Vous êtes sur la page 1sur 24

GUIDE DES TUDES 2014-2015

MASTER 1
MATHMATIQUES
ET FINANCE

Laboratoires partenaires : LPP, LIFL, LEM

Sommaire
1. Prsentation du Master 1 Mathmatiques et Finance...................................................................3
2. Poursuite des tudes......................................................................................................................3
3. Objectifs professionnels et dbouchs..........................................................................................4
4. Le secrtariat pdagogique...........................................................................................................5
5. Calendrier universitaire 2014-2015 .............................................................................................6
6. La structure en units denseignement et matires.......................................................................7
7. Les matires du semestre 1...........................................................................................................8
Informatique (mise niveau).......................................................................................................8
Mathmatiques (mise niveau)...................................................................................................9
conomie (mise niveau)............................................................................................................9
Statistique...................................................................................................................................10
Probabilits................................................................................................................................10
Logiciel R...................................................................................................................................11
Bases de Donnes......................................................................................................................12
Logiciel SAS..............................................................................................................................12
Produits Financiers et Microstructure des Marchs Financiers.................................................13
Comptabilit Financire ; Comptabilisation des Emprunts et des Instruments Financiers.......14
Anglais ......................................................................................................................................14
8. Les matires du semestre 2.........................................................................................................15
Processus Stochastiques.............................................................................................................15
Statistique Non Paramtrique....................................................................................................16
Sries Temporelles.....................................................................................................................17
Programmation Oriente Objet..................................................................................................18
Data Mining...............................................................................................................................19
Thorie Financire.....................................................................................................................20
Gestion des Risques de March.................................................................................................20
Stage (optionnel)........................................................................................................................21
9. Le rglement des tudes et des examens....................................................................................22
10. Pass'Pro : le bureau d'aide l'insertion professionnelle............................................................22
11. Le groupe Master Mathmatiques et Finance, Lille 1 sur Linkedin.........................................22
12. Les intervenants du Master 1 Mathmatiques et Finance.........................................................23

Master 1 Sciences, Technologies, Sant


Mention Mathmatiques et Finance
1. Prsentation du Master 1 Mathmatiques et
Finance
LUFR de Mathmatiques, appuy par le laboratoire Paul Painlev, le LIFL et le
LEM de lInstitut dAdministration des Entreprises (IAE) de luniversit Lille 1
proposent une formation aux tudiants disposant dun solide bagage scientifique en
mathmatiques, informatique et finance, capables dvoluer dans les
environnements de lassurance et des activits de march et/ou de banque.
Au dbut du parcours, lobjectif principal est de conforter les acquis
disciplinaires de licence et dintroduire diffrents lments relatifs la finance ;
souhaitant accueillir des publics varis, une unit denseignement de mise niveau
est propose afin dharmoniser les acquis.
La suite du parcours propose une spcialisation progressive ; le tronc commun
aux deux spcialits, mathmatiques du risque et finance computationnelle, est
large, la diffrenciation sopre en master 2.

2. Poursuite des tudes


Le Master 1 dbouche, aprs slection sur dossier et ventuellement entretien
de motivation, sur deux spcialits Lille 1 :
-

Le Master 2 Mathmatiques du Risque et Actuariat, qui spcialise les


tudiants dans les domaines de la quantification et de la matrise des risques,
notamment dans les secteurs de lassurance, de la banque mais aussi en salle
de march.
Le Master 2 Finance Computationnelle, qui spcialise les tudiants dans
lingnierie informatique ncessaire pour tenir des emplois dans les domaines
de la finance o lautomatisation des tches du pricing, de contrle des flux,
de contrle des risques et le data mining sont essentiels.

Ce Master 1 permet de candidater des Master 2 dautres universits franaises.

3. Objectifs professionnels et dbouchs


Mtiers viss
(Fonction /secteur dactivit)

Parcours de M2

Gestionnaire de risques financiers


(secteur bancaire), Gestionnaire de
fonds, Ingnieur financier, Quant,
Charg dtudes actuarielles et de suivi
de portefeuille, Charg dtudes en
banque, Fond de pouvoir, Risk
manager, Analyste financier, inspecteur
financier, contrleur bancaire.

Mathmatiques du Risque et
Actuariat

SECTEURS : Assurance, banque de


dtail, banque dinvestissement.

Ensemblier intgrateur en architecture


de produits, Matrise douvrage
technique, Matrise douvrage
mtiers/produits, Gestionnaire de fonds,
Ingnieur financier, Quant, Charg
dtudes en banque.

Finance Computationnelle

SECTEURS : Assurance, banque de


dtail, banque dinvestissement.

4. Le secrtariat pdagogique
Le responsable de mention du Master Mathmatiques et Finance et directeur des
tudes du M1 est Philippe HEINRICH.
. Vous pouvez le contacter pour toute question prcise.
La coordination des tudes au niveau de l'IAE est assure par Messieurs Philippe
ROZIN et David BOURGHELLE. Ils grent essentiellement le planning des cours
dispenss sur le site de l'IAE en lien avec le secrtariat pdagogique du master.

