ISF PARCOURS CLASSIQUE

Transcription

1 Département MIDO Master MIDO Mention : Mathématiques de la modélisation et de la décision Mathématiques appliquées (MMD-MA) Spécialité : Ingénierie Statistique et Financière ISF PARCOURS CLASSIQUE Responsable : Vincent RIVOIRARD Secrétariat : Judith NTSAME Courriel : judith.ntsame@dauphine.fr Bureau : B Tel :

2 2

3 SOMMAIRE LES OBJECTIFS DU MASTER 2 ISF CLASSIQUE Les métiers 5 Partenariats 5 PRESENTATION GENERALE MODALITES DE FONCTIONNEMENT Conditions d admission 6 Conditions de validation du diplôme 7 Les stages en entreprise 7 Les prérequis 8 Les cours 9 LE CORPS ENSEIGNANT LES PROGRAMMES Tronc commun 13 Bloc optionnel Statistique 20 Bloc optionnel Finance 25 CONTACTS ET AUTRES RENSEIGNEMENTS

4 4

5 LES OBJECTIFS DU MASTER 2 ISF CLASSIQUE Le master 2 Ingénierie Statistique et Financière par la voie classique (ISF classique) prépare à des emplois de niveau bac + 5 nécessitant l utilisation des mathématiques appliquées en lien avec les besoins des entreprises en statistique et en finance. Il offre aux étudiants une formation solide leur permettant une insertion professionnelle rapide dans les métiers de l industrie des services. Le master 2 ISF Classique offre deux parcours : un parcours statistique et un parcours finance. Il s'adresse aux titulaires d un diplôme de master 1, aux diplômés d'écoles d'ingénieurs ainsi qu'aux cadres d'entreprises recherchant à l'université une formation approfondie en méthodes quantitatives. L'accent est mis sur la formation professionnelle avec le concours de praticiens issus du monde de l entreprise, et sur la connaissance de l'entreprise par l'intermédiaire de stages. Les métiers Le master a pour objectif de former des cadres d'entreprise : - possédant une bonne maîtrise des méthodes quantitatives, de la modélisation mathématique et statistique et de l outil informatique, - capables d'analyser un problème, de proposer et conduire à son terme une solution, en prenant en charge le traitement numérique et informatique, - formés aux techniques spécifiques de l industrie des services (études économiques, marketing, gestion de la production, contrôle de la qualité, finance, assurance, etc ). Les débouchés du Master ISF classique sont variés, comme l illustre la liste (non exhaustive) suivante d exemples de métiers exercés par les anciens étudiants du M2 ISF : chargé d études statistiques, ingénieur statistique, chargé d études marketing, consultant scoring, analyste financier, ingénieur financier, gestion ou contrôleur des risques financiers, trader, auditeur, ingénieur en modélisation financière, gérant de portefeuille, gestion actif/passif, ingénieur actuaire, etc Partenariats Le M2 ISF classique a signé une convention de partenariat avec la Fondation du Risque, fondation reconnue d utilité publique, et agissant dans le cadre de la convention de partenariat de la Chaire Internationale d enseignement et de recherche : «Les particuliers face au risque : Analyse des risques et Réponse des marchés». Cette chaire est parrainée par GROUPAMA. D autres partenariats ont été signés avec AXA, Reuters, Aptimum et Sanofi-Aventis. 5

6 PRESENTATION GÉNÉRALE Les études ont une durée d un an. Le master comporte 400 heures d enseignement environ, pour 48 ECTS, et un stage obligatoire en entreprise d une durée minimale de 3 mois, pour 12 ECTS. L enseignement est partagé en trois blocs : - un bloc d enseignements de tronc commun de 220 heures environ - un bloc d enseignements optionnels statistique - un bloc d enseignements optionnels finance Le parcours statistique est composé du bloc d enseignements de tronc commun obligatoires, soit 28 ECTS et des enseignements du bloc optionnel statistique pour 20 ECTS. Le parcours finance est composé du bloc d enseignements de tronc commun obligatoires, soit 28 ECTS et des enseignements du bloc optionnel finance pour 20 ECTS. Selon les conditions de leur admission, les étudiants peuvent avoir l obligation de suivre et valider des enseignements de troisième année de Licence MIDO ou de première année de master MIDO de l Université Paris-Dauphine, ou au contraire peuvent obtenir des équivalences. Les étudiants salariés admis dans la spécialité ont la possibilité d effectuer leur cursus en deux ans. La moitié des enseignements est commune avec la Spécialité Actuariat et/ou du parcours apprentissage du master ISF du domaine MIDO. Les intervenants sont des universitaires et des praticiens venant de l industrie ou du secteur tertiaire. Environ la moitié du volume horaire est assurée par des professionnels. LES MODALITÉS DE FONCTIONNEMENT Les conditions d admission Peuvent postuler les étudiants titulaires d une licence de mathématiques appliquées et de 60 ECTS d une première année de master de mathématiques appliquées avec des connaissances suffisantes en statistique et/ou finance, d un diplôme d ingénieur, ou de titres équivalents. Les admissions sont décidées par une Commission Pédagogique d Admission composée d enseignants de l Université Paris Dauphine et de personnalités extérieures. L examen des dossiers peut inclure des 6

