Le but de cet enseignement est de fournir une initiation à la recherche et développement en mathématiques appliquées, à travers la réalisation d’un projet.
Le projet consiste en l’étude d’un problème, motivé par les applications ou des
questions de nature mathématique, allant de la modélisation à l’implémentation
numérique et à l’analyse critique des résultats. Ce projet est effectué en binôme ou en trinôme, et constitue un véritable travail d’équipe.
L'évaluation sera basée sur la remise de deux rapports écrits et sur deux présentations orales, à mi-parcours puis à la fin du projet.
- Profesor: Breden Maxime
- Profesor: Gaubert Stéphane
- Profesor: Lehalle Charles-Albert
- Profesor: Lelievre Tony
- Profesor: Rey Clément
- Profesor: Rosenbaum Mathieu
- Profesor: Gouarin Loïc
Machine learning is a scientific discipline that is concerned with the design and development of algorithms that allow computers to learn from data. A major focus of machine learning is to automatically learn complex patterns and to make intelligent decisions based on them. The set of possible data inputs that feed a learning task can be very large and diverse, which makes modelling and prior assumptions critical problems for the design of relevant algorithms.
This course aims to complement the first Machine Learning course.
- Profesor: Capitaine Aymeric
- Profesor: Durmus Alain
- Profesor: Goudenege Ludovic
- Profesor: Le Pennec Erwan
- Profesor: Mangold Paul
- Profesor: Michel Manon
- Profesor: Simsekli Umut
- Stock data:
- Sequential stock data, in one dimension (prices, returns, realized and Parkinson volatilities, autocorrelation, serial information)
- Sequential stock data in higher dimension (correlation, Markowitz)
- Standard trading strategies and their backtest
- Market microstructure (order book, bid-ask spreads, liquidity risk)
- Derivatives and options data :
- Introduction/reminders on forward and future contracts, no-arbitrage principles
- Option prices (on a large equity index such as SP500), put-call parity.
- Black Scholes formula with some justification (without continuous time stochastic calculus), numerical evaluation of implied volatilities.
- Static no-arbitrage conditions on option prices and implied volatilities, fitting of a parametric implied volatility smile models (SVI, SSVI).
- Profesor: De Marco Stéfano
- Profesor: Garcin Matthieu
Langue du cours : Anglais
- Profesor: Colazzo Dario