Le Prsident de Jury :
Philippe HEINRICH
Btiment M3 - Bureau 308
Tl : 03.20.43.42.13
E-mail : philippe.heinrich@math.univ-lille1.fr

La secrtaire pdagogique :
Frdrique LAMOURY
Btiment M2 Bureau 10 RDC
Tel : 03.20.43.45.74
E-mail : math-masters1@univ-lille1.fr
La secrtaire pdagogique s'efforce de rpondre toutes vos questions et de
rsoudre vos ventuels problmes.
Pralablement toute dmarche, assurez-vous que la rponse la
question que vous vous apprtez lui poser ne figure pas dj dans la
documentation dont vous disposez :
- le guide des tudes du master 1 Mathmatiques et finance
- les panneaux d'affichage rservs aux tudiants de Master 1 (bt. M1)
- le site Internet de lUFR de Mathmatiques :

http://mathematiques.univ-lille1.fr
Certificat de scolarit :
Les certificats de scolarit sont dlivrs en deux exemplaires tous les tudiants,
au dbut de chaque semestre (15 jours aprs le dbut des TD). Dautres
exemplaires pourront tre dlivrs la demande.
Certificat de maladie :
Les certificats de maladie et autres attestations pouvant justifier une ventuelle
absence un TD ou un examen sont remettre au secrtariat ds votre retour
luniversit aprs avoir t prsents aux enseignants concerns par votre
absence.

5. Calendrier universitaire 2014-2015


Vous trouverez ci-dessous un calendrier indicatif du droulement de lanne.

Pr-rentre

Mardi 2 septembre 2014

Dbut des enseignements S1

Mercredi 3 septembre 2014

Fin des enseignements S1

Samedi 13 dcembre 2014

preuves de S1 (session 1)

Du lundi 15 dcembre 2014


au samedi 20 dcembre 2014

Pass'Pro : outils de recherche de


stage

Jeudi 8 janvier 2015 : 14h - 17h

Dbut des enseignements S2

Lundi 12 janvier 2015

Fin des enseignements S2

Samedi 18 avril 2015

Pass'Pro : simulation d'entretien

Vendredi 13 mars 2015 : 9h-12h

preuves de S2 (session 1)
hors calendrier universitaire Lille1

Du lundi 20 avril 2015


au samedi 25 avril 2015

preuves de rattrapage S1

Du lundi 8 juin 2015


au samedi 13 juin 2015

preuves de rattrapage S2

Du lundi 22 juin 2015


au samedi 27 juin 2015

INTERRUPTIONS

PDAGOGIQUES

Du lundi 27 octobre 2014


au samedi 1er novembre 2014

TOUSSAINT
NOL

Du lundi 22 dcembre 2014


au samedi 3 janvier 2015

HIVER

Du lundi 2 mars 2015


au samedi 7 mars 2015

PRINTEMPS

Du lundi 27 avril 2015


au samedi 9 mai 2015

6. La structure en units denseignement et


matires

S1
UE1
UE2
UE3
MISES NIVEAU MATHMATIQUES 1 INFORMATIQUE
Informatique
(2 ECTS)

Statistique
(3 ECTS)

Logiciel R
(3 ECTS)

Mathmatiques
(2 ECTS)

Probabilits
(3 ECTS)

Bases de
Donnes
(3 ECTS)

conomie
(2 ECTS)
6 ECTS

Produits et
Microstructure des
Marchs financiers
(3 ECTS)

Logiciel SAS
(3 ECTS)
9 ECTS

6 ECTS

UE4
FINANCE 1

UE5
LANGUE 1
Anglais
(3 ECTS)

Comptabilit
Financire
(3 ECTS)
6 ECTS

3 ECTS

S2
UE6
MATHMATIQUES 2

UE7
MTHODES
INFORMATIQUES

UE8
FINANCE 2

Processus
Stochastiques
(5 ECTS)

Programmation Oriente
Objet
(5 ECTS)

Statistique Non
Paramtrique
(4 ECTS)

Data Mining
(4 ECTS)

Thorie Financire
(4 ECTS)
Gestion des
Risques de March
(5 ECTS)

Sries Temporelles
(3 ECTS)
12 ECTS

9 ECTS

9 ECTS

STAGE
Optionnel mais trs
fortement
recommand !

7. Les matires du semestre 1


Informatique (mise niveau)
Responsable : Maude PUPIN
24h (1h C + 2h TD sur ordinateur rparties sur les 4 premires semaines du
S1)

Objectifs :
Remettre niveau les tudiants qui n'ont pas reu d'enseignement en programmation afin
de combler leurs lacunes et de leur donner les pr-requis ncessaires pour suivre l'UE7
"Mthodes informatiques" qui se droule au second semestre.
la fin de cet enseignement, les tudiants seront capables de concevoir un
programme simple dans le langage JAVA, avec les entres/sorties clavier/cran. Des notions
de conception objet seront galement abordes.
Contenu :

Qu'est-ce que JAVA et les langages de programmation ?


