Analyste financier international - Master of Science Finance et Big Data

Rechercher une formation

Source : Carif Ile-de-France

Fiche originale

Partager sur :

Objectifs, programme, validation de la formation

Objectifs

Cette formation permet aux participants de :

Maitriser les outils quantitatifs et méthodes de la data science spécifiques aux domaines de la Finance
De développer des outils d’analyse Big Data à l’aide des langages Python, R, Stata
De mettre en place des systèmes de gestion du risque de marché reposant sur les dernières méthodologies CVA, DVA, ..., XVA
Maitriser les outils de détection de fraude dans le cadre des activités de banque de détail basées sur les méthodes de machine learning
D’évaluer tout type de produits financiers simples ou complexes en utilisant les modèles quantitatifs en ligne avec les standards de marché
Mettre en place des stratégies d’allocation de portefeuille à l’aide d’outils d’optimisation et de de bases de données massives
Mettre en place des simulations de scenarii de risque de marché/crédit
Développer des outils de type prédictif basés sur les méthodes de data science

Description, programmation

Le programme : (Les enseignements sont dispensés en anglais)
Module 1 : Théorie Financière Générale - Maitriser le fonctionnement des marchés et produits financiers - Comprendre la théorie du portefeuille, sous-jacente à l’industrie de la gestion de fonds - Comprendre les bases des techniques actuarielles - Comprendre les enjeux et le fonctionnement de l’industrie bancaire Modalités d’évaluation : Examen de connaissances et études de cas.

Module 2 : Mathématiques Financières - Maîtriser l’ensemble des techniques mathématiques modernes nécessaires à l’évaluation des produits financiers et à l’estimation des modèles sous-jacents :Calcul stochastique appliqué- Pricing des instruments financiers Méthodes empiriques en Finance Modalités d’évaluation : examen écrit et projet d’estimation de données de marché et application à l’évaluation de produits financiers

Module 3 : Analyse numérique appliquée à la Finance - Maîtriser les différents outils analytiques destinés à l’évaluation du risque en Finance, Méthodes d’optimisation- Différences finies- Méthodes de simulations de Monte-Carlo Modalités d’évaluation : Examen écrit projet de pricing/risque management en C++

Module 4 : Analyse des marchés financiers - Comprendre les différents paramètres qui affectent l’évolution des marchés financiers : Finance comportementale- Microstructure des marchés financiers- Trading algorithmique- Produits structurés Modalités d’évaluation : Examen écrit et recherche bibliographique

Module 5 : Risk management - Comprendre les différents aspects du risque dans le contexte des activités de marché et des services financiers : Risque de marché- Risque de crédit- Risque de liquidité- Risque opérationnel Modalités d’évaluation : Examen écrit et projet applicatif en équipe

Module 6 : Méthodes Théoriques du Big Data - Maîtriser les techniques établies et récentes utilisées dans l’analyse des données massives : Machine learning- Intelligence artificielle- Deep learning- Réseau de neurones Modalités d’évaluation : Examen écrit et projet individuel appliqué à la prédiction de marchés financiers

Module 7 : Applications du Big Data à l’analyse des marchés financiers - Mettre en pratique les techniques d’analyse des données massives à des problèmes pratiques liés à l’industrie financière : Application du Big Data au crédit scoring- Analyse de données non structurées- Analyse des données massives et détection des fraudes- Analyse des données massives dans le secteur de l’assurance- Analyse du sentiment de marché Modalités d’évaluation : projet applicatif en équipe

Module 8 : Déontologie de l’analyse Big Data - Replacer les techniques d’analyse du Big Data dans un cadre légal, éthique et sociétal : Big Data et éthique- L’impact social du Big Data- Le cadre légal du Big Data Mode d’évaluation : Examen écrit et étude de cas

Validation et sanction

Analyste financier international ;Attestation de suivi de présence

Type de formation

Certification

Niveau de sortie niveau I (supérieur à la maîtrise)

Métiers visés

M1201 :

Durée, rythme, financement

Durée 485 heures en centre
Durée indicative : 364 jours

Modalités de l'alternance Cours du jour : 485 h

Conventionnement Non

Conditions d'accès

Modalités de recrutement et d'admission Test;Entretien;Dossier

Niveau d'entrée niveau II (licence ou maîtrise universitaire)

Conditions spécifiques et prérequis Sont éligibles, les candidats titulaires d'un des diplômes suivants : - Bac + 5 (M2) - Bac + 4 (M1) - Bac + 3 (L3) avec 3 ans d'expérience professionnelle - Diplôme étranger équivalent Accessible au « format 2 ans » pour les titulaires d'un Bac+3 (180 ECTS) ayant moins de 3 ans d'expérience professionnelle. Compte tenu de la forte technicité requise à la fois dans le domaine de la Data Science et de la Finance, nous recherchons des candidats aux profils fortement quantitatifs : - Ingénieurs - Universitaires avec spécialité mathématiques, physique, économie ou économétrie. - Diplômés d'une école de commerce, avec un fort accent sur les techniques quantitatives Un bon niveau d'anglais est demandé : Niveau B2 CECRL (équivalent TOEFL 750 minimum)