7 entretiens oraux avec les candidats. Les étudiants souhaitant s inscrire dans le master doivent déposer un dossier de candidature avant la date limite fixée par le Département MIDO. Les conditions de validation du diplôme Chaque enseignement donne lieu à une note. Pour obtenir le master 2 Ingénierie Statistique et Financière par la voie classique, l étudiant doit obtenir 60 ECTS. - Une moyenne supérieure ou égale à 10 sur 20 dans le bloc des enseignements de tronc commun obligatoires donne lieu à l attribution de 28 ECTS. - Une moyenne supérieure ou égale à 10 sur 20 dans le bloc d enseignements optionnels statistique. ou dans le bloc d enseignements optionnels finance, donne lieu à l attribution de 20 ECTS. - Le stage est validé avec une note de 12 sur 20 minimum, et donne lieu à l attribution de 12 ECTS. - Toute note inférieure à 4 est éliminatoire. Les modalités d attribution des notes et de calcul des notes finales sont publiées par le Département MIDO avant la fin du premier trimestre universitaire. Tout étudiant ajourné à la première session peut se présenter à un examen d appel dans chacun des enseignements où il n a pas obtenu la moyenne. Dans ce cas, la note finale est celle de ce dernier examen. Le stage en entreprise Le stage obligatoire en entreprise, d une durée minimale de 3 mois, a pour objectif de : - développer les capacités d adaptation, d initiative et d innovation dans un milieu professionnel, - contribuer à la formation de l étudiant aux méthodes de résolution de problèmes en entreprise : analyse du problème, recherche de solutions, mise en œuvre informatique avec les outils de l entreprise, communication des résultats. Le stage peut commencer à partir du premier avril. Il est recommandé aux étudiants de choisir un stage d une durée supérieure à 3 mois (6 mois par exemple). La recherche du stage incombe à l étudiant. Le sujet doit être approuvé par le responsable de la Spécialité et donne lieu à la signature d une «Convention de Stage». Le lieu du stage peut être en France ou à l étranger. Chaque stage est suivi par un Maître de stage dans l entreprise et évalué par un jury universitaire sur la base d un rapport écrit et d une soutenance orale. Le stage n est pas validé lorsque la note est inférieure à 12/20. 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 7

8 selon les mêmes procédures qu un stage. Le Département informe les étudiants des offres de stages qu elle reçoit. Les prérequis Le niveau recommandé est celui d une première année de master de mathématiques appliquées avec une formation de base en statistique (analyse des données, inférence statistique, modèle linéaire), et en informatique (usage courant d un PC, bureautique, programmation, logiciels type SAS, SPAD, Matlab, etc., connaissance élémentaire des bases de données relationnelles). Des connaissances de base en finance sont demandées pour le parcours finance (mathématiques financières, notions de finance d entreprise et de marché, théorie du portefeuille, produits dérivés). Le niveau recommandé en probabilité et statistique est celui d ouvrages comme : A.M. Mood et F.A. Graybill et D.C. Boes «Introduction to the Theory of Statistics, 3rd edition», McGraw Hill G. Saporta «Probabilités analyse des données et statistique», Technip Ph. Tassi et S. Legait «Théorie des probabilités en vue des applications statistiques», Technip Le niveau recommandé pour le parcours finance est celui d ouvrages comme : Chazot, C., Claude, P., Les swaps : concepts et applications, Paris, Economica, Hull, J., Options, futures, and other derivatives, Prentice Hall, Poncet, P., Mathématiques financières, Dalloz, Simon, Y., D. Lautier, Marchés dérivés de matières premières et gestion du risque de prix, Paris, Economica, Viviani, J.L., Gestion de portefeuille, Dunod, Sharpe, W.F., Investments, Prentice Hall, La Commission Pédagogique d Admission peut admettre des candidats dont les dossiers ne satisfont pas aux conditions de prérequis. Dans ce cas les étudiants admis ont l obligation de suivre et valider des enseignements précisés par la Commission, en troisième année de licence MIDO ou en première année de Master MIDO de l Université Paris Dauphine. 8

9 Les cours Le bloc d enseignements de tronc commun comporte 10 cours, chaque bloc optionnel statistique ou finance comporte 7 ou 8 cours. La durée standard d un enseignement est 21 heures, mais certains cours peuvent avoir une durée supérieure ou inférieure. Certains enseignements peuvent être assurés par plusieurs enseignants ou faire appel à des conférenciers. Les horaires et salles sont affichés sur le panneau réservé à la spécialité, dans le couloir du secrétariat du Département MIDO (5 ème étage côté Bois). Ce panneau est également utilisé pour diffuser les informations relatives à la vie de la spécialité : modification de salle ou d horaire, venue d un conférencier, offre de stages, etc. 9

10 LE CORPS ENSEIGNANT ET LES ENSEIGNEMENTS Fadoua BALABDAOUI, Maître de Conférences, Université Paris Dauphine Tests statistiques Cassandra BARTLETT, Maître de conférences, Université Paris Dauphine Anglais Jérôme BELLANGER, Gérant et Directeur d'études, Cabinet d'études qualitatives, JBC Marketing, de la théorie à la pratique Imen BEN TAHAR, Maître de Conférences, Université Paris Dauphine Processus stochastiques et EDP, Métiers de la finance et projet professionnel Patrice BERTRAND, Maître de Conférences, Université Paris Dauphine Analyse des données et scoring, Méthodes de classification Pascal BIZZARI, Responsable du pôle Datamining et crm chez Capmarket - Groupe Avisia Data Mining pour la relation client et le Marketing Olivier CARLES, ingénieur d'études et développements informatiques, Ville de Limoges C++ Thierry CEMBRZYNSKI, Ingénieur, Direction de la Validation des processus industriels, Renault Utilisation du logiciel SAS Mabrouk CHETOUANE, Economiste à la banque de France Econométrie de la finance et application à la gestion d Actifs 10

