Site de l'Université | English version
Année académique 2014-2015Données en date du : 25/10/2014
FINA0060-1  Empirical Methods in Financial Markets

Durée :  30h Th
Nombre de crédits :  
Master en sciences économiques, orientation générale, à finalité approfondie, 1re année5
Master en sciences économiques, orientation générale, à finalité didactique, 1re année5
Master en ingénieur de gestion, à finalité spécialisée en Performance Management and Control, 1re année5
Master en sciences économiques, orientation générale, à finalité spécialisée en analyse et politique économique, 1re année5
Master en sciences économiques,orientation générale, à finalité spécialisée en Economics and Finance, 1re année5
Master en ingénieur de gestion, à finalité spécialisée en Financial Engineering, 1re année5
Master en sciences économiques, orientation générale, à finalité spécialisée en Economic Analysis and Public Governance, 1re année5
Master en ingénieur de gestion, à finalité spécialisée, 1re année5
Master en ingénieur de gestion, à finalité spécialisée en intrapreneuriat, 1re année5
Master en ingénieur de gestion, à finalité spécialisée en Modélisation et technologie, 1re année5
Master en ingénieur de gestion, à finalité spécialisée en Supply Chain Management, 1re année5
Master en ingénieur de gestion, à finalité spécialisée en Performance Management Systems, 1re année5
Nom du professeur :  Cédric Heuchenne
Langue(s) du cours :  
Langue anglaise
Organisation et évaluation :  
Enseignement au deuxième quadrimestre
Contenus du cours :  
Le monde financier porte un intérêt sans cesse grandissant aux méthodes quantitatives de prédiction. Pour le spéculateur, il est en effet essentiel d'avoir une bonne approximation des valeurs futures de son portefeuille d'actions. Un analyste financier doit toujours prévoir au mieux le comportement des entreprises dans lesquelles ses clients sont susceptibles d'investir. C'est dans ce cadre que ce cours propose de développer les différentes méthodes existantes pour approcher ces problèmes. Son contenu dépend fortement des désirs des étudiants et de leurs aspirations professionnelles. Entre autres, les thématiques suivantes peuvent être abordées :
- prédiction de données saisonnières
- gestion du risque
- causalité
- prédiction dans les modèles autorégressifs à moyenne mobile (modèles ARMA)
- modèles à hétéroscédastité conditionnelle autorégressive généralisés (modèles GARCH)
- filtre de Kalman
- ...
Acquis d'apprentissage (objectifs d'apprentissage) du cours :  
P2. Application des méthodes basiques de statistique aux processus stochastiques
C3. Analyse, identification de dénominateurs communs aux différentes méthodes
C4. Analyse critique de méthodes existantes en regard des situations pratiques rencontrées
Ces objectifs d'apprentissage s'incrivent et précisent les attendus d'apprentissage du programme de master ingénieur de gestion suivants :
  • Acquérir la connaissance et la compréhension d'un des domaines suivants : gestion de la chaîne logistique, ingénierie financière, systèmes de gestion de la performance ou intrapreneuriat ; être capable de les mobiliser afin de résoudre des problèmes ou des cas de gestion concrets
  • Comprendre et être capable d'utiliser des méthodes de modélisation pour rechercher des solutions à un problème de gestion concret
  • Etre capable de travailler en équipe de manière professionnelle
  • Développer un sens critique (argumenter)
  • Capacité à communiquer oralement de manière professionnelle
Prérequis et corequis / Modules de cours optionnels recommandés :  
1) Cours de base de probabilités (fonction de répartion, distribution, densité, espérance, variance, lois discrètes et continues usuelles univariées, normale multivariée) et d'inférence statistique (estimation, intervalles de confiance, tests d'hypothèses). Equivalent au contenu du cours : Probabilités et inférence statistique STAT1208-1.
2) Cours de méthodes quantitatives de gestion : principalement bases de la régression multiple, maximum de vraisemblance, analyse en composantes principales. Par exemple, ce contenu est abordé dans
STAT0800-1 Models and methods in applied statistics ou
MQGE0005 Quantitative Methods in Management (Partim Statistics).
Activités d'apprentissage prévues et méthodes d'enseignement :  
Mode d'enseignement (présentiel ; enseignement à distance) :  
Méthodologie utilisée
A3. Analyse d'un problème pratique par chaque groupe d'étudiants (en partie encadrée par le professeur). Chaque problème se subdivise en un nombre de sous-problèmes correspondant au nombre d'étudiants traitant le problème.
A4. Synthèses critiques de recherches, de lectures et/ou d'applications pratiques menées par chaque groupe d'étudiants. Chaque étudiant présente à la fin du quadrimestre ses lectures propres (correspondant à son sous-problème) et ensuite, chaque groupe présente ses critiques, comparaisons de méthodes et éventuels résultats obtenus. Lors de sa présentation, chaque groupe est invité
1) à exposer clairement le problème d'intérêt dans son contexte financier et les méthodes existantes pour le résoudre,
2) à critiquer ces méthodes et justifier le choix d'une ou plusieurs d'entre elles dans un contexte particulier.
Parallèlement, chaque étudiant assiste aux présentations des autres étudiants, s'intéresse et critique la démarche que ceux-ci utilisent pour traiter leur problème propre.