Prise en main de l'environnement de travail, dcouverte de la plate-forme de
dveloppement Eclipse.
Syntaxe de base en JAVA et bonnes pratiques de programmation.
Les variables et types lmentaires ainsi que leurs oprateurs.
Utilisation simple des entres/sorties clavier/cran.
Instructions conditionnelles, boucles.
Tableaux une dimension et leur manipulation avec la notion de complexit d'un
programme.
Chanes de caractres et les mthodes associes.
Crer et utiliser ses propres mthodes.
Notion de Classes et Objets (attributs, mthodes, constructeurs, invocation de
mthodes, this, encapsulation -private et public-).

valuation :
Deux notes seront attribues chaque tudiant durant le semestre :

CC : une note sur 20 de Travaux Dirigs (interrogations crites ou sur ordinateur, ).


EX : une note sur 20 pour l'examen de fin de cours.

La note finale sur 20 (N) est calcule comme une moyenne pondre de ces notes :
N= sup(EX,(2EX+CC)/3)
Pour la seconde session d'examen, la note TD (CC) est conserve. La note d'examen (EX) est
remplace par la note obtenue lors de la seconde session.

Mathmatiques (mise niveau)


Responsable : Philippe HEINRICH
24h (2h C et 1h TD rparties sur les 4 premires semaines du S1)
Programme :

Tribu, espace probabilis


Lois de probabilits usuelles (discrtes et continues)
Variable alatoire
Vecteurs alatoires
Processus temps discret
Vecteurs gaussiens
Fonction caractristique
Thormes limites

valuation : Deux notes seront attribues chaque tudiant durant le semestre :


CC (contrle continu) une note sur 20
EX (lexamen de fin de cours) une note sur 20.
Note finale= Max (EX, (EX+ CC)/2)

conomie (mise niveau)


Responsable : Aurlie CASSETTE-VERMAUT
24h (2h C et 1h TD rparties sur les 4 premires semaines du S1)
Plan de cours :
Premire partie : Introduction lanalyse conomique
Introduction gnrale : Objet et mthodes de lconomie (autoformation)
Enjeux et approches de la macroconomie : un aperu
Deuxime partie : les grandes fonctions macroconomiques
La fonction de consommation
La fonction dinvestissement
Le rle de ltat (autoformation)
Troisime partie : Monnaie
Fonctions et formes actuelles de la monnaie
Les motifs de dtention de la monnaie : la demande de monnaie
L'offre de monnaie et l'quilibre sur le march de la monnaie
Quatrime partie : Une synthse macroconomique ; le modle IS-LM en conomie ferme
Cinquime partie : conomie ouverte et systme montaire international
Bibliographie :
1. Blanchard, O., Cohen D., Macroconomie, Pearson Education, 3me dition, 2003
2. Stiglitz J.E., Principes dconomie moderne, ditions De Boeck Universit, 2000
3. Brana S., Bergouignan M.C., Macroconomie, Dunod, 2003
4. Delaplace M., Monnaie et financement de lconomie, Dunod, 2me dition, 2006

valuation :
Deux notes seront attribues chaque tudiant durant le semestre :
CC (contrle continu, qui prend la forme dune interrogation crite) une note sur 20.
EX (examen final, dune dure de 2 heures lissue du cours) une note sur 20.
Note finale = Max (EX, (2 EX+ CC)/3)

Statistique
Responsable : Gwnaelle CASTELLAN
27h (2h C + 1h TD, x 9 semaines)
Objectifs :
Cet enseignement approfondit la thorie classique de lestimation paramtrique.
Llaboration de la thorie se fait en parallle avec lacquisition de diffrentes techniques
destimation et de tests.
Contenu :
valuer les performances des mthodes statistiques selon diffrents critres :
consistance, vitesse de convergence, loi asymptotique, risque quadratique.
Mthodes d'estimation (moments, maximum de vraisemblance) et proprits
asymptotiques.
Thorie de l'estimation ponctuelle: information de Fisher, exhaustivit, thorme de
Cramer-Rao
Estimation par intervalle de confiance et tests.
lments de la thorie des valeurs extrmes.
valuation :
Une note sera attribue chaque tudiant :
EX : une note sur 20 pour l'examen de fin de semestre.

Probabilits
Responsable : Thomas SIMON
27h (9 sances de 3 heures, 1 sance = 2h cours + 1h TD)
Contenu :

Intgrale par rapport une mesure : schma de construction


Probabilits quivalentes, drives de Radon-Nikodym
Convergences dune suite de variables alatoires :
presque sre
en probabilit
en loi
Thormes limites :
loi des grands nombres
thorme central limite de Lindeberg

10

Esprance dune variable alatoire :


conditionnellement un vnement
conditionnellement une tribu engendre par une partition
conditionnellement une tribu quelconque
interprtation de lesprance conditionnelle dans L2
proprits du conditionnement
Martingales temps discret :
filtrations
martingales sous une probabilit P
transformation de martingales
processus prvisibles
Proprit de Markov
Notions de processus de prix, portefeuille, stratgie, risque-neutre
Introduction au modle de Cox-Ross-Rubinstein (ou binomial)

Bibliographie :

1. N.H. Bingham & Rdiger Kiesel, Risk-Neutral Valuation, Springer.


2. Damien Lamberton & Bernard Lapeyre, Introduction au calcul stochastique appliqu
la finance, Ellipses.

valuation :
Deux notes seront attribues chaque tudiant durant le semestre :

CC : une note sur 20 de Travaux Dirigs (interrogations crites, ) ;


EX : une note sur 20 pour l'examen de fin de semestre.

