UNIVERSITÉ LILLE 1, SCIENCES ET TECHNOLOGIES

MASTER 2

ème

ANNÉE MATHÉMATIQUES ET FINANCE

Spécialité FINANCE COMPUTATIONNELLE

ANNÉE UNIVERSITAIRE 2014 – 2015

‐  1  ‐ 

P R E S E N T A T I O N

    Le master Finance Computationnelle spécialise les étudiants sur l’ingénierie informatique nécessaire pour assurer des missions dans les domaines de la finance quantitative, l’automatisation des tâches de pricing, de contrôle des flux, l’évaluation et le contrôle et la gestion des risques. Les compétences en génie logiciel (notamment Intelligence Artificielle) proposées dans cette formation sont un atout pour les emplois visés. Cette formation très technique est née d’un constat : l’ingénierie financière complexe, avec ses bienfaits mais aussi les risques auxquels elle expose, a envahi nos économies. Dans ce contexte, les formations financières nécessitent avant tout une grande maîtrise des techniques de modélisation, ce qui suppose de sélectionner des candidats aguerris aux mathématiques et à l’économétrie. Pour autant, une sensibilisation accrue aux enseignements de la théorie financière et une bonne compréhension des dynamiques de marché s’imposent. Ce programme associe donc des compétences en mathématiques, informatique et en finance de manière à offrir un programme pédagogique joignant expertise quantitative et connaissance fine de l’environnement financier.

Le programme allie compréhension approfondie des méthodes mathématiques appliquées à l’évaluation des actifs financiers complexes (processus stochastiques, simulations de Monte Carlo, techniques économétriques), maîtrise des langages et outils informatiques (programmation, intelligence artificielle, systèmes-multi-agents) et connaissance élargie des technologies financières (ingénierie financière, techniques d’optimisation de portefeuille). La formation bénéficie ainsi d’un haut niveau de spécialisation, soutenu en première année (Master 1), par une sensibilisation approfondie à la théorie financière et à l’environnement économique, juridique, comptable et financier (comptabilité, microstructure des marchés, macroéconomie monétaire, droit bancaire et boursier). La formation débouche sur différents métiers dans les secteurs de l’assurance, de la banque commerciale et d’investissement, du consulting et de la gestion d’actifs. Elle propose aux étudiants une compréhension conceptuelle des produits financiers complexes et un apprentissage technique permettant aux futurs collaborateurs d’institutions financières et de sociétés de conseil d’offrir des prestations à forte valeur ajoutée, axées sur la double compétence informatique et finance de marché. L’obtention du diplôme permet d’accéder aux métiers suivants : - Assemblier intégrateur en architecture de produits - Maîtrise d’ouvrage technique métiers /produits - Développeur de logiciel financier - Gestionnaire de fonds - Ingénieur Financier - Quant (pricing et contrôle des risques) - Risk manager. ‐  2  ‐ 

  Plus précisément, parmi les missions auxquelles prépare la formation, on peut citer, entre autres : -La conception de pricers et leur intégration au sein des progiciels, -Le pricing de produits structurés et de dérivés classiques ou exotiques, -La modélisation statistique du comportement des clients/investisseurs pour piloter les risques (liquidité, taux, crédit…), -Le conseil, le management de projet, l'intégration de solutions, l'assistance à la maîtrise d'ouvrage et le risk management, -L’évaluation des performances de portefeuille et l’analyse quantitative des risques (Var, stress, sensibilités …) -L’automatisation des opérations de trading. Le Master 2 Finance Computationnelle s’appuie sur des équipes d’enseignement et de recherche appartenant à trois laboratoires, Unités Mixtes de Recherche du CNRS et INRIA, classés A+ pour la qualité de leurs recherches. Au sein de ces trois laboratoires, les équipes suivantes sont plus particulièrement mobilisées: - Laboratoire Paul Painlevé : Probabilités et Statistique : http://mathematiques.univ-lille1.fr/Recherche/Laboratoires-de-recherche/Laboratoire Paul-Painleve/ - SMAC (Systèmes Multi-Agents et Comportements) : http://www.lifl.fr/SMAC/ - LEM (Lille Economie et Management), UMR CNRS 8179 http://lem.cnrs.fr/ La formation s’appuie également sur l’intervention de professionnels de l’évaluation et du contrôle des risques et de praticiens spécialisés dans la modélisation et l’évaluation des produits financiers complexes. Pour plus d’informations sur le Master 2 Finance Computationnelle, consulter : – – le site de l’UFR de Mathématiques : http://mathematiques.univ-lille1.fr/ le site de Lille1 (puis onglet Formation) : http://www.univ-lille1.fr/ ‐  3  ‐ 