11 Claude CONSTANT, Training Manager, ALSTOM Industrial Quality Focus Contrôle de la qualité Laurence de CREMIERS, Maître de Conférences, Conservatoire National des Arts et Métiers Séries temporelles Geoffroy DELION, Directeur des Ressources Humaines, WINTER & Associés Trouver son poste sur le marché Didier FAIVRE, Consultant en finance, Crédit Agricole CIB Méthodes numériques en finance Sébastien FAIVRE, Administrateur, INSEE Théorie des sondages Matthieu GENISSON, Analyste ALM & opérations de marchés, Crédit Agricole Ile de France Initiation à VBA pour excel Sandrine HENON, Professeure agrégée à l Université Paris Dauphine Modèles de taux d intérêt Enrique IGUZQUIZA, Consultant en finance (NEXEO) Gestion globale des risques Var Witold LITWIN, Professeur, Université Paris Dauphine Bases de données pour la statistique Fabien MARCHESE, Commissaire Contrôleur des Assurances, Autorité de contrôle prudentiel Introduction aux méthodes mathématiques de l assurance 11

12 Florent OMNES, Ingénieur Financier, CPR Risque de crédit Olivier QUELIER, Journaliste Conduite de projet de communication Vincent RIVOIRARD, Professeur, Université Paris Dauphine Méthodes pour les modèles de régression Walter SCHÖN, Professeur, Centre de Recherches HEUDIASYC, Université de Technologie de Compiègne Sûreté de fonctionnement Mireille SUMMA, Maître de Conférences, Université Paris Dauphine Utilisation du logiciel SPAD Daniel THELL, Ingénieur Financier et Trader, AXA Méthodes numériques en finance Gabriel TURINICI, Professeur, Université Paris Dauphine Gestion de risque et construction de portefeuille 12

13 LES PROGRAMMES TRONC COMMUN Initiation à VBA pour Excel Trimestre : 1 er trimestre Volume horaire : 9 heures Nombre d ECTS : 1 Responsable du cours : Matthieu GENISSON Statut : obligatoire Objectif de l'enseignement : Fournir les bases de la programmation en VBA pour Excel Contenu de l enseignement : Présentation et manipulation des principaux objets VBA et Excel. Interaction VBA avec Excel. Possibilité de présenter l'interface avec R. (librairie RExcel) Bibliographie : VB & VBA in a nutshell, Paul Lomax Nature et méthodes d enseignement : TD en salle machine Mode d évaluation : projet Trouver son poste sur le marché Trimestre : 1er trimestre Volume horaire : 6 heures Nombre d ECTS : 0 Responsable du cours : Geoffroy DELION Statut : obligatoire Objectif de l'enseignement : ce cours a pour objectif de présenter les principales options possibles de métiers sur le marché en sortant du master ISF et de présenter un certain nombre d outils nécessaires à la construction d un projet de carrière personnel et identifié. Contenu de l'enseignement. Présentation générale du champ des possibles en termes d acteurs sur le marché et en terme de type de métier à la sortie du Master 2 ISF. Approche par les compétences et qualités demandées des différents métiers tout en proposant les questions à se poser par rapport à son approche personnelle. Présentation et restitution d outils de personnalité / gestion de carrière (possibilité de faire l autoévaluation par internet entre les deux cours de 2 fois trois heures) pour valider les éventuels choix qui se dessinent aux étudiants. Présentation de CV et lettre de motivation et ainsi que la préparation et l exécution des entretiens d embauche (écueils à éviter et questions à poser, exemples d entretien etc ). Nature et méthode d'enseignement : cours magistral Pré-requis : Aucun 13

14 Mode d'évaluation : Projet Personnel Bibliographie : Cours construit sur une approche et une constatation pragmatique du terrain, Deviens qui tu es (Pierre Cauvin) ; Développement personnel et professionnel par JC Durieux ; ABC de l Ennéagramme Par Eric Salem ; L analyse transactionnelle par René de Lassus ; Ces gestes qui vous trahissent par Joseph Messinger ; Les quatres accords Tolthèques par Miguel Ruiz Méthodes pour les modèles de régression Trimestre : 1 er trimestre Volume horaire : 21 heures Nombre d ECTS : 3 Responsable du cours : Vincent RIVOIRARD Statut : obligatoire Objectif de l'enseignement : La régression statistique a pour but - d estimer les paramètres entrant en jeu dans un modèle - de prédire les valeurs que peuvent prendre des observations - de déterminer les variables qui entrent en jeu de manière fondamentale dans un problème statistique. L objectif de ce cours (et des TP associés) est de décrire et de manipuler les méthodes modernes les plus classiques de la régression afin de fournir un bagage statistique solide aux étudiants qui suivront ce cours Contenu de l enseignement : - Rappels sur le modèle et la régression linéaire, - Limitations de la régression usuelle, - Régression pas à pas, - Choix de modèles (Méthodes ascendantes et descendantes, AIC et BIC) - Régression par moindres carrés pénalisés (estimateurs bridge et lasso) - Modèles linéaire généralisés - Régression Poissonienne - Modèles logit/probit - Régression non-linéaire (polynômes locaux, ondelettes) - Régression PLS et CART Bibliographie : - P.A. Cornillon et E. Matzner-Lober : Régression : Théorie et applications - P.A. Cornillon et E. Matzner-Lober : Régression avec R: Régression - G. Saporta : Probabilités, analyses des données et statistiques - M. Tenenhaus : Statistique : Méthodes pour décrire, expliquer et prévoir Nature et méthodes d enseignement : cours magistral et TP sous R Mode d évaluation : examen final 14

