Acquis d'apprentissage

Au terme de ce cours, l'étudiant sera capable de :

- mobiliser les outils théoriques nécessaires pour :

(i) analyser et prédire les rendements d'actions,

(ii) construire un portefeuille d'actions à partir des rendements observés des titres individuels selon les approches standards (Markowitz, Risk budgeting),

- utiliser le logiciel R pour :

(i) construire des portefeuilles à partir de données réelles de rendements d'actions,

(ii) caractériser les rendements des titres/des portefeuilles à l'aide d'indicateurs statistiques (e.g. moyenne, variance, covariances/corrélation) et via l'estimation de modèles de références au moyen d'outils économétriques appropriés (e.g. estimation du beta des titres via l'estimation du modèle CAPM sur données réelles, etc.)

Objectifs

L'objectif du cours est triple :

  1. donner aux étudiants un socle de connaissances théoriques relativement à la théorie de portefeuille dite "moderne", soit l'approche traditionnelle de Markowitz (toujours très utilisée pratique) que vient compléter l'approche "Risk budgeting" qui devient dans la pratique le nouveau standard, ainsi que les modèles d'évaluation des actifs financiers (e.g. Constant Expected Return (CER), modèle de marché, CAPM, modèles multi-factoriels [Fama-French-Carhart], APT),
  2. sensibiliser les étudiants à la problématique de soutenabilité des investissements et à la nécessaire prise en compte de critères environnementaux, sociétaux et de gouvernance dans la constitution et la gestion de portefeuilles de titres financiers,
  3. initier les étudiants à la pratique du logiciel R pour la collecte de données, l'estimation de modèles d'évaluation des actifs financiers et la simulation de portefeuilles d'actions

Contenu


Le cours sera articulé autour des chapitres suivants :

  1. Mesure et analyse des rendements d'actions

  2. Théorie moderne de portefeuille : l'approche de H.Markowitz

  3. Evaluation des actifs financiers : modèles CER/MM/CAPM/Modèles multi-factoriels/APT

  4. Evaluation de la performance et stratégies d'investissement

  5. Risk budgeting


En parallèle, des sessions de programmation sous R seront organisées :

  1. Introduction à la programmation et à l'analyse de données sous R

  2. Analyse de portefeuille

  3. Risk budegting

Méthodes d'enseignement

Cours magistraux et séances en salle machine pour les séances de programmation sous R.

Méthode d'évaluation

Examen écrit, à livre fermé comprenant une partie théorique et une partie pratique sur R.

Des assignments en R pourront être imposés comme condition de présentation à l'examen écrit - à confirmer.

Sources, références et supports éventuels

Slides

Langue d'enseignement

Anglais
Formation Programme d’études Bloc Crédits Obligatoire
Master 60 en sciences de gestion Standard 1 5 Oui
Master 120 en sciences de gestion Finalité didactique 1 5 Oui
Master 120 en sciences de gestion, à finalité spécialisée en Transformation Digitale de l’Entreprise Standard 1 5 Non
Master 120 en sciences de gestion Finalité spécialisée 1 5 Oui
Master 120 en ingénieur de gestion Finalité spécialisée en data science 1 5 Oui
Master 120 en ingénieur de gestion Finalité spécialisée en Sustainable & Digital Management 1 5 Oui
Master 120 en ingénieur de gestion Finalité spécialisée en Sustainable & Digital Management 2 5 Oui
Master 120 en sciences de gestion Finalité didactique 2 5 Oui
Master 120 en sciences de gestion, à finalité spécialisée en Transformation Digitale de l’Entreprise Standard 2 5 Non
Master 120 en sciences de gestion Finalité spécialisée 2 5 Oui
Master 120 en ingénieur de gestion Finalité spécialisée en data science 2 5 Oui