M2MO: Modélisation Aléatoire, Finance et Data Science

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

 
 
 
 
 
 
 
 

Règles de validation

Imprimer

Parcours Finance & Statistiques

Les étudiants doivent valider:
(1) Bloc fondamental: 18 ECTS, constitué de:
     UE1: Calcul stochastique et modèles de diffusion (6 ECTS)
     UE2: Modélisation des produits dérivés (6 ECTS)
     UE3: Un cours de base à 6 ECTS à chosir parmi
     (i) Modélisation des données et inférence statistique
     (ii) Introduction au machine learning
     (iii) Chaines de Markov
(2) 27 ECTS parmi les cours spécialisés de la fiche pédagogique "IP MO-Fin",
(3) Mémoire de stage: 15 ECTS (dont 2 ECTS pour la participations aux conférences professionnelles)
 Pour les étudiants souhaitant s’orienter dans une carrière professionnelle, il est  fortement recommandé de suivre le cours de formation C++, de faire un projet informatique dans le cours de Monte-Carlo et/ou EDP en finance. 
 

Parcours Data Science

Les étudiants doivent valider
(1) les 3 cours qui constituent le bloc fondamental de 18 ECTS: 
UE1 Modélisation des donnés et inférence statistique
UE2 Introduction au machine learning
UE3  Apprentissage statistique.  
(2) 27 ECTS sont à valider parmi les cours spécialisés de la fiche pédagogique "IP MO-Data",
(3) 15 ECTS  pour le mémoire de stage. 

Elèves de l'ENSAE

Les étudiants de 3ème année de l'ENSAE disposent d'un cursus aménagé du fait de la co-habilitation entre le Master et leur école. Ces étudiants doivent valider 2 cours fondamentaux (soit 2x6=12 ECTS) qui sont selon leur parcours d'inscription:

  • Itinéraire Finance & Statistiques : (i) Calcul stochastique & modèles de diffusion (ii) Modélisation des produits dérivés
  • Itinéraire Data Science : 2 cours parmi (i) Modélisation des données et inférence statistique  (ii) Introduction au Machine Learning (iii) Apprentissage statistique

Parmi les 33 ECTS ou les 27 ECTS de cours optionnels restants à valider (cf fiche pédagogique IP MO Ensae-finance ou IP MO Ensae-data), 6 ECTS (soit 2 cours) peuvent être validés par des cours ayant lieu à l'ENSAE  dans la liste suivante:

  • Phénoménologie des marchés financiers, Michael Benzaquen (Semestre 1)
  • Introduction à la gestion des risques, J.-D. Fermanian (Semestre 1)
  • Financial econometrics, Jean-Michel Zakoïan (Semestre 1)
  • Statistique en grande dimension, Alexandre Tsybakov (Semestre 2)
  • Intelligence artificielle pour l'actuariat, Olivier Lopez (Semestre 2)
  • De plus, le stage de fin d'études de troisième année est compté pour 15 ECTS comme stage du Master.

Attention: les aménagements spécifiques ENSAE ne sont pas appliqués en cas de redoublement: un étudiant de l'ENSAE qui ne valide pas le M2MO pendant sa troisième année, et qui est autorisé à redoubler, devra suivre les règles de validation générales l'année suivante.


Elèves de CentraleSupelec (3ème année, option: mathématiques et Data science)

Les étudiants de CS 3ème année  disposent d'un cursus aménagé du fait de la co-habilitation entre le Master et leur école. Ces étudiants doivent valider 2 cours fondamentaux (soit 2x6=12 ECTS) qui sont selon leur parcours d'inscription:

  • Itinéraire Finance & Statistiques : (i) Calcul stochastique & modèles de diffusion (ii) Modélisation des produits dérivés
  • Itinéraire Data Science : 2 cours parmi (i) Modélisation des données et inférence statistique  (ii) Introduction au Machine Learning (iii) Apprentissage statistique

Parmi les 33 ECTS  de cours optionnels restants à valider (cf fiche pédagogique IP MO Centrale-finance ou IP MO Centrale-data),  6 ECTS (soit 2 cours) peuvent être validés par des cours ayant lieu à CS  dans la liste suivante. Les étudiants souhaitant bénéficier de cette possibilité doivent transmettre leur demande, accompagnée du relevé des notes de l'ECP, au secrétariat du master avant la réunion du jury de diplôme.

  • Modèles stochastiques en finance (MSF1)
  • Structuration et gestion d'actifs (SGA)
  • Physique des marchés (PHM)
  • Portfolio allocation (PA)
  • Advanced stochastic models in finance (MSF2)
  • Méthodes numériques pour la finance (Ioanne Muni Toke)
  • High frequency data and limit order book (DHF)
  • Fixed income (FI)
  • Deep learning in finance (DLF)
  • Réassurance  et risques extrêmes (REA)
  • Portfolio metrics (PM)

Attention: les aménagements spécifiques CentraleSupelec ne sont pas appliqués en cas de redoublement: un étudiant de l'Ecole Centrale qui ne valide pas le M2MO pendant sa troisième année, et qui est autorisé à redoubler, devra suivre les règles de validation générales l'année suivante.


Nous insistons que ce master constitue probablement la dernière année de votre formation. C'est pourquoi nous vous encourageons à suivre le plus de cours possibles. Si plus de 60 ECTS sont validés les meilleures notes seront retenues dans la limite des règles ci-dessus.