La note finale sur 20 (N) est calcule ainsi : N= max(EX,(2EX+CC)/3)


Pour la seconde session d'examen, la note CC est conserve tandis que la note d'examen EX
est remplace par la note obtenue lors de la seconde session.

Logiciel R
Responsable : meline SCHMISSER
27h (1h C + 2h TD, x 9 semaines)
Objectifs :
Le but de ce cours est dapprendre les mthodes de base en statistique, et de les mettre en
uvre avec R.
Programme :

Statistiques descriptives, simulations


Tableaux de contingence et test du Chi2
Mthodes de Monte-Carlo
Rgression linaire

Modalit dvaluation :
Examen : 2/3 de la note finale.
Contrle continu : 1/3 de la note finale.

11

Bases de Donnes
Responsable : Arnaud LIEFOOGHE
24h (3h CTD, x 8 semaines)
Objectifs :
Lobjectif du cours est dapprendre concevoir un modle conceptuel de donnes, un
schma relationnel de donnes en utilisant la modlisation et la normalisation, et
manipuler ces donnes. Le langage SQL va nous permettre de construire, manipuler et
administrer une base de donnes en dfinissant des schmas (tables, expression des
contraintes d'intgrit, vues), des droits, et des requtes. Enfin, on tendra le modle
relationnel des objets procduraux.
Programme :
Modle conceptuel de donnes (MCD), modle relationnel, passage du MCD au
schma relationnel.
Dpendances fonctionnelles, normalisation.
Manipulation des donnes (DML), dfinition des donnes (DDL), scurit des donnes
(DSL).
Langage SQL : Cration de tables, contraintes, interrogations des tables, fonctions
d'agrgation, vues, index, gestion des utilisateurs, gestion des droits.
Application des bases de donnes en java avec JDBC (langage, curseurs, procdures).
Modalit dvaluation :
L'valuation des tudiants se fera sur :
CC : une note sur 20 de contrle Continu (projet, interrogations, TP nots)
EX : une note sur 20 l'examen de fin de semestre.
La note finale sur 20 (N) est calcule laide dune moyenne pondre de ces notes :
N = (CC + 2*EX) / 3

Logiciel SAS
Responsable : Matthieu DRUART (intervenant pro)
30 h (3h CTD, x 10 semaines)
Objectifs :
Apprendre les bases dutilisation du logiciel SAS dans le cadre dun usage statistique
et en particulier dans celui du traitement de la modelisation et de la prevision de
series temporelles macroeconomiques et financieres.
Contenu :
Initiation au logiciel : lenvironnement de travail, la structure dun programme, les
principales procedures de gestion des donnees, les principales procedures statistiques
Regression lineaire : mise en uvre des modeles de regression simple et multiple,
comparaison des modeles, prevision en series chronologiques par les modeles de
regression

12

Mise en uvre de modeles econometriques sur des series macroeconomiques et


financieres : identification des processus AR et MA, modelisation ARMA, modelisation
SARIMA, ajout deffets exogenes.

Modalit dvaluation : examen crit

Produits Financiers et Microstructure des Marchs Financiers


Responsable : David BOURGHELLE
27h (3h CTD x 9 semaines)
Objectifs :
Connatre lenvironnement institutionnel et les critres dorganisation optimale des marchs
financiers (modalits dorganisation des change, modes de cotation), apprhender les
mthodes dvaluation dactifs financiers, comprendre la dynamique des cours boursiers.
Contenu :
Le cours prsente les lments introductifs suivants :
Organisation et micro-structure des marchs financiers
Typologie des marchs (montaire, obligataire, actions, drivs)
Les marchs boursiers dans le monde.
Marchs au comptant et driv
Les acteurs et intermdiaires
Les procdures de rglement-livraison
La cotation des titres
Fonctionnement et dynamique du carnet dordres
Les oprations sur le capital
Les procdures dintroduction en Bourse
Marchs financiers et gouvernement dentreprise
Lanalyse fondamentale des titres
Dynamique des anticipations
Rationalit des agents, croyances et reprsentations collectives
Bibliographie :
(1) Investissement et marchs financiers , L. Gitman, M. Joehnk (Pearson Education),
2008
(2) Bourse et gestion de portefeuille , J. Hamon (Economica), 3 dition, 2008
(3) Marchs financiers, gestion de portefeuille et des risques , B. Jacquillat, B. Solnik
(Dunod), 4me dition
valuation :
Deux notes seront attribues chaque tudiant durant le semestre :
Contrle continu (CC) : une note sur 20 (valuation crite ou dossier), pondration de
40%
Examen final (EX) : une note sur 20 pour l'examen de fin de semestre, pondration de
60%
La note finale sur 20 (NF) est calcule comme une moyenne pondre de ces notes :
NF= 0,4 CC + 0,6 EX
Pour la seconde session d'examen, la note de CC est conserve. La note d'examen (EX) est
remplace par la note obtenue lors de la seconde session.

