ENSAE Paris - École d'ingénieurs pour l'économie, la data science, la finance et l'actuariat

Finance, Risks and Data

Finance, Risks and Data

   

La troisième année du cycle ingénieur de l’ENSAE Paris comporte six voies de spécialisation. Chacune a été conçue pour proposer une séquence cohérente d’enseignements (cours théoriques avancés, applications, projets, séminaires…), préparant à un grand domaine de métier et donnant aux élèves une vision à la fois large et approfondie de ce domaine. Chacun des métiers exercés par des ENSAE fera appel à des degrés divers aux méthodes statistiques, à la science des données et à la modélisation, qui sont donc présentes au sein de chaque voie.

En savoir plus sur les admissions en cycle ingénieur

La voie « Finance, Risks & Data » a pour vocation de former des spécialistes des marchés financiers, et plus généralement des professionnels de la banque et de la gestion d’actifs.

Responsables de la voie

Jean-Michel Zakoïan

Peter Tankov

Profils

Cette voie de spécialisation s’adresse à des étudiant·e·s possédant un solide bagage en probabilités et statistiques, motivé·e·s par les applications de la modélisation aléatoire dans le monde de la finance et habiles avec l’outil informatique (algorithmique / « coding »).

La force de la formation de l’ENSAE Paris réside dans l’équilibre entre les enseignements de mathématiques appliquées (à base de probabilités, théorie des processus et méthodes numériques associées) et les enseignements en économie, économétrie et statistique. Les cours théoriques alternent avec les enseignements appliqués de finance, et sont complétés de séminaires professionnels.

Le monde de la finance est aujourd’hui à la croisée des chemins. Dans un monde de taux durablement bas et de marges réduites, la plupart des institutions financières doivent trouver de nouveaux moteurs de croissance et cherchent à devenir de véritables « industries financières » : rationaliser et optimiser les outils et modèles (intelligence artificielle), gérer les risques de manières toujours plus fine, accompagner les transitions énergétiques et écologiques, etc. Du fait de leurs compétences multiples en finance mathématique, statistiques/machine learning, économie et modélisation au sens large, les ENSAE sont particulièrement bien positionné·es pour prendre une part active à cette mutation. Leur caractère polyvalent leur permet d’occuper de multiples fonctions à caractère technique et d’évoluer au sein de grands et prestigieux établissements financiers. 

Le monde de la finance de marché baigne dans un univers de données surabondantes, qu'il convient de maîtriser, exploiter, pour dégager des avantages comparatifs. L'application de la Data Science à la résolution de problèmes issus du monde de la finance (prédiction de cours, exécution optimale, optimisation de portefeuille, stratégies de couverture, calculs de risques, etc.) est devenu un axe d'innovation majeur. La voie de spécialisation s'attachera à former les étudiants aux développements récents dans ce domaine, autant d'un point de vue pratique que théorique. 

Une évolution majeure de la dernière décennie est bien sûr la prise en compte des enjeux environnementaux par le secteur financier. La finance verte cherche à développer des instruments pour diriger les financements vers la transition environnementale, et à concevoir des outils pour la prise en compte des risques climatiques. La vague de la finance verte transforme les métiers traditionnels de la finance comme la gestion des risques et la gestion des portefeuilles, et en crée des nouveaux comme l’analyste ESG. 

Le développement de la finance verte repose sur les notations extra-financières, qui cherchent à évaluer la performance environnementale des entreprises en utilisant différentes sources de données. Les techniques quantitatives de la finance verte incluent l'analyse de données, l'analyse de scénarios, la gestion quantitative de portefeuille et les modèles économiques prenant en compte les aspects climatiques.

La demande pour des experts en finance verte ne cesse de croître, et les étudiants de l'ENSAE, avec leur double compétence en économie et en science des données, sont parfaitement positionnés pour y répondre. La voie Finance, Risks and Data propose un ensemble cohérent de cours permettant aux étudiants de se former dans ce domaine crucial : le cours « Green Finance : core notions » introduit les concepts clés ; le cours « Green Finance: risk and portfolio management » présente les méthodes de gestion des risques climatiques et de gestion de portefeuille sous contrainte environnementale; et le cours « Energy risk management » se concentre sur le cas spécifique du secteur de l’énergie, qui joue un rôle essentiel dans la transition environnementale. Les sujets liés à la finance verte sont par ailleurs régulièrement proposés dans le cadre du module « projet d’approfondissement ».

Métiers

A ce niveau de compétences, cette formation est unique. Elle assure aux étudiant·es une large palette de débouchés. Les fonctions les plus susceptibles d’être occupées à la sortie sont : opérateurs de marché (traders, structureurs), ingénieurs financiers (« quants »), gérants de portefeuilles, risk managers sur les risques de marché ou de crédit, etc. Le bagage technique dispensé par la formation fournira les armes nécessaires pour évoluer vers des postes à forte responsabilité ou vers d’autres environnements, par exemple en direction financière.

Tous les métiers de finance de marché se caractérisent par leur haut niveau technique. A l’issue de la formation, les jeunes diplômé·es seront aptes à manipuler les outils complexes d’évaluation/couverture des produits dérivés sophistiqués, à construire et quantifier les risques d’un portefeuille financier, à proposer des outils et mesures pour un pilotage pertinent de l’activité.