15 Séries temporelles Trimestre : 1 er trimestre Volume horaire : 27 heures Nombre d ECTS : 3 Responsable du cours : Laurence de CREMIERS Statut : obligatoire Objectif de l enseignement : théorie et pratique de l analyse des séries temporelles : modélisation et prévision..., Contenu de l enseignement : Décomposition d une série temporelle. Rappels généraux sur la théorie des processus stochastiques en temps discret, stationnarité, autocorrélations. Bruit blanc et Marche aléatoire. Les modèles ARIMA (Box et Jenkins) : modèles autorégressifs (AR), moyennes mobiles (MA), ARMA, ARIMA et SARIMA, identification, estimation et prévision. Comparaison de modèles. Applications à l aide du logiciel SAS. Bibliographie : - Gourérioux & Montfort (1995), «Séries temporelles et dynamiques», Economica - Box & jenkins (1976), «Time Series Analysis, Forecasting and Control», Holden Day - Hamilton (1994), «Time series analysis», Princeton university press; - Chatfield (1999) «The Analysis of Time Series. An Introduction.», Chapman & Hall - Makridakis (1998) «Forecasting. Methods ans Applications.», Wiley - Melard (2008) «Méthodes de prévision à court terme», Editions de l université de Bruxelles - Tenenhaus (2007) «Méthodes statistiques», Dunod - Yafee (2000), «Time series analysis with applications of SAS and SPSS», Academic Press Nature et méthodes d enseignement : cours magistral et pratique du logiciel SAS. Mode d évaluation : examen et devoirs. Tests statistiques Trimestre : 2 nd trimestre Volume horaire : 21 heures Nombre d ECTS : 3 Responsable du cours : Fadoua BALABDAOUI Statut : obligatoire Contenu de l enseignement : - Tests non séquentiels (tests classiques) : Tests d'hypothèses : Généralités, Hypothèses simples : Le lemme de Neyman-Pearson, Hypothèses composites : Le théorème de Karlin-Rubin, D'autres méthodes de construction: Test du Rapport de Vraisemblance (Likelihood Ratio Test), tests chi-deux. 15

16 - Tests séquentiels : Le test de Wald : Tests Séquentiel du Rapport de Probabilités (TSRP), Approximation des bornes d'arrêt du TSRP, Courbe d'efficacité (Operating curve), La taille moyenne de l'échantillon (Average Sample Number), Application au contrôle de qualité Bibliographie : - G. B. Wetherill : Sequential Methods in Satistics - Z. Govindarajulu : Sequential Satistics - R. Pisani D. Freedman, R. Pisani \& R. Purves& R. Purves : Statistics - G. Casella & R. L. Berger : Statistical Inference - F. Balabdaoui & O. Wintenberger (polycopi\'e) : Statistique Math\'ematique - E. L. Lehmann : Testing Statistical Hypotheses Nature et méthodes d enseignement : cours magistral Mode d évaluation : examen final Utilisation du logiciel SAS Trimestre : 1er trimestre Volume horaire : 18 heures Nombre d ECTS : 3 Responsable du cours : Thierry CEMBRZYNSKI Statut : obligatoire Contenu de l enseignement : - Module de base : les concepts fondamentaux, la lecture de données brutes, l édition et le tri de tableaux SAS. La transformation des données (codage, création de variables), les données manquantes. Le résumé des données (PROC MEANS, FREQ, UNIVARIATE). Le traitement des valeurs de date et de temps. Introduction à la gestion des tableaux SAS, stockage des tableaux SAS. Ecriture de fichiers externes (EXPORT). - Module GRAPH: graphique sur écran et imprimante (PROC GPLOT). - Module STAT: introduction à l ACP (PROC PRINCOMP) et à l analyse discriminante (PROC DISCRIM). Cet enseignement comprend la réalisation d un traitement de données. Nature et méthodes d enseignement : cours magistral et TP Mode d évaluation : projet Introduction aux méthodes mathématiques de l assurance Trimestre : 1 er trimestre Volume horaire : 21 heures Nombre d ECTS : 3 Responsable du cours : Fabien MARCHESE Statut : obligatoire Contenu de l enseignement : 16

17 Une première partie du cours est consacrée à une présentation générale de l assurance et des mécanismes statistiques de l assurance dommage. Dans la seconde partie, la plus longue, sont exposées les méthodes mathématiques de l assurance vie. Les points suivants seront abordés: - Les fonctions probabilistes de l assurance vie. - Les tables de mortalité. - Calcul des engagements de l assureur et tarification. Présentation sur quelques cas représentatifs des procédés généraux de calcul de primes pures. - Notions élémentaires sur les provisions mathématiques. Nature et méthodes d enseignement : cours magistral Mode d évaluation : examen final Processus stochastiques et EDP Trimestre : 1er trimestre Volume horaire : 30 heures Nombre d ECTS : 3 Responsable du cours : Imen BEN TAHAR Statut : obligatoire Objectif de l'enseignement : L'objectif de ce cours est d'introduire des bases du calcul stochastique et d'explorer les liens qui existent entre les processus stochastiques étudiés et certaines équations aux dérivées partielles (e.d.p). Ce lien sera exploité dans le cadre d'applications financières: tel que l'évaluation des produits dérivés ou la gestion optimale de portefeuilles financiers. Contenu : 1. Calcul stochastique - Filtrations, temps d'arrêt - Martingales en temps continu - Integrale stochastique et formule d Itô pour semimartingales continues - Applications de la formule d Itô: théorème de Lévy, représentation des martingales browniennes et théorème de Girsanov 2. Diffusions et EDP - Diffusions: existence, unicité et propriété de Markov forte - Problèmes de Dirichlet et de Cauchy, équation de Poisson - Formule de Feynman-Kac 3. Introduction au contrôle stochastique - Programmation dynamique et équation de Hamilton Jacobi Bellman - Problème de Merton Nature et méthodes d enseignement : cours magistral Mode d évaluation : Examen Gestion de risque et construction de portefeuille Trimestre : 1er trimestre Volume horaire : 21 heures Nombre d ECTS : 3 Responsable du cours : Gabriel TURINICI Statut : obligatoire 17