13

Comptabilit Financire ; Comptabilisation des Emprunts et des


Instruments Financiers
Responsable : Cme SEGRETAIN
27h (3h CTD x 9 semaines)
Programme :
Ce cours est structure en deux parties.
Il presente en premiere partie la tenue des comptes sociaux des entreprises selon le Plan
Comptable General; les nombreux etudiants originaires de diplomes scientifiques nayant
auparavant pas etudie la comptabilite. Sont tout dabord abordes lobjet de la comptabilite et
les mecanismes comptables fondamentaux (utilisateurs, partie double et equilibre emploiressources, principes comptables), puis les etats financiers (bilan, compte de resultat,
tableau de financement, annexe), puis les operations courantes et les operations
dinventaire.
De nombreux exercices thematiques permettent une bonne assimilation du cours, structures
selon les problematiques standards de la comptabilite: cycle dachats et de vente, stocks,
immobilisations, provisions, operations de regularisation.
Une seconde partie met laccent sur la comptabilisation des emprunts et des instruments
financiers, qui interesse tout particulierement le public des etudiants du master 1
Mathematiques et Finance, appeles a travailler dans des institutions financieres aupres des
services de controle des risques :
Comptabilisation des emprunts
Comptabilisation des contrats dassurance
Comptabilisation des options et instruments derives
Un polycopie de cours et un polycopie dexercices et dannales sont fournis.
Bibliographie :
Introduction la comptabilit, Bernard Colasse et Cdric Lesage, Economica, 2010
(11me d.)
valuation :
Examen final (EX) : une note sur 20 pour l'examen de fin de semestre, pondration de 100%.

Anglais
Responsable : N. Chapel
30h (2h CTD intgrs x 11 semaines et 4h x 2 semaines)
Objectifs :
Dvelopper la matrise de langlais (oral et crit)
Contenu :
En conformite avec le projet Langues de lUniversite de LILLE1, le niveau B2 (acquis) du
Cadre Europeen Commun de Reference en langues [CECR] sera renforce et le niveau C1 sera
vise dans les 4 competences de comprehension et de production pour la fin du M2.
On travaillera langlais general et langlais de communication scientifique a partir de
supports de vulgarisation scientifique dans le domaine de la finance. Leur etude permettra

14

de deboucher sur des syntheses ecrites ou des presentations orales. On insistera sur le
vocabulaire de specialite. On abordera la pratique de langlais de communication
professionnelle en entreprise au travers de mises en situation, de jeux de role etc...
(Redaction de CV, lettre dembauche, entretien etc...). Ce travail se poursuivra pleinement en
M2.
Une presentation des differentes certifications en Langues leur permettra de choisir celle qui
conviendra le mieux a leur projet professionnel. Les etudiants pourront sentrainer a ces
certifications en autoformation au Centre de Ressources en Langues [CRL/SUP] de
lUniversite de LILLE1 ou a celui de lIAE. Lobtention du Label International de Lille1 (niveau1
ou niveau2) sera encouragee.
Les etudiants en difficulte en anglais pour atteindre le niveau requis en M1 trouveront au
CRL/SUP ou a celui de lIAE, les moyens de remedier a leurs lacunes, apres entretien, selon
un parcours individualise.
valuation :
Une note d'crit (50%) et une note d'oral (50%).

8. Les matires du semestre 2


Processus Stochastiques
Responsable : Myriam FRADON
42h (24h C et 18h TD, sur 10 semaines environ)
Objectifs:
Connaitre les modeles de base en marches financiers (binomial et Black-Scholes), maitriser
les outils mathematiques necessaires (brownien, integrale stochastique). Savoir calculer les
primes et gerer un portefeuille de couverture pour les options europeennes.
Contenu :
Modeles de marche financier : processus de prix, actualisation, probabilite risqueneutre, hypotheses (liquidite, divisibilite, non-arbitrage), strategie de couverture et
pricing des options europeennes, exemples (call et put, bull call spread, straddle,
butterfly, options binaires,...)
Theoreme d'Harrison-Pliska
Modele binomial : calcul des primes, du delta et du gamma, simulation de cours et de
portefeuilles de couvertures avec et sans divisibilite des actifs, construction d'un
pricer
d'options vanilles ou asiatiques par Monte-Carlo, ...
Martingale a temps continu, inegalite de Doob, definition du brownien, brownien
geometrique, theoreme d'arret
Modele de Black-Scholes. Integrale stochastique. Formule d'Ito. Equation differentielle
stochastique, interpretation intuitive de l'EDS des prix
Theoreme de Girsanov et probabilite risque-neutre
Representation des martingales et replication des actifs conditionnels
Pricing et EDP satisfaite par la prime
Formule de Black-Scholes : primes et grecques des calls et puts vanilles
Volatilite implicite
Remarques sur la validite des modeles et les problemes de calibration.

15

Bibliographie :
1. D. Lamberton et B. Lapeyre, "Introduction au calcul stochastique appliqu la
finance", Ellipses.
2. T. Mikosch, "Elementary Stochastic Calculus with Finance in View", World Scientific.
3. J-P. Argaud et O. Dubois "Mthodes mathmatiques pour la finance", Ellipses.

valuation :
Deux notes seront attribues chaque tudiant durant le semestre :

CC : une note sur 20 de Travaux Dirigs et Pratiques (interrogations crites ou TP de


programmation, )

EX : une note sur 20 pour lexamen de fin de semestre.