Fiches pédagogiques à remplir et renvoyer au secrétariat

Ci-dessous, vous pouvez télécharger la fiche pédagogique de votre choix:

* Fiche pédagogique - Itinéraire 'Finance & statistiques' pour les  étudiants de l'ENSAE3A 

* Fiche pédagogique - Itinéraire 'Data' pour les  étudiants de l'ENSAE 3A

* Fiche pédagogique - Itinéraire 'Finance & statistiques'  pour les  étudiants de CS3A

* Fiche pédagogique - Itinéraire 'Data Science'  pour les  étudiants de CS3A

* Fiche pédagogique - Itinéraire 'Finance & statistiques' pour les étudiants hors Ensae, CS, 3A

* Fiche pédagogique - Itinéraire 'Data' pour les étudiants hors Ensae, CS, 3A

 

Objectives

Imprimer

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

Lire la suite...

Débouchés

Imprimer

Débouchés professionnels

 

  • En finance: analyste contrôle de risque, analyste quantitatif (quant), structurer, trader, ingénieur financier, dans les cellules de recherche des établissements financiers en France et à l’étranger (Londres, New York, Tokyo, Singapour, etc…)
  • En statistique et data science: spécialiste de traitement de données et de l'information travaillant dans les domaines d'assurance, énergie, météorologie, télécommunications, réseaux sociaux, vente en ligne.

Faire une thèse

A l’issue du Master, les étudiants ont la possibilité de poursuivre une activité de recherche soit dans le cadre d’une thèse académique, soit en partenariat avec la cellule de recherche d’une entreprise privée (convention CIFRE). La durée moyenne d’une thèse est de trois ans. Les débouchés naturels sont une carrière académique au sein de l’université, grandes écoles, organismes de recherche publics (CNRS, INRIA), ou privés. Des allocations de recherche sont attribuées aux étudiants de Master par l’Ecole Doctorale de Sciences Mathématiques de Paris Centre (ED386) en fonction de leur classement. Celles-ci peuvent être complétées par un monitorat d’enseignement à l’université ou un monitorat conseil en entreprise.

Les étudiants qui envisagent de faire une thèse à l’issue du Master doivent contacter Huyên PHAM ou Jean-François CHASSAGNEUX. Pour candidater à un contrat doctoral (Bourse de thèse) à l'Université Paris Diderot - Paris 7, les étudiants doivent en faire la demande auprès du secrétariat de l'Ecole Doctorale Sciences Mathématiques de Paris Centre (Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.) ( Tél. 01 57 27 92 13, bureau 5056, Bâtiment Sophie Germain).

Liste des enseignants

Imprimer
no_potrait Yves Achdou, Professeur à l'université Paris 7
no_potrait René Aïd, EDF, directeur du laboratoire de finance des marchés de l'énergie
no_potrait Olivier Bokanowski, Maître de Conférence à l'université Paris 7
no_potrait Stéphane Boucheron, Professeur à l'université Paris 7
no_potrait Laurence Carassus, Maître de Conférence à l'université Paris 7
no_potrait Olivier Carton, Professeur à l'université Paris 7
no_potrait Mireille Chaleyat-Maurel, Professeur à l'université Paris 5
no_potrait Stéphane Clémençon, Enseignant chercheur à l'ENST
no_potrait Francis Comets, Professeur à l'université Paris 7
no_potrait Marie Cottrell, Professeur à l'université Paris 1
no_potrait Serges Darolles, Responsable de la Recherche Quantitative, SGAM, PRAG à l'université Paris 7
no_potrait Laure Elie, Professeur à l'université Paris 7, directrice du master
no_potrait Valentine Genon-Catalot, Professeur à l'université Paris 5
no_potrait Giambattista Giacomin, Professeur à l'université Paris 7
no_potrait Marc Hoffmann, Professeur à l'ENSAE
no_potrait Ying Jiao, Maître de Conférences à l'université Paris 7
no_potrait Gérard Kerkyacharian, Professeur à l'université Paris 10
no_potrait Catherine Laredo, Directeur de Recherche à l'INRA
no_potrait Erwan Le Pennec, Maître de Conférences à l'université Paris 7
no_potrait P. Letremy, Maître de Conférence à l'université Paris 1
no_potrait Stéphane Loisel, Maître de conférences à l'université Lyon I
no_potrait Stéphane Menozzi, Maître de Conférence à l'université Paris 7
no_potrait Annie Millet, Professeur à l'université Paris 1, directrice du master
no_potrait Mathilde Mougeot, Maître de Conférence à l'université Paris 7
no_potrait Eric Moulines, Professeur à l'ENST
no_potrait Huyen Pham, Professeur à l'université Paris 7, directeur du master.
no_potrait Dominique Picard, Professeur à l'université Paris 7
no_potrait Marie-Claire Quenez, Professeur à l'université Paris 7
no_potrait Richard Rouge, Analyste Quantitatif, Equipe structuration, SGAM
no_potrait S. Souchet, Maître de Conférence à l'université Paris 1
no_potrait Peter Tankov, Maître de Conférence à l'université Paris 7 et à l'école Polytechnique
no_potrait Emmanuel Temam, Maître de Conférence à l'université Paris 7, directeur du master
no_potrait Alexandre Tsybakov, Professeur à l'université Paris 6
no_potrait Nicolas Vayatis, Professeur à l'ENS Cachan

Accueil

Imprimer

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