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.
- Responsable: Breden Maxime
- Responsable: Gaubert Stéphane
- Responsable: Lehalle Charles-Albert
- Responsable: Lelievre Tony
- Responsable: Rey Clément
- Responsable: Rosenbaum Mathieu
- Responsable: Gouarin Loïc
L'apprentissage automatique est une discipline scientifique qui s'intéresse à la conception et au développement d'algorithmes permettant aux ordinateurs d'apprendre à partir de données. L'un des principaux objectifs de l'apprentissage automatique est d'apprendre automatiquement des modèles complexes et de prendre des décisions intelligentes sur la base de ces modèles. L'ensemble des données possibles qui alimentent une tâche d'apprentissage peut être très vaste et diversifié, ce qui fait de la modélisation et des hypothèses préalables des problèmes critiques pour la conception d'algorithmes pertinents.
Ce cours vise à compléter le premier cours sur l'apprentissage automatique.
- Responsable: Capitaine Aymeric
- Responsable: Durmus Alain
- Responsable: Goudenege Ludovic
- Responsable: Le Pennec Erwan
- Responsable: Mangold Paul
- Responsable: Michel Manon
- Responsable: 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).
- Responsable: De Marco Stéfano
- Responsable: Garcin Matthieu
Langue du cours : Anglais
- Responsable: Colazzo Dario