M2MO: Modélisation Aléatoire, Finance et Data Science

Master en statistique, probabilités et finance - Université Paris 7 - Paris Diderot

 
 
 
 
 
 
Organisation Objectives
 
 

Objectives

Objectifs


Le Master 2ème année de Modélisation aléatoire (master m2mo ex DEA Laure Elie) propose une formation d'excellence en probabilités et statistiques avec une spécialisation en Modèles aléatoires en finance et en Data Science

Ce Master propose une formation solide en probabilités, science des données et méthodes stochastiques tout en développant les applications dans des domaines porteurs à l'heure actuelle.

Recherche/Professionnel

Assurer en tant que Master Recherche une initiation à la recherche fondamentale en vue d'une thèse sur l'un des thèmes ci-dessous:

     
  • Modélisation en finance/économie : données haute fréquence, modèles à volatilité aléatoire et inférences statistiques associées, optimisation de portefeuilles, gestion des risques financiers, contrôle stochastique, jeux à champ moyen et méthodes non linéaires en finance, marchés de l'énergie 
  • Probabilités numériques, méthodes de machine learning, et applications en finance.
  • Apprentissage statistique, data mining, problématiques de Big Data: méthodes de compression de données et de réduction de la dimension, optimisation de la prédiction. Ces techniques sont très importantes dans des domaines d'applications tels que :bioinformatique, génétique, téléphonie mobile, text-mining, astrophysique.
  • Modélisation aléatoire de systèmes complexes. Application en mécanique statistique: modèles d'Ising, interfaces, polymères et copolymères, milieux désordonnés.

D'autres thèmes de recherche sont présentés sur le site web du Laboratoire LPSM, et notamment des équipes (i) Mathématiques financières, actuarielles et probabilités numériques, (ii) Statistique, données et algorithmes, (iii) Structure et modèles aléatoires, dans lesquels la thèse s'effectuera. 

 

Donner en tant que Master Professionnel aux étudiants une formation probabiliste et statistique nécessaire à la modélisation et au traitement statistique de problèmes concrets variés (par exemple en prévision économique, mathématiques financières, traitement du signal et des images, modélisation de réseaux…) de manière à proposer des débouchés de chercheur et d’analyste dans différents secteurs d’activités : grandes entreprises, assurances, secteur bancaire, secteur pharmaceutique, secteur énergétique, télécommunications...

  • L’insertion professionnelle des étudiants ayant une formation de haut niveau en probabilités, statistique et finance est toujours bonne dans le secteur recherche et développement des banques et des organismes financiers. Ce secteur très dynamique, confronté à l'apparition de nouveaux types de données et de nouvelles contraintes réglementaires est à l'affût de modèles originaux. Il recherche donc des étudiants très solides en modélisation aléatoire et capables de réflexion et d'innovation dans la conception des modèles.  
  • La spécialisation dans le domaine « data science » ouvre la voie à des débouchés académiques et industriels comme le traitement des données massives, l'analyse d'images, l'imagerie médicale, l'analyse et l'intégration de données multimédia, les systèmes de communication, le développement logiciel, les études statistiques et les développements informatiques pour le data mining. Nous avons des demandes de stages dans des grandes entreprises ou organismes de recherches tels que l'INRA, EDF, l'ONERA, l'INSERM.

2 parcours

Deux parcours sont proposés :

  1. Le premier « Statistiques et Modèles aléatoires en Finance » est destiné aux étudiants qui souhaitent s’orienter vers une spécialisation en Finance au niveau recherche ou professionnel. 
  2. Le deuxième « Statistiques et Data Science» veut permettre une formation large en statistiques, informatique et traitement de données.

Des conventions avec l’ENSAE,  CentraleSupelec  favorisent l’accueil dans notre formation des élèves de ces écoles et permet à nos étudiants de suivre un ou deux cours dans ces écoles sur des sujets spécifiques.