Planification
Le cours s'étale sur 10 semaines. Les 6 premières heures, le professeur présente les différents problèmes d'intérêt assortis des notions nécessaires à leur compréhension. Les étudiants (en groupes) choisissent alors un problème et ils tentent de le comprendre d'une part grâce à une recherche bibliographique personnelle (en concertation avec leur groupe -recherche bibliographique partagée-) et d'autre part grâce aux cours théoriques donnés les semaines suivantes. Ces derniers sont en effet conçus pour à la fois suivre chaque groupe dans son travail et d'autre part permettre une compréhension générale des travaux des autres groupes. Entre la semaine 5 et la semaine 7, les étudiants et l'équipe enseignante se réunissent pour effectuer un état d'avancement, partager et comparer les lectures de chacun et définir les étapes suivantes du travail. Les étudiants préparent alors un présentation du problème abordé et écrivent un rapport pour la période d'évaluations qui suit le cours.


Répartition de la charge de travail étudiant
A1 Cours 24h
A3 Analyse du problème 60h
A3 Etat d'avancement, réunions 10h
A4 Rapport 20h
A4 Présentations 6h
Lectures recommandées ou obligatoires et notes de cours :  
Syllabus introductif et slides (matière nécessaire à la compréhension du travail)
Lectures conseillées :
1. Brockwell, P. J., & Davis, R. A. (1996). Introduction to Time Series and
Forecasting. New York : Springer.
2. Franses, P. H. (1998). Time series models for business and economic forecasting. Cambridge University Press.
3. Mills, T. C. (1999). The Econometric Modelling of Financial Time Series (Second ed.). Cambridge University Press.
4. Lectures conseillées (bibliographie ciblée)
Modalités d'évaluation et critères :  
Outils d'évaluation, critères d'évaluation et pondération
E4. Rapport final (30% de la note finale, évaluation commune) L'évaluation se base sur la clarté, la capacité à synthétiser et l'analyse critique des étudiants. E4. Présentation orale (50% de la note finale-40% individuelle, 10% commune-) 1. Qualité de la présentation : qualité des transparents (10%, commune) démarche scientifique (15%) et qualité des explications (15%). Les étudiants doivent identifier et présenter leur propre travail de recherche bibliographique. 2. Défense du travail : réponses aux critiques du professeur et des autres étudiants (10%). E4. Participation critique aux travaux des autres étudiants, qualité des questions posées (20%, évaluation individuelle)
Pondération relative de l'évaluation individuelle : 60%
Calendrier des évaluations
Le rapport doit être remis au professeur avant la période d'évaluations qui suit le cours. La présentation orale se déroule habituellement durant les heures prévues pour le cours.
Stage(s) :  
Remarques organisationnelles :  
Langue d'enseignement : anglais
Contacts :  
Cédric HEUCHENNE, HEC-ULg Ecole de Gestion de l'Université de Liège, Bât N1, local 309, email: C.Heuchenne@ulg.ac.be
Julien HAMBUCKERS, HEC-ULg Ecole de Gestion de l'Université de Liège, Bât N1, local 310, email: jhambuckers@ulg.ac.be (C.Heuchenne@ulg.ac.be)

Notes en ligne :  
notes de cours
Syllabus, slides, vidéos, introduction à matlab



Accueil

Bacheliers, masters, masters complémentaires et agrégations

Formations continues

Doctorat

Recherche par enseignant

Recherche par cours

Administration de l'Enseignement et des Etudiants - Responsable de l'information : Monique Marcourt, Direction générale à l'Enseignement et à la Formation - Réalisation SEGI