P R O G R A M M E 2014 2015

 

Semestre 3 Calcul stochastique, produits dérivés complexes

C. Tudor

Programmation objet avancée JAVA

A. Liefooghe

IA et modélisation (SMA, Réseaux de neurones)

Y. Secq

Gestion de portefeuille

J. Folens – F. Riva

Modèles de taux

A. Fauth

Ingénierie financière

L. Ma

Anglais

N. Chapel

Semestre 4 Simulation du marché et progiciels de la finance

D. Bourghelle – B. Vial

Méthodes de Monte-Carlo en finance

S. Iovleff

Optimisation de portefeuille

F. Riva – L. Ma

‐  4  ‐ 

 

R E N S E I G N E M E N T S P R A T I Q U E S

Responsable du MASTER 2 : P

HILIPPE

ROZIN

Institut d’Administration des Entreprises de Lille 104, avenue du peuple belge 59043 LILLE Cedex Site : http://www.iae.univ-lille1.fr/ Mail : [email protected]

Laboratoire d’accueil

Lille Economie et Management (UMR CNRS 8179)

Le laboratoire est porté conjointement par l’Université Lille 1, Sciences et Technologies, et l’Université Catholique de Lille. Site : http://lem.cnrs.fr/ ‐  5  ‐ 

I.

A D M I S S I O N

L’admission en 2 59655 - V ème

pédagogique au :

ILLENEUVE D année de Master Finance Computationnelle se fait sur dossier suivi, le cas échéant, d’un entretien de motivation. Le candidat doit retirer un dossier d’admission Secrétariat Scientifique – M ’A SCQ Adresse électronique : C me SMETS Aurore UFR de Mathématiques – Bâtiment M2 Université Lille 1 Sciences et Technologies EDEX Téléphone : (+33) 3 20 43 42 33 [email protected]

Le candidat peut aussi le télécharger à cette adresse : http://mathematiques.univ-lille1.fr/

Date limite de dépôt des candidatures au secrétariat pédagogique : le 21 juin 2014.

L’autorisation d’inscription en Master 2

Finance computationnelle

est délivrée après

examen du dossier des candidats.

‐ Tout étudiant ayant validé le Master 1 d’un parcours national de Master dans une mention compatible (Mathématiques et finance, MASS, Mathématiques, Informatique, Economie quantitative…) peut candidater. ‐ Dans les autres cas, la commission de validation des études ou des acquis professionnels décide de l’autorisation à candidater ; sans cette acceptation une inscription en Master 2 est impossible. Elle s’effectue à partir du site suivant : http://www.univ-lille1.fr/etudes/Admission-Inscription/Admission-etudiants-etrangers Attention, cette validation peut aussi concerner les ingénieurs diplômés ou les élèves ingénieurs en dernière année d’études (se rapprocher du secrétariat pour de plus amples informations). Les candidats seront informés de la suite donnée à leur demande d’inscription au plus tard le 19 juillet 2014. II.

Les auditeurs souhaitant suivre la formation dans le cadre de la formation continue s’adresseront au SUDES : Service Universitaire de Développement Economique et Social Cité scientifique 59655 VILLENEUVE D’ASCQ Cedex Tel : 03.20.43.45.23 [email protected]

www.univ-lille1.fr/sudes APRES AUTORISATION D’INSCRIPTION PEDAGOGIQUE, l’inscription administrative se fait au début de l’année universitaire (jusqu’à mi-octobre) auprès des services administratifs de l’université. ‐  6  ‐   

O R G A N I S A T I O N D E S E T U D E S

  5 ECTS 10 ECTS 10 ECTS 3 ECTS 2 ECTS Mathématiques

SEMESTRE 3

Calcul stochastique, produits dérivés complexes Algorithmique et méthodes computationnelles : Finance Electif Finance Computationnelle Langues - IA et modélisation (SMA, Réseaux de neurones) - Programmation objet avancée JAVA - Gestion de portefeuille - Modèles de taux Ingénierie financière Anglais

