Développement et intégration de savoirs hautement spécialisés

MR123B21
Développement et intégration de savoirs hautement spécialisés

Description

Mobiliser des savoirs hautement spécialisés, dont certains sont à l’avant-garde du savoir dans un domaine de travail ou d’études, comme base d’une pensée originale
Développer une conscience critique des savoirs dans un domaine et/ou à l’interface de plusieurs domaines
Résoudre des problèmes pour développer de nouveaux savoirs et de nouvelles procédures et intégrer les savoirs de différents domaines
Apporter des contributions novatrices dans le cadre d’échanges de haut niveau, et dans des contextes internationaux
Conduire une analyse réflexive et distanciée prenant en compte les enjeux, les problématiques et la complexité d’une demande ou d’une situation afin de proposer des solutions adaptées et/ou innovantes en respect des évolutions de la réglementation

-Produire des traitements de données simples en utilisant les concepts de la statistique descriptive, en vue de présenter les résultats obtenus à l’aide de tableaux, de graphiques et d’indicateurs numériques
- Mesurer la liaison entre deux variables
- Choisir les outils et déterminer leurs limites afin de communiquer les conclusions et leur interprétation                                                                                                                                                            - Explorer, décrire et interpréter des données dans leur aspect multidimensionnel 
- Produire des études statistiques en mettant en œuvre les techniques de projection (ACP, AFC, etc.) et de classification
- Cibler et faire ressortir des modèles linéaires, non-linéaires, généralisés ou mixtes et construire des modèles complexes ou novateurs de prévisions en utilisant les techniques de modélisation, estimations, tests et diagnostics
- Identifier les variables ou composantes importantes d’un modèle afin de tester des hypothèses en utilisant les techniques de modélisation, estimations, tests et diagnostics
- Modéliser des données observées, les interpréter pour en faire de la prédiction en utilisant des outils appropriés et en tenant compte de leur nature aléatoire
- Prévision à court-terme des séries temporelles

En utilisant les concepts de la théorie des sondages :
- définir un plan de sondage (méthode et algorithme) adapté au problème posé
- déterminer par le calcul la précision des estimateurs (moyenne, total, proportion) issus d'une enquête par sondage
- employer des variables auxiliaires pour améliorer la qualité des estimateurs d'imputation à partir de la correction de la non-réponse partielle
- déterminer les données à re-pondérer afin de corriger la non-réponse totale
- mettre en place des stratégies d'imputation afin de corriger de la non-réponse partielle
- maitriser les techniques d'échantillonnage et connaitre et maitriser les biais et sources d'erreur

- Traiter les risques de nature pré-systémique ou systémique en matière financière, dans le cadre des approches de la régulation des marchés et des nouvelles normes financières.
- Mettre en oeuvre la modélisation des risques, notamment extrêmes ou systémiques, dans le cadre des contraintes de régulation des marchés et d’assurance.S'adresse principalement aux Économètres spécialistes de la modélisation de risque en finance et assurance
- Maîtriser les instruments de marchés financiers, les méthodes d'analyse du risque de taux et les techniques de gestion de taux. S'adresse principalement aux professionnels des salles de marché (Front, - Middle et Back Office), aux trésoriers, aux banquiers confrontés à des problèmes de marché, aux gestionnaires de portefeuilles, ...
- Maîtriser les instruments de marchés financiers, les produits dérivés, les méthodes d'analyse du risque et les techniques de gestion quantitative. S'adresse aux collaborateurs de salles de marchés (Front, Middle et back office), aux trésoriers de grandes entreprises, aux banquiers confrontés à des problèmes de marchés, aux gestionnaires de portefeuilles, ...
- Appliquer les modèles statistiques uni et multidimensionnels utilisés en finance (gestion de portefeuilles, gestion des risques, évaluation d'actifs, risque de marché, risque de crédit, risque de change...)
- Modéliser le risque en finance et assurance à partir de la prise en compte des problèmes comptables et réglementaires

