En raison de la crise du COVID-19, les informations ci-dessous sont susceptibles d’être modifiées,
notamment celles qui concernent le mode d’enseignement (en présentiel, en distanciel ou sous un format comodal ou hybride).
5 crédits
30.0 h
Q1
Enseignants
Vrins Frédéric;
Langue
d'enseignement
d'enseignement
Anglais
Préalables
Mathematics, informatics, probability and statistics at Bachelor level. In particular, the corresponding UCL courses are
- Mons : MQANT1110 (Mathématiques de Gestion I), MQANT1113 (Statistiques et Probabilité), MQANT1109 (Informatique de gestion)
- LLN : LINGE1114 (Analyse), LINGE1113 (Probabilité),LINGE1225 (algorithmique et programmation en économie et gestion)
Thèmes abordés
- Part I: Basic probability concepts (probability space, sigma-fields, random variables, distribution, statistics and sampling via Monte Carlo).
- Part II : Stochastic processes and related concepts.
- Part III : random walks and Brownian motion.
- Part IV : stochastic calculus (stochastic integrals, stochastic differential equation, Ito's lemma, Girsanov theorem)
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
1 |
During their programme, students of the LSM Master's in management or Master's in Business engineering will have developed the following capabilities'
2.2. Master highly specific knowledge in one or two areas of management : advanced and current research-based knowledge and methods. 2.4. Activate and apply the acquired knowledge accordingly to solve a problem. 3.1. Conduct a clear, structured, analytical reasoning by applying, and eventually adapting, scientifically based conceptual frameworks and models,to define and analyze a problem. 3.5. Produce, through analysis and diagnosis, implemantable solutions in context and identify priorities for action. 6.1. Work in a team : Join in and collaborate with team members. Be open and take into consideration the different points of view and ways of thinking, manage differences and conflicts constructively, accept diversity. |
Contenu
Présentation des concepts mathématiques fondamentaux destinés à la compréhension et à la modélisaton de processus impliquant une composante aléatoire. Les concepts sont appliqués à la finance dans le cadre de la valiorisation de produits dérivés.
Ces compétences seront exploitées dans le cours LLSMS2226 (credit and interest rates risk)
Ces compétences seront exploitées dans le cours LLSMS2226 (credit and interest rates risk)
Méthodes d'enseignement
En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.
Cours ex-cathedra complété par des exercices sur R ainsi que des projets individuels et/ou de groupe.Les étudiants seront invités à préparé certaines séances à l'avance.
L'objectif pédagogique principal des projets est de faciliter le processus d'apprentissage en concretisant les concepts.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.
Evaluation continue (projects avec implementation en R)- Date: Sera spécifié ultérieurement
- Type d'évaluation: Rapport + présentation orale (travail de groupe, 20% de la note finale) et évaluation de la contribution individuelle de l'étudiant aux projets de groupe lors de l'examen final (10% de la note finale, voir ci-dessous)
- Commentaires: No
- Oral: Non
- Ecrit: Non
- Indisponibilité ou commentaires: Non
- Oral: Oui
- Ecrit: Non
- Commentaires: l'examen final est constitué de deux parties :
- 1h de préparation de questions (exercices + theorie) suivi d'une discussion de 10 à 15 min avec le professeur (60% de la note finale)
- 10 min de discussion avec l'assistant destinée à évaluer la contribution individuelle de l'étudiant au dans le projet de groupe (10% de la note finale). La présentation de cette épreuve est indispensable à l'octroi des points du projet. Attention : la note totale du/des projet(s) (c'est-à-dire les contributions de groupe et individuelle, comptant à hauteur de 30% de la note finale) est ramenée à 0 pour les étudiants qui ne présentent pas cette partie.
Bibliographie
- Slides, reference books et code R
- Hassler, Stochastic Processes and Calculus: an elementary introductions with applications, Springer 2016
- Mikosh, M. Elementary Stochastic Calculus (with Finance in view), Wolrd Scientific, 1998.
- Joshi, M. : Concepts and Practice of Mathematical Finance, Cambridge University Press, 2003.
- Shreve, S. : Stochastic calculus for Finance I & II, Springer 2004.
Support de cours
- Slides, reference books et code R
Faculté ou entité
en charge
en charge
CLSM