Les jeunes ENSAE seront armés pour trouver leur place au sein des diverses familles d’établissements financiers (banques, brokers, sociétés de gestion, hedge funds, fonds de pension), des compagnies d’assurance, des régulateurs nationaux ou internationaux, des sociétés de conseil ou de progiciels, des agences de notations, etc. Une forte proportion de carrières se déroule à l’international (au moins en partie), notamment dans les grandes places financières que sont Londres, New-York, Tokyo ou Singapour.

Selon leurs propres aspirations, les étudiant·es peuvent suivre un cursus plus orienté vers les métiers cœur des salles de marché (quant/structureur/trader) en choisissant un parcours « Finance de marché » ou une formation davantage pluridisciplinaire adaptée aux métiers de risk manager/gérant de portefeuille/modélisateur des risques en optant pour un parcours « Gestion des risques et régulation ». Un large choix d’enseignements optionnels permet de renforcer la spécialisation dans un domaine, ou au contraire d’acquérir une formation très polyvalente.

Enfin, la formation offerte par l’ENSAE Paris peut être complétée par l’un des Masters recherche coaccrédités en finance mathématique : M2 Statistics, Finance and Actuarial Science (Institut Polytechnique de Paris) ou M2 Modélisation Aléatoire (M2MO, Université Paris-Cité). Les programmes de ces deux masters sont aménagés de manière à éviter que la charge ne soit double pour ces étudiant·es de l’ENSAE Paris en bi-cursus. Ils permettent de s’orienter vers la recherche académique dans de nombreux domaines : finance mathématique, économétrie de la finance, probabilités numériques, contrôle stochastique, etc.

Enseignements

Les enseignements scientifiques obligatoires et les cours à options recommandés pour la voie sont décrits ci-dessous. A chaque semestre, vous pouvez choisir une langue vivante (maximum). L'anglais est obligatoire si votre niveau est inférieur à B2. Les options peuvent être panachées entre les différentes voies (sous contraintes d'emploi du temps) pour constituer des profils hybrides. Il est alors recommandé de discuter de leur cohérence, ainsi que de l'articulation des choix de cours avec un éventuel M2 suivi en parallèle, avec la directrice des masters ou/et le ou les responsables de voies.

Les cours listés ci-dessous le sont à titre purement informatif, et provisoire. Ils correspondent à la maquette pédagogique pour l’année 2024-25, qui fait foi.

Vous trouverez cette maquette au format PDF dans l'Intranet de l'ENSAE : Scolarité => Troisième année => Pré-requis et choix des voies => Schéma_UE_3A_2024_2025 (trois documents).

Premier semestre

Matière ECTS Horaires (cours+TD)
Foundations of Risk management 3 18+0
Pricing and hedging of financial derivatives 4 24+9
Stochastic Calculus (ENSTA) ou Financial econometrics 3 ou 4 13,5+7,5 ou 18+6

Vous avez le choix parmi 3 à 5 options (dont langue) sur l’ensemble du catalogue de cours de 3A, semestre 1 (sous réserve de compatibilité avec votre emploi du temps) pour atteindre au total 30 à 31 ECTS sur le semestre. Nous vous recommandons les cours suivants, fléchés dans cette voie :

Matière ECTS Horaires (cours+TD)
Advanced Machine Learning 4 21+9
Applied Statistical Learning 4 15+9
Analyse financière et stratégie d’entreprise 2 12+0
Digital Finance:Cryptocurrencies and Blockchains 3 18+0
Copulas and financial applications 3 18+0
Duration Models 3 12+0
Dynamic models with latent variables 2 12+0
Ethics and responsibility in data science 2 12+0
Green Finance: Risk and Portfolio Management 3 18+0
Green Finance: Core Notions 4 24+0
Machine-learning for Portfolio Management and Trading 2 12+0
Méthodes Numériques pour les EDP en finance (ENSTA) 3 18+0
Modeling and managing energy risks 2 12+0
Projet d’approfondissement en finance et assurance – S1 3  
Risk measures 2 12+0
Stochastic Calculus (ENSTA) 3 13,5+7,5

Second semestre

Vous avez le choix parmi 3 à 5 options (dont langue) sur l’ensemble du catalogue de cours de 3A, semestre 2 (sous réserve de compatibilité avec votre emploi du temps), pour atteindre au total 30 à 31 ECTS sur le semestre. Nous vous recommandons les cours suivants, fléchés dans cette voie :

MatièreECTSHoraires (cours+TD)
Algorithmic Trading315+0
Credit risk318+0
Econometrics of Commodity and Asset Pricing318+0
Extreme-value theory218+0
GARCH and stochastic volatility models318+0
Machine learning in finance: Theoretical foundations321+0
Méthodes numériques en ingénierie financière320+4
Portfolio Management424+0
Processus de Lévy (ENSTA)315+0
Programmation en GPU212+0
Projet d’approfondissement en finance et assurance – S230+0
Risque de crédit : approches pratiques (ENSTA)218+0
Valorisation de produits dérivés en présence de courbes de taux multiples (ENSTA)318+0