SYLLABUS

1. Objectifs du cours

Évaluer un actif financier à partir de ses rendements, mesurer et diversifier le risque, tester économétriquement les modèles d'évaluation, et mener une étude empirique sur données de marché.

2. Description du cours

Ce cours introduit l'évaluation des actifs financiers empirique : rendement et risque, diversification, CAPM, modèles à facteurs de Fama-French, efficience des marchés et mesure de la performance. Chaque modèle est estimé puis testé sur des données réelles (actions du S&P 500, facteurs de Kenneth French). Les travaux dirigés, en Python, construisent pas à pas les outils nécessaire à l'élaboration du projet de fin d'année. Aucune culture financière n'est supposée.

3. Plan du cours

• 1. Rendement et risque (Actif financier et actualisation, du prix au rendement, faits stylisés, diversification, frontière efficiente)
• 2. La régression au service de la finance (Modèle de marché et bêta, propriétés des MCO, violations des hypothèses, erreurs-types robustes, bootstrap)
• 3. Le CAPM et ses tests (Security Market Line, alpha de Jensen, hypothèse jointe, tests en séries temporelles et en coupe, Fama-MacBeth, le GMM comme cadre unificateur)
• 4. Les modèles à facteurs (Fama-French, momentum et modèle à cinq facteurs, tris en portefeuilles, factor zoo et crise de la réplication)
• 5. Prévoir et évaluer (Efficience et prédictibilité, régressions prédictives, mesures de performance, machine learning)

4. Compétences visées

• Finance : évaluation d'actifs, arbitrage rendement-risque, diversification, CAPM et modèles à facteurs, efficience des marchés, mesure de la performance
• Économétrie/statistique : MCO et leurs hypothèses, inférence robuste, tests d'un modèle d'évaluation, tests multiples, prévision hors échantillon
• Données/programmation : Python, traitement de données de marché, construction de portefeuilles et backtest, visualisation
• Transversales : conduite d'un projet empirique, lecture critique des résultats publiés, rédaction, usage raisonné de l'IA

Consulter la fiche RNCP de cette formation

5. Modalités pédagogiques

Mode d'enseignement : Présentiel

Langue(s) utilisée(s) : Français

Méthodes pédagogiques : Cours magistral, Travaux Dirigés

6. Modalités d'évaluation

Travail de recherche individuel, Présentation orale

7. Bibliographie

• (Indicative)
• Cochrane, J. H., (2005), Asset Pricing (éd. révisée), Princeton University Press
• Ferson, W., (2019), Empirical Asset Pricing: Models and Methods, MIT Press