18 Objectif de l'enseignement : - Rappels du cadre classique: critère moyenne-variance, Markowitz, _CAPM / MEDAF - Indices, portefeuilles optimaux, beta, arbitrage, APT - Modèles incluant une dépendance du temps: théorie du contrôle, _Merton,... - Assurance du portefeuille: stop-loss, options, CPPI - Trading de volatilité, volatilité locale et calibration, formule de _Dupire - Introduction à l'allocation tactique à travers l'analyse et les _indicateurs techniques - Au delà du Markowitz: Black-Litterman et autres extensions - Autres classes d'actifs: FOREX, commodities,... Bibliographie : - JR. Portait, P. Poncet "Finance de marché" Dalloz R.B. Litterman "Mordern investment management: an equilibrium _approach", Goldman Sachs Z. Bodie, A. Kane A.J. Marcus "Investments" McGraw Hill 7th Edition J.C. Hull "Options, futures and other derivatives", Pearson Prentice _Hall 2006, 6th édition - P. Wilmott "Paul Wilmott introduces quantitative finance" John Wiley & _Sons, 2007 Nature et méthodes d enseignement : Cours magistral Mode d évaluation : Examen Conduite de projet et communication Trimestre : 1er trimestre Volume horaire : 15 heures Nombre d ECTS : 3 Responsable du cours : Olivier QUELIER Statut : obligatoire Objectif de l'enseignement : Ce cours met les étudiants en situation de conduite d un projet de communication à partir des besoins du master ISF classique. Les différents projets sont liés en particulier au site Internet, à l association, aux réseaux sociaux, aux vidéos et conférences, à l annuaire des anciens, à la participation aux salons ou aux supports de cours. En fonction de leur projet, les étudiants définissent le contexte de leur action. Ils proposent ensuite leur stratégie et les moyens de la mettre en œuvre. Suite à leur action les étudiants remettent un «Plan de communication». De manière plus générale, le cours sensibilise les étudiants aux problématiques de la communication et de l action collective dans une organisation. Mode d évaluation : projet Anglais Trimestre : 1 er et 2 nd trimestres Volume horaire : 24 heures Nombre d ECTS : 3 Responsable du cours : Cassandra BARTLETT Statut : obligatoire Contenu de l enseignement : Le but de cet enseignement est d apprendre à : - Ecrire une lettre de motivation en anglais; - Faire un CV et constituer un dossier d expérience professionnelle en anglais; 18

19 - Etre performant en anglais lors d un entretien d embauche et de façon plus générale dans la vie professionnelle; - Etre capable de comprendre des sujets d actualité à l oral et à l écrit, et d en débattre; - Préparer le TOEIC (Test Of English for International Communication). Nature et méthodes d enseignement : cours magistral Mode d évaluation : examen final 19

20 20

21 BLOC OPTIONNEL STATISTIQUE Analyse des données et scoring Trimestre : 1 er trimestre Volume horaire : 24 heures Nombre d ECTS : 3 Responsable du programme du cours : Patrice BERTRAND Statut : optionnel Contenu de l enseignement : - Rappels et compléments sur l Analyse Factorielle d un nuage de points (ACP), l Analyse des Correspondances (AFC), l Analyse des Correspondances Multiples (ACM). - Généralités sur les techniques de Scoring. Analyse Discriminante (AD) : Analyse factorielle discriminante, Analyse discriminante décisionnelle, Cas de deux groupes, Multicolinéarité, Analyse discriminante sur variables qualitatives (méthode DISQUAL, Analyse discriminante barycentrique), Analyse Discriminante Bayésienne dans le cas gaussien. - Méthodes de validation : Validation croisée et courbe ROC. - Régression logistique : Modélisation, Estimation des coefficients par le Maximum de Vraisemblance. Tests. Régression pas à pas. L ensemble de ces méthodes enseignées est illustré par des démonstrations du logiciel R sur des jeux de données réels (principalement ACP, AFC, ACM, AD linéaire et quadratique, Régression logistique). Nature et méthodes de l'enseignement : cours magistral Mode d'évaluation : examen final Utilisation du logiciel SPAD Trimestre : 2 nd trimestre Volume horaire : 18 heures Nombre d ECTS : 2 Responsable du cours : Mireille SUMMA Statut optionnel Contenu de l enseignement : - Introduction au logiciel SPAD.N. - Importation de données. - Etude des programmes: tris à plat et tris croisés, analyse en composantes principales, analyse des correspondances simples et multiples, classification, régression linéaire - Interprétation des résultats. Cet enseignement comprend la réalisation d un traitement de données. Nature et méthodes d enseignement : cours magistral Mode d évaluation : projet 21

