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 ou en Data Science
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 économie et finance : données haute fréquence, modèles à volatilité aléatoire et inférences statistiques associées, optimisation de portefeuilles et couverture d’options dans les marchés imparfaits (marchés incomplets, modèles avec coûts de transaction, observation partielle), gestion des risques financiers (risque de liquidité, risque de défaut), contrôle stochastique et méthodes non linéaires en finance, méthodes numériques 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.
- estimation fonctionnelle (ondelettes, adaptation,…), statistique des extrêmes, statistique des processus, problèmes inverses et implémentation numérique, théorie du signal et imagerie, algorithmes stochastiques et méthodes numériques, méthodes neuronales, modèles à régimes cachés.
- modélisation aléatoire de systèmes complexes. Application en mécanique statistique: modèles d'Ising, interfaces, polymères et copolymères, milieux désordonnés.
- traitement de l'information: file d'attente (modélisation, dimensionnement), analyse en temps long, en réseaux, à grande échelle.
- analyse de modèles dans divers autres domaines scientifiques : biométrie, statistique en écologie et environnement, génétique moléculaire, médecine
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, 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. Actuellement un domaine sensible au niveau des banques est d'une part la gestion et le contrôle des risques et d'autre part la microstructure et la liquidité des marchés; de ce fait nous avons mis en place des cours sur ces thèmes.
- 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 :
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.
Le deuxième « Statistiques et Data Science» veut permettre une formation large en statistiques, informatique et traitement de données.