-Concevoir et mettre en œuvre les principales méthodes des durées de vie
- Maîtriser les méthodes d'analyse des durées de vie
- Participer aux diverses études industrielles et au processus d'innovation relevant de cette discipline
- Construire des plans de validation et d'interpréter les résultats des études de fiabilité/survie
- Pratiquer avec assurance les méthodes de la fiabilité expérimentale et opérationnelle en vue d'accroître la qualité des analyses et des choix techniques effectués pendant les phases de développement et d'exploitation de produits ou de processus
- Mettre en œuvre un outil informatique pour les traitements des données et l'interprétation des résultats
- Construire des modèles explicatifs de variables qualitatives

 

Public

X

Nombre d’ECTS
108
Domaine
Modélisation ingénierie mathématiques &t statistique
Code répertoire
RNCP34039BC02
Date de début de validité

Unités d'Enseignement requises

STA108 : Enquêtes et sondages ( 9 ECTS)

Nombre d'heures : 90.00

Connaître la pratique des enquêtes par sondage et comprendre les théories sous-jacentes à la collecte et à la production des résultats.

ACT206 : Actuariat branche vie ( 6 ECTS)

Nombre d'heures : 60.00

Acquérir les techniques de l'actuaire en assurance vie.

STA110 : Modélisation statistique ( 9 ECTS)

Nombre d'heures : 90.00

Maîtriser les outils de la modélisation statistique (sélection de modèles, validation, interprétation) dans un contexte général (données continues, discrètes, qualitatives, mixtes) via l'utilisation de méthodes paramétriques (modèles linéaires et modèle linéaire généralisé) ou non-paramétriques.

GFN203 : Marchés financiers I : Produits de taux et gestion de portefeuille ( 6 ECTS)

Nombre d'heures : 60.00

Maîtriser les instruments de marchés financiers, les méthodes d'analyse du risque de taux et les techniques de gestion de taux.

STA112 : Statistique spatiale ( 6 ECTS)

Nombre d'heures : 60.00

Maitriser les méthodes d'analyse de données spatiales et les outils de traitement de données.

GFN204 : Marchés financiers II : Futures et options ( 6 ECTS)

Nombre d'heures : 60.00

Maîtriser les instruments de marchés financiers, les produits dérivés, les méthodes d'analyse du risque et les techniques de gestion quantitative.

STA208 : Méthodes statistiques pour la régulation ( 9 ECTS)

Nombre d'heures : 90.00

Maîtriser les concepts et méthodes d'analyse statistique liés aux très fortes déviations, ruptures et crises systémiques dans les marchés financiers. Maîtriser  de la dépendance entre le risque en grand dimension (effet de contagions, catastrophes naturelles etc etc).  Savoir mettr

STA106 : Plans d'expériences ( 6 ECTS)

Nombre d'heures : 60.00

Les plans d'expériences couvrent des phénomènes de type "boîte noire" que l'on cherche à "éclaircir" pour mieux en comprendre le fonctionnement et en optimiser les performances.

STA217 : Apprentissage statistique en grande dimension ( 9 ECTS)

Nombre d'heures : 90.00

Maîtriser les méthodes d'apprentissage statistique pour l'analyse de données de grande dimension
 

ACT205 : Actuariat branche dommages ( 6 ECTS)

Nombre d'heures : 60.00

Acquérir les techniques de l'actuaire en assurance de dommages.

9 ECTS - Une UE à choisir parmi

STA215 : Méthodes statistiques pour l'analyse des durées de vie : fiabilité/survie ( 9 ECTS)

Nombre d'heures : 90.00

  • Définir le champ et les principaux outils des phénomènes de durée de vie
  • Présenter et faire appliquer les méthodes modernes d'analyse statistique des phénomènes de durée de vie,
  • Fournir aux auditeurs les moyens d'appréhender les aspects de survie, de la fiabilité des systèmes
STA212 : Données catégorielles ( 9 ECTS)

Nombre d'heures : 90.00

Permettre aux ingénieurs, cadres d'entreprises ou d'administrations, médecins, chercheurs, de construire des modèles explicatifs de variables qualitatives. Le cours s'appuie sur la pratique du logiciel R.