22 Théorie des sondages Trimestre : 1 er trimestre Volume horaire : 21 heures Nombre d ECTS : 3 Responsable du cours : Sébastien FAIVRE Statut : optionnel Contenu de l enseignement : - Introduction: paramètre et estimateur, aléa de sondage, concepts de précision, base de sondage. - Echantillonnage à probabilités inégales; le cas particulier du sondage aléatoire simple. - Sondage stratifié. - Echantillonnage à plusieurs degrés; le cas particulier du sondage en grappes. - Généralités sur les redressements. - Redressement sur variables qualitatives: la technique de post-stratification sur une puis deux variables (calage sur marges). - Redressement sur variables quelconques : l estimateur par la régression. - Eléments de traitement des non-réponses. Nature et méthodes d enseignement : cours magistral Mode d évaluation : examen final Contrôle de la qualité- Sûreté de fonctionnement Trimestre : 2 nd trimestre Volume horaire : 21 heures Nombre d ECTS : 2 Responsable du cours : Claude CONSTANT et Walter SCHÖN Statut : optionnel Contenu de l enseignement : 15 heures Management de la qualité (Claude CONSTANT) : - Le système de gestion de la qualité, outil de management de la qualité dans l entreprise: ses enjeux, son organisation, les normes internationales ISO 9000 et l introduction à l assurance qualité - Présentation des différents outils et méthodes qualité utilisés comme des aides à la décision dans les phases de développement et de fabrication du produit. - Le contrôle qualité à la réception des lots. - L analyse des moyens de production et la maîtrise statistique des processus. - La méthodologie des plans d expériences dans la mise au point des processus. - Introduction à la méthodologie «Six Sigma». Sûreté de fonctionnement (Walter SCHÖN) : 6 heures - Généralités. - Traitement des données de fiabilité (fiabilité expérimentale et opérationnelle). - Fiabilité des systèmes. 22

23 - Fiabilité et disponibilité des systèmes réparables. Nature et méthodes d enseignement : cours magistral Mode d évaluation : examen final Data mining pour la relation client et le marketing Trimestre : 2 nd trimestre Volume horaire : 21 heures Nombre d ECTS : 2 Responsables du cours : Pascal BIZZARI Statut : optionnel Contenu de l enseignement : Data mining pour la Relation Client et le Marketing. L objectif de l enseignement est d illustrer les applications du Data Mining dans les entreprises. Positionnement du Data Mining Structure des systèmes d information (entrepôt de données), enjeux du Data Mining Cartographie des technologies de Data Mining Statistiques et Data Mining, domaines d applications du Data Mining Processus de réalisation d une étude Conceptualisation, réalisation, intégration, mesure et suivi Présentation des logiciels du marché Suites applicatives, arbre de décision, réseau de neurones, réseau bayésien, text mining Etudes de cas Ciblage marketing, segmentation de la clientèle, analyse de la satisfaction, associations de produits, analyse des parcours internet, prévention des impayés, scoring d attrition («churn»), calcul de valeur client, traitement des s. Perspectives du Data Mining Nature et méthodes d enseignement : cours magistral et TP Mode d évaluation : examen final Bases de données pour la statistique Trimestre : 1 er trimestre Volume horaire : 25,5 heures Nombre d ECTS : 3 Responsable du cours : Witold LITWIN Statut : optionnel Contenu de l enseignement : - Architectures modernes des SGBD: client-server, multi-serveur, distribuée, multibase & cloud. - Conception et manipulation avancées de données en SQL-2 et QBE: nouveau types de données, domaines et contraintes d intégrité, différents types de jointures, fonctions d aide à la décision, requêtes multibases, déclencheurs. 23

24 - Interfaces 4-GL et web. Transactions, fiabilité, données No-SQL, «Big Data Analysis». Nature et méthodes d enseignement : cours magistral Mode d évaluation : projet Méthodes de classification Trimestre : 1 er trimestre Volume horaire : 30 heures Nombre d'ects : 3 Responsable du cours : Patrice BERTRAND Statut : optionnel Public visé : Spécialité TSI et parcours statistique de la spécialité ISF Objectif de l'enseignement : Donner un sens théorique et pratique du Data Mining Contenu de l'enseignement : - Introduction. Notions de statistique et d analyse des données : variables aléatoires, échantillons. Réseaux de neurones : fondements neuro-biologiques, notion de neurone formel, définition d un réseau. - Classement ou discrimination. Approche statistique et analyse des données : définition du cadre Bayésien, méthodes paramétriques (analyse discriminante linéaire), méthodes non paramétriques (arbre de décision et segmentation). Approche réseaux de neurones : méthode du perceptron (propriétés mathématiques et limites), algorithme de rétropropagation (propriétés d approximateur universel). Estimation du taux de classement, validation et mesure de la capacité de généralisation des méthodes de classement : présentation de quelques exemples, utilisation pratique de ces méthodes (logiciels libres WEKA et TANAGRA). - Partitionnement et Classification hiérarchique. Méthodes de la Classification Hiérarchique (Classification Hiérarchique Descendante, Classification Ascendante Hiérarchique, liens avec les ultramétriques, formule de Lance et Williams, voisins réciproques), Méthode des k-means et variantes (convergence de l algorithme, version «batch», algorithmes d échange), Cartes auto-organisatrices de Kohonen, Evaluation d un partitionnement par mesure de l adéquation avec les données, et par mesure de la stabilité des résultats (liens avec les algorithmes de classification par méthode d ensemble). Nature et méthode d'enseignement : cours magistral Mode d'évaluation : examen final Marketing : de la théorie à la pratique Trimestre : 2 ème Trimestre Volume horaire : 21 heures Nombre d'ects : 2 Responsable du cours : Jérôme BELLANGER, Fondateur Gérant, cabinet d études qualitatives, J.B.C. Statut : optionnel 24