La note finale sur 20 (N) est calcule comme une moyenne pondre de ces notes :
N=max(EX, (2EX+CC)/3)
Pour la seconde session dexamen, la note TD (CC) est conserve. La note dexamen (EX) est
remplace par la note obtenue lors de la seconde session.

Statistique Non Paramtrique


Responsable : meline SCHMISSER

34h (18h C et 16h TD sur 10 semaines)

Objectifs :
Maitriser les tests non parametriques les plus courants (tests de Kolmogorov-Smirnov, du
signe, de Wilcoxon), etre capable de comprendre comment fonctionnent d'autres tests nonparametriques comme les tests d'Anderson-Darling et comprendre les principes de
l'estimation non-parametrique, en particulier la decomposition biais/variance.
Contenu :
Tests non-parametriques :
Statistiques dordre
Tests du signe et de Wilcoxon signe et rang
Test de Kolmogorov-Smirnov et de Lilliefor
Test de Kolmogorov-Smirnov pour deux echantillons independants
Test de la mediane et test de Wilcoxon somme et rang
Estimation non-parametrique :
Approximation de fonctions par projection ou par convolution par un noyau
Presentation des modeles de densite et de regression
Estimateur de Nadaraya-Watson d'une densite, estimation d'une densite par les
methodes
a noyaux.
Estimateur d'une fonction de regression par les methodes par projection, presentation
de la
base de Haar.
Calcul du risque L2 des estimateurs
Choix optimal des parametres en fonction de la regularite de la fonction a estimer

16

Estimation adaptative par validation croisee ou par seuillage

Bibliographie :
1. J.D. Gibbons et S. Chakraborti, Nonparametric Statistical inference , Statistics :
Textbooks and Monographs.
2. A.B. Tsybakov, Introduction lestimation non-paramtrique, Mathmatiques et
Applications, Springer.
3. Hrdle, Kerkyacharian, Picard, Tsybakov : Wavelets, Approximation and Statistical
Applications , Lecture Notes in Statistics, Springer.
valuation :
Deux notes seront attribues chaque tudiant durant le semestre :

CC : une note sur 20 de Travaux Dirigs et Pratiques (interrogations crites, TP de


programmation,...).
EX : une note sur 20 pour l'examen de fin de semestre.

La note finale sur 20 (N) est calcule comme une moyenne pondre de ces deux notes :
N= max(EX,(EX+CC)/2)
Pour la seconde session d'examen, la note de contrle continu (CC) sera conserve. La note
d'examen (EX) sera remplace par la note obtenue lors de la seconde session.

Sries Temporelles
Responsable : Philippe HEINRICH

30h (15h C et 15h TD sur 10 semaines)

Objectifs :
Ce cours introduit les principaux outils de l'econometrie de la finance et les mets en
uvre en TD avec le logiciel R.
Contenu :
Caracteristiques des series temporelles : auto-correlation, correlation croisee,
stationnarite, estimation des correlations
Exploitation des donnees et regression des series temporelles : regression classique,
lissage
Modeles ARIMA : moyenne mobile, equations aux differences finies, construction des
ARIMA
Prevision, filtrage et lissage : approche matricielle, approche filtre de Kalman
Modeles a longue memoire, ARCH, GARCH : volatilite variable, auto-regression
conditionnellement heteroscedastique, etude du GNP americain
valuation :
Deux notes seront attribues chaque tudiant durant le semestre :

CC : une note sur 20 de Travaux Dirigs et Pratiques (interrogations crites, TP de


programmation,...).
EX : une note sur 20 pour l'examen de fin de semestre.

17

La note finale sur 20 (N) est calcule comme une moyenne pondre de ces deux notes :
N= max(EX,(EX+CC)/2)
Pour la seconde session d'examen, la note de contrle continu (CC) sera conserve. La note
d'examen (EX) sera remplace par la note obtenue lors de la seconde session.

Programmation Oriente Objet


Responsable : Bruno BOGAERT
44h (18h C + 26h TD, sur 10 semaines)

Objectifs :
Introduire les concepts de base de la programmation objet et la pense objet . Les
notions de classes, objets/instances, envoi de messages doivent tre assimiles, ainsi que la
dcomposition d'un problme en ces termes.
Assimiler l'utilisation de l'hritage de classes et ainsi poursuivre et approfondir la
comprhension et la matrise de la notion de polymorphisme. A l'issue de ce module
l'tudiant doit avoir conscience de l'importance et de l'application des notions de
polymorphisme et d'abstraction de la reprsentation du problme.
Contenu :
Excution, compilation, CLASSPATH et paquetages
Notion de transtypage (cast) static enum
Les exceptions : capture et leve
Interfaces : conception, principe ouvert-ferm
Les types gnriques : principes, classes et mthodes, problmes lis au typage.
Collection, List, Set, Iterator HashMap, pb du equals et hashCode le problmes de
typage, utilisation des jokers, jokers borns
Hritage : introduction, dfinition, principes UML : les relations
super, final
Protected
Construction d'objets
Classes abstraites hritage multiple composition et hritage
Clonage d'objet java.io, srialisation
valuation :
Deux notes seront attribues chaque tudiant durant le semestre :

CC : une note sur 20 de Travaux Dirigs (interrogations crites, ...), cette note pourra
se voir appliquer un modificateur compris entre -3 et +3 li aux Travaux Pratiques
EX : une note sur 20 pour l'examen de fin de semestre.