SEMESTRE 4

6 ECTS Electifs Finance Computationnelle - Simulation de marché et progiciels de finance

Au choix, 1 parmi les 2 cours suivants :

– Optimisation de portefeuille – Méthodes de Monte Carlo en finance

MEMOIRE / STAGE – Semestre 4

24 ECTS Stage Stage d’une durée maximale de 6 mois (mars-août) ‐  7  ‐ 

 

STAGE

Tous les étudiants du Master 2 Finance Computationnelle doivent effectuer un stage d’une durée maximale de 6 mois (mars-août) au sein soit : - de services d’ingénierie financière de haut niveau en assurance, banque, salle de marché, en front, middle ou back office, - d’un laboratoire de recherche (Painlevé, LIFL ou LEM) comme assistant de recherche. Ce stage consiste à découvrir les exigences d’un travail d’étude ou de recherche (soutien à la recherche documentaire, à la collecte ou à l’analyse des données, aux études de terrain…) Les mémoires sont encadrés ou co-encadrés par l’un des membres des équipes d’accueil attachées au Master 2. Il donne lieu à un rapport écrit et à une soutenance orale. On encourage les étudiants à effectuer un stage soit dans une entreprise, un laboratoire privé ou semi-privé, soit dans un laboratoire universitaire.

P

OUR LES STAGES A L

’

ETRANGER

(

MOBILITE

) :

Il existe des bourses permettant un financement partiel des stages de recherche à l’étranger. Pour plus d’informations, se rapprocher en novembre du Service Relations Internationales de l’Université Lille1 : http://www.univ-lille1.fr/international/Etudier-a etranger . ‐  8  ‐ 

V A L I D A T I O N D U M A S T E R 2

  Le Master 2 Finance computationnelle consiste en 2 semestres et vaut 60 ECTS. Les crédits s’obtiennent en validant : – le semestre 3 - 30 crédits ECTS : cours fondamentaux de finance, méthodes computationnelles, langues. – le semestre 4 : - 6 crédits ECTS : cours électifs de finance computationnelle. – le mémoire/stage - 24 crédits ECTS : soutenu fin juin ou fin septembre.

N.B. :

L’autorisation de redoublement du Master 2 n’est accordée qu’à titre exceptionnel et après décision d’une commission ad hoc.

L’autorisation d’inscription en thèse est accordée par le jury après délibération. En aucun

cas, elle n’est automatique pour les étudiants reçus au Master 2. ‐  9  ‐ 

 

Q

UELQUES EXEMPLES DE STAGES ET SUJETS DE MEMOIRES RECEMMENT PROPOSES

Développement de produits d’assurances et promotion auprès des partenaires (Crédit Agricole Creditor Insurance) Réalisation de scores d’appétence de clients pour divers produits financiers (Banque Accord) Finance de marché et analyse quantitative (Caisse Fédérale Crédit Mutuel) Développement et mise en place de l’analyse statistique (Horizon Soft Commodities) Calcul de Malliavin appliqué à la finance (Laboratoire P. Painlevé) Couverture d’actifs dérivés par minimisation de risques globaux (Université de Franche Comté) Analyste quantitatif et notation de contreparties (GDF Suez Trading) Analyse et résultats (AXA France) Précisions et provisionnement technique (Groupama) Ingénieur financier (BPCE) ‐  10  ‐ 

  P R O G R A M M E D E S C O U R S 2 0 1 4 2 0 1 5 ‐  11  ‐ 

  Année universitaire 2014/2015 Semestre 3 Calcul stochastique, produits dérivés complexes Ciprian Tudor Objectif du cours Renforcer les éléments de base du calcul stochastique déjà abordés dans MATH21 et discuter ses applications aux modèles financiers. Introduire le calcul de Malliavin et ses applications. Plan du cours : - Mouvement brownien : propriétés - Théorie de martingales - Intégrales d’Ito, formule d’Ito, équations différentielles stochastiques : constructions rigoureuses - Modèle de Black and Scholes: dynamique des prix, option européenne et son prix, gestion de portefeuille - Intégrales stochastiques multiples, dérivée de Malliavin - Calcul de sensibilités ("les grecques") Bibliographie : D. Revuz and M. Yor : Continuous martingales and Brownian motion, Springer. Y. Karatsas and S. Shreve: Brownian motion and Stochastic calculus, Springer. D. Nualart: Malliavin calculus and related topics. ‐  12  ‐ 

