Créer et déployer des modèles descriptifs et prédictifs à partir de données massives (Big Data)
Item
- Libelle
- Créer et déployer des modèles descriptifs et prédictifs à partir de données massives (Big Data)
- Code
- RNCP20601BC05
- Liste des compétences
- Descriptif : - Identifier les paramètres qui affectent l'évolution d'un marché financier (Finance Comportementale, Microstructure des Marchés Financiers, Trading Algorithmique, Produits Structurés) - Utiliser les différents outils analytiques en Finance : o Méthodes d'optimisation o Méthodes des Différences Finies o Méthodes de simulation par Monte-Carlo - Appliquer les techniques mathématiques et méthodes empiriques en finance à l'évaluation des instruments financiers et à l'allocation d'actifs - Utiliser les techniques d'analyse des données massives (Machine learning, Intelligence artificielle, Réseau de neurones) dans la prédiction des évolutions de marchés financiers - Concevoir des outils de détection des fraudes, des modèles d'assurance, de sentiment de marché d'évaluation du risque Crédit, pour les opérateurs de marché - Elaborer des instruments d'évaluation de la fragilité financière des entreprises - Analyser les impacts éthiques, sociaux/sociétaux et légaux des techniques d'analyse du Big Data. - Intégrer des modèles mathématiques financiers à des systèmes d'information. Modalités d'évaluation : - Production d'un mémoire en anglais (30 pages) et d'un programme informatique déployant les techniques décrites dans le mémoire portant sur le projet individuel en entreprise comportant une ou plusieurs applications des techniques de traitement des données massives et méthodes quantitatives à l'analyse des marchés financiers ou à l'assurance. Présentation orale individuelle de son projet devant un jury de professeurs. - Examens écrits individuels testant la bonne acquisition des théories mathématiques, statistiques et Big Data appliquées à l'évaluation des marchés financiers et au traitement des données massives en Finance.
Linked resources
| Title | Class |
|---|---|
| RNCP20601 | Fiche |
Annotations
There are no annotations for this resource.