La note finale sur 20 (N) est calcule comme une moyenne pondre de ces notes :
N= sup(EX,(2EX+CC)/3)
Pour la seconde session d'examen, la note TD (CC) est conserve. La note d'examen (EX) est
remplace par la note obtenue lors de la seconde session.

18

Bibliographie :

1. Penser en java, version franaise de HYPERLINK "" Thinking in java.


2. "Java, Tte la Premire" de Kathy Sierra & Bert Bates. Editions O'Reilly ISBN 2-84177-

3.
4.

276-4. ? Ce livre n'est plus dit en franais, il faut donc se tourner vers la version
anglaise "HYPERLINK "http://oreilly.com/catalog/9780596009205/" Head first Java"
(2nd dition).
Big Java (2nd Edition) de Cay Horstmann. Editions Wiley. ISBN 0-471-69703-6
Conception objet en Java avec BlueJ de David Barnes et Michael Klling. Ed. Pearson
Education.

Ressources :
Le site de base chez Sun pour tlcharger les dernires versions du jdk (et la javadoc
associe).

Data Mining
Responsable: Francesco DE COMIT
36h (20h C + 16h TD, sur 10 semaines)
Objectifs :
Le cours de Data Mining vise a donner aux etudiants les competences necessaires pour
fouiller les grandes bases de donnees (notamment bancaires et assurantielles). Une
composante algorithmique et une composante statistique sont necessaires en cette matiere.
Contenu :
1. Entrepots de donnees : principes et realisation
2. Fouille de donnees :
a) Regles d'association/panier de la menagere, algorithme a-priori
b) Methodes de clustering/segmentation : principes generaux, algorithmes Kmoyennes, DBSCAN
c) Classification : principes generaux, arbres de decision, reseaux de neurones.
Les travaux pratiques appliquent ces methodes a des jeux de donnees standard, en utilisant
RapidMiner.
valuation :
Deux notes seront attribues chaque tudiant durant le semestre :

CC : une note sur 20 de Travaux Dirigs (interrogations crites, ...), cette note pourra
se voir appliquer un modificateur compris entre -3 et +3 li aux Travaux Pratiques
EX : une note sur 20 pour l'examen de fin de semestre.

La note finale sur 20 (N) est calcule comme une moyenne pondre de ces notes :
N= sup(EX,(2EX+CC)/3)
Pour la seconde session d'examen, la note TD (CC) est conserve. La note d'examen (EX) est
remplace par la note obtenue lors de la seconde session.

19

Thorie Financire
Responsable : Philippe ROZIN
33h (18h C + 15h TD, sur 10 semaines)
Objectifs :
Acqurir une connaissance approfondie des principes et enseignements de la thorie
financire et apprhender de manire critique les grands cadres thoriques de la finance
moderne.
Contenu :
Ce cours prsente les grands paradigmes ayant structur le champ de la finance moderne

Axiomatique du choix dans lincertain et modles de fonctions dutilit


Couple rentabilit/risque
Diversification du risque et thorie moderne du portefeuille
Modles dquilibre dvaluation dactifs (CAPM, APT, Modles facteurs)
les diffrentes approches de la thorie de lefficience
Structure des taux dintrt et principes dvaluation des obligations
Thorie des options et modles de pricing doptions

Bibliographie :
1. Finance de march , R. Portait, P. Poncet (Dalloz), 2009
2. Thorie de la Finance , A. Quintart, R. Ziswiller (PUF) gestion, 1990
3. Finance dentreprise , A. Damodaran (DeBoek), 2006
valuation :
Deux notes seront attribues chaque tudiant durant le semestre :
Contrle continu (CC) en travaux dirigs : une note sur 20 (valuation crite ou dossier),
pondration de 40%
Examen final (EX) : une note sur 20 pour l'examen de fin de semestre, pondration de
60%.
La note finale sur 20 (NF) est calcule comme une moyenne pondre de ces notes :
NF= 0,4 CC + 0,6 EX
Pour la seconde session d'examen, la note de CC est conserve. La note d'examen (EX) est
remplace par la note obtenue lors de la seconde session.

Gestion des Risques de March


Responsable : Lin MA
45h (24h C + 21h TD, sur 10 semaines)
Objectifs :
Apporter ltudiant une connaissance pratique des outils dvaluation et de gestion
des risques de change, de crdit, de taux dintrt et de march.
Approfondir la
connaissance pratiques des options et autres actifs drivs.
Contenu :
Les marchs de taux dintrt (taux courts, obligations)

20

Les marchs de devises


Les marchs dactions et la gestion de portefeuille
Les risques financiers de lentreprise, de la banque et des institutionnels (crdit,
change, march, taux)
Techniques de gestion interne du risque de taux et de change (immunisation, gestion
actif-passif, garantie de change)
La gestion des risques de taux et change par les marchs drivs de gr gr
(forward, swaps, FRA, Cap, Flor)
La gestion des risques de taux et change par les marchs organiss (futures, options)
La gestion du risque de march avec les produits drivs des indices boursiers
Drivs de crdit, risque de march et oprationnel