  Année universitaire 2014/2015 Semestre 3 Programmation Objet Avancée JAVA (INF32) Arnaud Liefooghe Ce cours a pour objectifs d'apprendre a (design pattern), de concevoir des applications oriente es objet en utilisant une architecture logique en couches ; de suivre de bonnes pratiques de conception : patron de conception coupage en couches de l'architecture, structuration en paquetages ; d'approfondir la compre hension et la mai trise de la notion de polymorphisme, d'assimiler l'he ritage de classes ; et de connai tre les plateformes de l'environnement Java. Plan du cours :     Types ge Mode ne riques et he ritage lisation des objets du domaine Gestion du cycle de vie des objets du domaine Gestion de la couche d'acce s aux donne es persistantes     Cas d'utilisation d'une application et services me Design Pattern Langage support : Java tiers   Environnement de de veloppement : Eclipse Bibliographie : Kathy Sierra, Bert Bates, "Java, Tête la Première", Editions O'Reilly, ISBN 2-84177-276-4 Bruce Eckel, "Penser en Java", http://penserenjava.free.fr ‐  13  ‐ 

    Année universitaire 2014/2015 Semestre 3 IA et modélisation (INF31) Yann Secq Ce cours présente les techniques d'Intelligence Artificielle, en particulier les systèmes multi-agents pour la modélisation et la simulation de marché financier. L'ensemble des algorithmes présentés sont implémentés en cours en Java et à l'aide de la plateforme de simulation de marché, ATOM http://atom.univ-lille1.fr/ . Plan du cours : • Agents Intelligents • Théorie de la décision & Théorie des jeux • Simulation multi-agents • Système Expert • Agents logiques Bibliographie : • Stuart Russell and Peter Norvig Artificial Intelligence : A Modern Approach Prentice-Hall, Englewood Cliffs, NJ, 2010 • Brandouy, O. and Mathieu, P. A conceptual framework for the evaluation of agent-base trading and technical analysis. Artificial Markets Modeling. Methods and Applications. Lecture Notes in Economics and Mathematical Systems, 599 :63–79 (2007).

‐  14  ‐ 

      Année universitaire 2014/2015 Semestre 3 Gestion de portefeuille et mesure du risque Joël Folens – Fabrice Riva Objectif: Maîtriser et être capable d’implémenter en VBA sous Excel les méthodes classiques de choix de portefeuille, d’évaluation d’actifs et de mesure de performance Les métiers de la gestion de portefeuille réclament de la part des futurs praticiens des connaissances solides dans le domaine de la théorie financière mais également des compétences dans la mise en œuvre des différents modèles d’évaluation d’actifs, de choix de portefeuille et de mesure de performance. L’objectif de ce cours est de combiner ces deux exigences en menant de front l’étude des théories qui fondent la gestion d’actifs (mesures du risque, théorie du portefeuille, évaluation par équilibre, évaluation par arbitrage, mesures de performance) et leur mise en œuvre concrète grâce au développement d’applications en VBA (Visual Basic pour Applications) sous Excel prenant systématiquement appui sur des données de marché réelles. Plan du cours : chaque cours (2h) est suivi d'un td (2h) 1.

2.

3.

4.

5.

6.

7.

8.

Programmation en VBA sous Excel : modèle objet, procédures et langage VBA Rentabilité, risque et théorie du portefeuille Préférences des investisseurs et évaluation par équilibre Evaluation par arbitrage et modèles à facteurs Applications pratiques, tests et extensions des modèles d’évaluation Les mesures de performance de base, pondération par les apports, par le temps Les indicateurs de risque : alphas, bêtas et leur validité statistique La gestion des événements, les "surprises" : méthodologie de mesure 9.

L’apport des moments d'ordre 3 et 4 10.

