Base de connaissances
Méthodes quantitatives
Outils mathématiques et statistiques pour analyser les données financières, évaluer les investissements et décider en situation d'incertitude.
Sous-thèmes
Introduction au Big Data
Big data, machine learning et applications fintech pour la collecte et l'analyse de données financières.
Régression linéaire simple
Estimation et interprétation des relations linéaires entre variables : coefficients de régression, ANOVA et intervalles de prédiction.
Tests d'indépendance paramétriques et non paramétriques
Tests de corrélation et analyse de tableaux de contingence pour déterminer l'indépendance statistique entre variables.
Tests d'hypothèses
Construction et interprétation des tests statistiques : seuils de significativité, erreurs de type I et II, et puissance du test.
Estimation et inférence
Méthodes d'échantillonnage, théorème central limite et techniques de rééchantillonnage pour estimer les paramètres de population.
Méthodes de simulation
Simulations Monte Carlo et bootstrap pour modéliser l'incertitude des résultats d'investissement, incluant le modèle log-normal des prix.
Mathématiques de portefeuille
Rendement espéré, variance et covariance des rendements de portefeuille. Risque de shortfall et critère safety-first de Roy.
Arbres de probabilité et espérances conditionnelles
Mise à jour bayésienne, espérances conditionnelles et arbres de probabilité appliqués aux décisions d'investissement multi-étapes.
Mesures statistiques des rendements
Tendance centrale, dispersion, asymétrie, kurtosis et corrélation pour caractériser la distribution des rendements d'actifs.
Valeur temps de l'argent
Calculs de valeur actuelle et future pour les instruments de taux et les actions, incluant le principe d'additivité des flux et les taux forwards implicites.
Taux et rendements
Les taux d'intérêt comme taux d'actualisation, rendements exigés et coûts d'opportunité. Méthodes de mesure et d'annualisation des rendements.