25 Objectifs de l enseignement : "Marketing, de la théorie à la pratique" : acquisition et approfondissement des concepts fondamentaux du marketing et pratiques du marketing au travers de cas réels et récents Contenu de l'enseignement : la stratégie marketing, le marketing opérationnel, les études marketing, la GRC / CRM Nature et méthode d'enseignement : cours magistral Mode d'évaluation : examen final 25

26 BLOC OPTIONNEL FINANCE Gestion globale des risques, VAR Trimestre : 2 nd trimestre Volume horaire : 21 heures Nombre d'ects : 3 Responsable du programme du cours : Mr Enrique IGUZQUIZA Statut : optionnel Public visé : spécialités Actuariat et Ingénierie Statistique et Financière Objectif de l'enseignement : analyse des modèles mathématiques du risque de marché, étude des méthodes de gestion globales du risque de marché lorsque les sources d incertitude sont multiples. Contenu de l'enseignement. Introduction. Modèles dynamiques pour les prix d actifs financiers. Agrégation des risques, normalité, asymétrie, queues de distributions épaisses. La valeur risquée. Définition et méthodologies de calcul de la VaR (historiques, Monte Carlo, analytiques). Présentation de RiskMetrics de J.P. Morgan. Données, méthodologie, interprétations. Application. La cartographie de RiskMetrics, risque sur les instruments financiers comptants et produits dérivés. Estimation des matrices de variances-covariances, volatilités et corrélations. Nature et méthode d'enseignement : cours magistral Pré-requis : enseignements optionnels de finance des licence et master M1, notions de calcul stochastique Mode d'évaluation : examen final Bibliographie : P. Jorion, Value at risk, McGraw-Hill, 2000 D. Lamberton, B. Lapeyre, Introduction au calcul stochastique appliqué à la finance, Ellipse, 1991 J. Longerstaey, L. More, Introduction to RiskMetrics, Morgan Guaranty Trust Company, 1995 Modèles de taux d intérêt Trimestre : 1 er trimestre Volume horaire : 21 heures Nombre d'ects : 3 Responsable du programme du cours : Sandrine HENON Statut : optionnel Objectif de l'enseignement : Ce cours est consacré aux modèles de taux d'intérêt à temps continu. Au travers de nombreux exemples, on décrit leur utilisation pour évaluer les produits dérivés sur taux d'intérêt. Contenu de l'enseignement. 26

27 - Quelques outils de calcul stochastique : rappels. Formule dʼito Changement de probabilité : définition, théorème de Girsanov, formule pour les espérances conditionnelles. - Généralités sur les taux d'intérêt : Définitions : zéro-coupon, taux forward instantanés, taux court (ou taux spot) Modèles simples du taux court au travers de deux exemples : modèles de Vasicek et de CIR (Cox, Ingersoll et Ross). Modèles de Heath, Jarrow, Morton (HJM), probabilité risque-neutre, dynamique des zéro-coupon. - Produits de taux classiques. Généralités : formule de Black, phénomènes associés à la courbe de volatilités, taux forward, swap, taux swap. Changement de numéraire et probabilités forward. Application : prix des produits vanilles, les caplets et les swaptions. - Modèle LGM à un facteur. - Modèle BGM (Brace, Gatarek et Musiela) / Jamishidian. - Modèles à volatilité stochastique : Définition. Modèle SABR. Modèle dʼheston Nature et méthode d'enseignement : cours magistral Pré-requis : notions de base de calcul stochastique, enseignements optionnels de finance des licence et master première année. Mode d'évaluation : examen final Bibliographie : - D. Lamberton, B. Lapeyre, Introduction au calcul stochastique appliqué à la finance - D. Brigo and F. Mercurio. Interest Rate Models Theory and Practice 2nd édition, Springer- - P. Hagan, D. Kumar, A. Lesniewski and D. Woodward. Managing Smile Risk, WILMOTT Magazine. Septembre Méthodes numériques en finance Trimestre : 2 nd trimestre Volume horaire 21 heures Nombre d'ects : 3 Responsable du programme du cours : Didier FAIVRE et Daniel THELL Statut : optionnel Public visé : spécialités Actuariat et Ingénierie Statistique et Financière Objectif de l'enseignement. Présentation succincte des principales méthodes numériques utilisées en finance pour l évaluation des produits dérivés. Contenu de l'enseignement. Théorie de la Réplication : valorisation des options. Formule de Feymann Kac et application au cas d options européennes, asiatiques et américaines. Méthodes numériques : arbres, EDP et Monte-Carlo. Présentation et utilisation d un logiciel d évaluation d obligations convertibles. Nature et méthode d'enseignement : cours magistral Pré-requis : calcul stochastique et modèles d évaluation d actifs financiers en temps continu. Mode d'évaluation : examen final 27