Comparaison globale des méthodes et conclusion Bibliographie : Hamon J. (2011), « Bourse et gestion de portefeuille », 4 ème édition, éd. Economica Grandin P., Hübner G. Lamber M. et L. Bodson (2010), « Performance de portefeuille », éd. Pearson Portait R et P. Poncet (2012), « Finance de marché : instruments de base, produits dérivés, portefeuilles et risques », éd. Dalloz Riva F (2012), « Applications financières sous Excel en Visual Basic », 4 ème édition, éd. Economica ‐  15  ‐ 

    Année universitaire 2014/2015 Semestre 3 Modèles de taux d'intérêt Alexis Fauth Objectif : Après nous être familiarisés avec les marchés de taux d’intérêts et leurs risques, nous commencerons à étudier les modèles de pricing de zéro-coupon les plus simples ainsi que comment estimer la courbe de taux. Nous introduirons ensuite les modèles multifactoriels, le framework HJM et le modèle de BGM. Nous porterons une attention toute particulière aux produits plus sophistiqués comme les caplets ou les swaptions. Par suite, nous discuterons des modèles à volatilité locale et stochastique. Enfin, nous conclurons sur les modèles incorporant un risque de contrepartie. Plan du cours : - Introduction au marché de taux - Pricing de zéro-coupon avec des modèles mono et multifactoriels - Framework HJM et modèle de marche de (Brace-Gatarek-Musiela) - Estimation de la courbe de taux - Mesure forward-neutre et princing de caplet, floorlet et swaption - Surface de volatilité, équation de Dupire et formule de Heston, modèles CEV, SABR, etc. - Introduction au risque de crédit, pricing d’obligation pouvant faire défaut, modèle de firme et pricing de CDS. Bibliographie : - D. Brigo et F. Mercurio, 2001, Interest rate models, theory and practice, Springer-Verlag, Berlin. - F.J. Fabozzi et S.V. Mann, 2011, The Handbook of Fixed Income Securities, Eighth Edition, McGraw Hill. - Jim Gatheral, 2006, The Volatility Surface : A Practitioner’s Guide. John Wiley & Sons. - N. Privault, 2012, An Elementary Introduction to Stochastic Interest Rate Modeling, World Scientific. ‐  16  ‐ 

    Année universitaire 2014/2015 Semestre 3 Ingénierie financière Lin Ma Ce cours présente les principales opérations financières qu’on peut rencontrer dans la vie d’une société cotée, telles que l’introduction en bourse, l’augmentation de capital, la fusion-acquisition, l’émission des titres hybrides et le changement de la politique de distribution. L’objectif est de faire comprendre aux étudiants le mécanisme de ces opérations et (surtout) leur impact sur la valeur de l’entreprise concernée. Plan du cours : Le cours est composé de 6 chapitres : 1.

2.

3.

4.

5.

6.

La structure financière et la valeur d’une entreprise L’augmentation de capital en numéraire Le leverage buy out (LBO) Les titres hybrides Le marché de repo Le marché de titrisation Bibliographie : 2008   Salih   N.

  Neftci,  

Principales of Financial Engineering, Elsevier.

2010 Pierre Vernimmen, Finance d'entreprise, édition Dalloz Gestion. 2005 Stephen A. Ross,

Fundamentals of Corporate Finance

, McGraw-Hill/Irwin 7th edition. ‐  17  ‐ 

  Année universitaire 2014/2015 Semestre 4 Simulation de marché et progiciels de finance David Bourghelle - Bruno Vial La première partie du cours est destiné à former les étudiants à la compréhension d’un marché financier fonctionnant à partir d’un carnet d’ordres centralisés. Les étudiants seront sensibilisés au fonctionnement en intraday d’un marché d’actions dirigés par les ordres. Le cours s’appuie sur l’utilisation d’un logiciel de simulation (Java Experimental Simulated Stock Exchange) élaboré par des équipes de l’IAE de Lille (Université de Lille 1) et de l’Ecole Centrale de Lille. Ce logiciel interactif permet de recréer, en réseau, un marché boursier avec carnet d’ordres directement inspiré de la structure de marché proposée par Nyse-Euronext Paris. Dans la seconde partie, il s’agit de montrer aux étudiants les problématiques associées au pricing sur les marchés financiers, et de leur faire pratiquer différents modèles d’évaluation via des implémentation en VB sous Excel. Plan du cours : - Les principes de fonctionnement des marchés financiers (plates-formes de cotation électroniques) - Apprentissage du logiciel - Séances de simulation - Evaluation des performances - Les problématiques d’évaluation sur les marchés financiers : pricing, reporting, Daily PnL… - Les problématiques associées aux outils de pricing : design, modularité, structuration du code, problématiques de convergence, validation - Implémentation de pricers Monte-Carlo d’évaluation d’options sur action, sous modèle B&S, volatilité locale et volatilité stochastique. Bibliographie : http://jessx.ec-lille.fr/index.php

