natural Language Processing (NLP)
  • Clustering en pratique

Bloc Complémentaire "voie Finance" S4

  • 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" S4

  • Cybersécurité
  • Méthodes actuarielles pour l’assurance
  • Enjeux et modélisation des risques climatiques
  • Cybersécurité en pratique
  • Advanced machine learning
  • Data quality
  • Apprentissage statistique et Monte-Carlo accéléré pour le calcul du SCR en assurance vie
  • Séries temporelles et applications actuarielles
  • Commodity markets
  • Structured products
  • Trading algorithmique

Bloc Complémentaire "voie Sciences des données" S4

  • Enjeux et modélisation des risques climatiques
  • Machine learning - Théorie et algorithme
  • Estimation non paramétrique
  • Cybersécurité en pratique
  • Data quality
  • Advanced machine learning

Bloc Optionnel "voie Sciences des données" S4

  • Introduction à l'apprentissage supervisé
  • Gestion des risques et construction de portefeuille
  • Gestion Actif-Passif et Modélisation ALM (dans le cadre de la Solvabilité 2)
  • Initiation à VBA pour Excel
  • Pratique de Bloomberg
  • Calibration de Modèles
  • Séries temporelles et applications actuarielles
  • Risque de crédit
  • Activités de marché d'une banque d'investissement
  • Reinforcement learning

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 S3

  • 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 et Crypto Finance : new era of financial services
  • SAS, R et Python

UE complémentaires voie QRF S3

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

UE fondamentales S4

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

UE complémentaires voie QRF S4

  • Modélisation stochastique des courbes de taux
  • Implémentation de modèles multivariés en finance et assurance

UE complémentaires voie MDB S4

  • 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

Le stage de 3 mois est conçu pour :

  • Développer les capacités d'adaptation, d'initiative et d'innovation dans un environnement professionnel,
  • Contribuer à la formation de l'étudiant aux méthodes de résolution des problèmes de l'entreprise : analyse des problèmes, recherche de solutions, mise en œuvre informatique à l'aide des outils de l'entreprise, communication des résultats.

Les stages peuvent commencer dès le 1er avril. Il est conseillé aux étudiants de choisir un stage d'une durée supérieure à 3 mois (6 mois par exemple).   Les étudiants sont responsables de la recherche de leur stage. Le sujet doit être approuvé par le responsable des stages du département dans lequel l'étudiant est inscrit et une convention de stage doit être signée. Le stage peut se dérouler en France ou à l'étranger. Chaque stage est encadré par un maître de stage dans l'entreprise et évalué par un jury universitaire sur la base d'un mémoire écrit et d'une soutenance orale.   Sous réserve de l'accord du responsable du master, les étudiants salariés peuvent remplacer le stage en entreprise par un rapport d'activité professionnelle, qui est validé selon les mêmes modalités qu'un stage. Le département informe les étudiants des offres de stage qu'il reçoit.