28 Bibliographie : J. Hull : Options and futures and other derivatives, Prentice Hall international, 1999 P. Wilmott, Derivatives : the theory and practice of financial engineering, John Wiley, D. Lamberton, B. Lapeyre : Introduction au calcul stochastique appliqué à la finance, Ellipse, Économétrie de la finance et applications à la gestion d actifs Trimestre : 2 nd trimestre Volume horaire : 21 heures Nombre d'ects : 2 Responsable du programme du cours : Mabrouk CHETOUANE Statut : optionnel Objectif de l'enseignement : ce cours a pour objectif de présenter les principales contributions de la théorie financière à la gestion d actifs. Une attention particulière sera donnée à l évaluation statistique des modèles abordés. Contenu de l'enseignement. Choix et performances de portefeuille : choix de portefeuilles pour le critère moyenne-variance, estimation des performances et des portefeuilles efficients, critiques et extensions. Modèles d équilibre des actifs financiers : hypothèses du modèle, le modèle, analyse par régressions, critiques et extensions. Modèles à facteurs et principe d'arbitrage : définitions, modèle à facteurs endogènes et exogènes, inférence statistique, critiques et extensions. Nature et méthode d'enseignement : cours magistral Pré-requis : méthodes d'optimisation, statistiques, introduction aux marchés financiers. Mode d'évaluation : l évaluation se basera sur la rédaction d un mémoire individuel où l étudiant confrontera, à l aide de données financières, les modèles théoriques à la réalité des marchés. Bibliographie : C. Gouriéroux., O. Scaillet et A. Szafarz, Econométrie de la finance, Economica Y. Simon, Encyclopédie des marchés financiers, Vol I et II, Economica B. Dumas, A. Blaise, Les titres financiers : équilibre du marché et méthodes d'évaluation, PUF C ++ Trimestre : 2 nd trimestre Volume horaire : 24 heures Nombre d'ects : 3 Responsable du cours : Olivier CARLES Statut : optionnel Public visé : parcours finance de la spécialité ISF Objectif de l'enseignement : Donner un sens théorique et pratique du Data Mining Nature et méthode d'enseignement : cours magistral et travaux pratiques 28

29 Mode d'évaluation : examen Risque de crédit Trimestre : 2 nd trimestre Volume horaire : 21 heures Nombre d'ects : 3 Responsable du programme du cours : Florent OMNES Statut : optionnel Public visé : spécialités Actuariat et Ingénierie Statistique et Financière Objectif de l'enseignement : ce cours a pour objet la présentation des principaux concepts et principales méthodes utilisés pour la définition, la mesure, et la gestion du risque de crédit. Contenu de l'enseignement. Le risque de crédit : généralités ; obligation du secteur privé, sécurités et covenants lors d une émission, taux de recouvrement en cas de défaillance, spread de crédit, emprunt à haut rendement ; prêt syndiqué, dette souveraine ; défauts croisés et corrélation de défaut, actif contingent avec risque de défaut. Rating de créance et agences de rating. Dérivés de crédit. Modèles d évaluation du risque de crédit : modèles structurels (modèles de Merton, Black & Cox, Longstaff & Schwartz), modèles réduits (modèles à intensité, modèles à migration, modèle de Jarrow &Turnbull, Duffie & Singleton), modèles mixtes ; gestion de portefeuille et techniques de mesure du risque de crédit (exemples : CreditMetrics de J.P. Morgan, Credit Monitor de KMV). Nature et méthode d'enseignement : cours magistral et conférences Pré-requis : options finance de licence et master M1. Mode d'évaluation : examen final. Bibliographie : D.Duffie, K.J.Singleton, Credit risk, Princeton Series in Finance, 2003 D.Cossin, H. Pirotte, Advanced credit risk analysis, John Wiley, 2000 CreditMetrics Technical Document, RiskMetrics Group, 2001 D. Lamberton, B. Lapeyre, Introduction au calcul stochastique appliqué à la finance, Ellipse, 1991 Métiers de la finance et projet professionnel Trimestre : 2ème trimestre Volume horaire : 30 heures Nombre d ECTS : 3 Responsable du cours : Imen BEN TAHAR Statut : optionnel Objectif de l'enseignement : L'objectif de ce cours est 'amener chaque étudiant à développer de manière constructive son projet professionnel. Ceci implique - un travail d'exploration des métiers de la finance visés, ainsi que la confrontation des 29

30 "représentations" avec la réalité du terrain, - une formulation des objectifs professionnels et l'élaboration d'un projet personnel - la mise en oeuvre des stratégies permettant d'atteindre ces oh-bjectifs, notamment lors de la recherche de stage, 30

31 CONTACTS ET AUTRES RENSEIGNEMENTS Directeur du Département : Gabriel TURINICI Bureau : B 540 gabriel.turinici@dauphine.fr Responsable de la Mention : Gabriel TURINICI Bureau : B 540 gabriel.turinici@dauphine.fr Responsable de la Spécialité : Vincent RIVOIRARD Bureau : B 636 vincent.rivoirard@dauphine.fr Responsable Administrative : Patricia DESSANS Bureau : B 538 patricia.dessans@dauphine.fr Secrétariat : Judith NTSAME Bureau : B 522 fax : judith.ntsame@dauphine.fr Site Internet de l Université Service Accueil-Information de l Université Bureau P ou Service Scolarité Centrale de l Université Rez-de-chaussée côté Paris, accès cour d honneur, Bureau P Inscriptions administratives, délivrance de la carte d étudiant, des certificats de scolarité, établissement des diplômes pour les étudiants inscrits au Département MIDO. Service Dauphine-Emploi Rez-de-chaussée côté Paris Service chargé de recueillir et diffuser des offres d emplois. 31

32 Département MIDO Mathématiques et Informatique de la Décision et des Organisations 32