J. Hasbrouk : Empirical Market Microstructure: The Institutions, Economics, and Econometrics of Securities Trading L. Harris : Trading and Exchanges : Market Microstructure for Practitioners F. de Jong , B. Rindi : The Microstructure of Financial Markets ‐  18  ‐ 

  Année universitaire 2014/2015 Semestre 4 Méthodes de Monte Carlo pour la finance Serge Iovleff Objectif du cours   Mettre en œuvre à l'aide du logiciel R les techniques de simulation de processus financiers Comparer les différentes techniques  Acquérir un savoir-faire dans le choix des techniques Plan du cours 1/ Introduction 2/ Loi forte des grands nombres et TCL 3/ Estimateur de Monte-Carlo (MC) usuel 4/ Méthodes de réduction de variance : a) Variables antithétiques, inégalité de covariance de Tchebychev b) Variables de contrôle c) d) e) Moyennes inconditionnelles Variables de stratification Échantillonnage préférentiel 5/ Simulations de processus continus : a) Introduction b) Algorithme de simulation de processus continus c) d) Mouvement brownien, pont brownien, simulation rétrograde formule de conditionnement des lois de vecteurs gaussiens 6/ Simulations de modèles financiers : a) Objectifs b) Modèles de prix d'actions: cadre de Black-Scholes (BS) c) d) Formule de valuation Log-normale ; formule de BS pour le prix d'un call européen et simulation MC classique associée Pricing d'options dans le cadre du modèle de BS : i.

Payoff ne dépendant que de la valeur du sous-jacent à l'échéance T : exemple de l'option basket avec estimation par substitution d'une variable log-normale adaptée (Lévy's moments matching method) et par variables de contrôle du type moyenne géométrique ou combinaison de calls à sous-jacent unique. ‐  19  ‐ 

  ii.

Option basket dans le cadre BS : estimation MC classique puis par variable de contrôle géométrique, avec éventuellement correction de strike, exemple iii.

Estimation "trajectoire-dépendante" : exemple des options asiatiques 7/ Schémas numériques pour les EDS : a) Schéma d'Euler-Maruyama b) Schéma de Milstein 8/ Exposés plus spécifiques si le temps le permet : étude d'un package R orienté finance, étude d'un article ... Bibliographie 1.

2.

D. Tavella, Quantitative Methods in Derivatives Pricing R. Korn et al., Monte-Carlo Methods and Models in Finance and Insurance ‐  20  ‐ 

  Année universitaire 2014/2015 Semestre 4       Gestion de portefeuille approfondie – Optimisation de portefeuille Fabrice Riva - Lin Ma       Objectif : Maîtriser et savoir implémenter sous R les techniques avancées d’optimisation de portefeuille Ce cours présente les techniques d’optimisation de portefeuille les plus innovantes et les plus répandues dans les sociétés de gestion. Pour souligner l’aspect pratique de ce cours, toutes les séances sont organisées dans des salles informatiques. Les étudiants manipulent les données réelles à chaque séance pour consolider les techniques enseignées. Par conséquent, les connaissances en langage de programmation « R » sont un pré-requis indispensable pour suivre ce cours.               Plan du cours :   1.

2.

3.

4.

Optimisation de la matrice de variances-covariances des actifs : shrinkage et portefeuilles d’estimateurs Méthodes bayésiennes et optimisation de portefeuille Black-Litterman Etudes d’événements et construction de portefeuilles event-driven Modèles à contraintes et modèles d’optimisation à mesure de risque alternative (VaR, ES, Ratio de Rachev, etc.) 5.

6.

Value-at-Risk non gaussienne, Value-at-Risk conditionnelle et backtests Optimisation de portefeuille avec CVaR Bibliographie : Jean-Luc Prigent, Portfolio Optimization and Performance, 2007, Chapman & Hall/CRC Financial Mathematics Series. ‐  21  ‐