Bibliographie :
1. Options, futures et autres actifs drivs J. Hull (Pearson Education), 5me dition
2. Gestion du risques et institutions financires , J. Hull (Pearson Education) 2007
3. March des changes , P. Fontaine (Pearson Education), 2009
valuation :
Deux notes seront attribues chaque tudiant durant le semestre :
Contrle continu (CC) en travaux dirigs : une note sur 20 (valuation crite ou
dossier), pondration de 40%
Examen final (EX) : une note sur 20 pour l'examen de fin de semestre, pondration de
60%.
La note finale sur 20 (NF) est calcule comme une moyenne pondre de ces
notes : NF= 0,4 CC + 0,6 EX
Pour la seconde session d'examen, la note de CC est conserve. La note d'examen (EX) est
remplace par la note obtenue lors de la seconde session.

Stage (optionnel)
Responsable : Philippe HEINRICH
Objectifs :
Les divers ateliers et actions du BAIP (Bureau d'Aide l'Insertion Professionnelle), intgrs
dans le cursus du M1, doivent permettre aux tudiants d'effectuer un stage de 2 mois
minimum en fin d'anne, les enseignements se terminant au plus tard fin avril.
Bien qu'optionnel, ce stage constitue une premire exprience o les comptences acquises
en M1 notamment en matire d'analyse de donnes financires, de tests statistiques, d'aide
la dcision et de prvision sont mises contribution. Il permet aussi l'tudiant d'affiner
son projet professionnel et facilite la recherche de stage de fin d'tudes en M2.
Un stage en laboratoire peut aussi convenir si l'tudiant envisage par exemple une poursuite
d'tudes en Doctorat, mais il s'agit l de cas assez exceptionnels.

21

9. Le rglement des tudes et des examens


Un grande nombre d'informations supplmentaires sur l'organisation gnrale des
tudes sont disponibles sous le llen suivant :

http://www.univ-lille1.fr/etudes/Organisation-etudes
On peut y trouver notamment le rglement des tudes et le rglement des
examens.

10. Pass'Pro : le bureau d'aide l'insertion


professionnelle
Les diverses actions et ateliers Pass'Pro peuvent tre consults sur la page suivante :

http://pass-pro.univ-lille1.fr/

11. Le groupe Master Mathmatiques et Finance,


Lille 1 sur Linkedin
Il est de votre intrt de vous inscrire ce groupe de faon vous faire connatre,
en particulier des anciens tudiants.

https://www.linkedin.com/groups?home=&gid=4841762&trk=anet_ug_hm

22

12. Les intervenants du Master 1 Mathmatiques et


Finance

MATIRES

ENSEIGNANTS

CONTACTS

Semestre 1
Bureau 306 Bt M3
gwenaelle.castellan@math.univlille1.fr

Statistique

Gwnaelle CASTELLAN

Probabilits

Thomas SIMON

Logiciel R

meline SCHMISSER

Bases de Donnes

Arnaud LIEFOOGHE

Bureau 230 Bt M3
Arnaud.Liefooghe@lifl.fr

Produits Financiers et
Microstructure des Marchs
Financiers

David BOURGHELLE

IAE - Bureau 504


David.Bourghelle@iae.univ-lille1.fr

Comptabilit Financire

Cme SEGRETAIN

IAE Bureau 504, 5eme


Come.Segretain@iae.univ-lille1.fr

Anglais

Nicole CHAPEL

Btiment B5 Maison des langues


Nicole.Chapel@univ-lille1.fr

Logiciel SAS

Matthieu DRUART
(Intervenant pro)

Mise Niveau Informatique

Maude PUPIN

Mise Niveau Mathmatiques

Philippe HEINRICH

Bureau 308 Bt M3
philippe.heinrich@math.univ-lille1.fr

Mise Niveau conomie

Aurlie CASSETTE

Aurelie.Cassette@univ-lille1.fr

23

Bureau 305 Bt M3
thomas.simon@univ-lille1.fr

Bureau 314 Bt M3
emeline.schmisser@math.univ-lille1.fr

Matthieu.druart@gmail.com

Bureau 227 Bt M3 Extension


Maude.Pupin@lifl.fr

MATIRES

ENSEIGNANTS

CONTACTS

Semestre 2
Processus Stochastiques

Myriam FRADON

Statistique Non Paramtrique

meline SCHMISSER

Programmation Oriente
Objet

Bruno BOGAERT

Data Mining

Francesco De Comit

Thorie Financire

Philippe ROZIN

Gestion des Risques de


March

Lin MA

Sries Temporelles

Philippe HEINRICH

24

Bureau 308 Btiment M3


Myriam.Fradon@univ-lille1.fr

Bureau 314 Bt M3
Emeline.Schmisser@math.univ-lille1.fr

Bureau 218 Bt M3 Extension


Bruno.Bogaert@lifl.fr

Bureau 218 Bt M3 Extension


Francesco.De-Comite@univ-lille1.fr

IAE Bureau 504


Philippe.Rozin@iae.univ-lille1.fr

IAE Bureau 504


Lin.Ma@iae.univ-lille1.fr

Bureau 308 Bt M3
philippe.heinrich@math.univ-lille1.fr