Master Modélisation aléatoire


Institutions partenaires

La formation est portée par l’Université Paris 7, en partenariat avec :

  • ENSAE ParisTech
  • Télécom ParisTech

Le partenariat avec l’ENSAE permet en particulier un aménagement de parcours en double cursus grâce à l’ouverture et reconnaissance mutuelle de cours et à la coordination des enseignements.

 

Formation

Le Master 2ème année de Modélisation aléatoire (master m2mo ex DEA Laure Elie) propose une formation d’excellence en probabilités et statistiques avec une spécialisation en Modèles aléatoires en finance ou en Data Science.

 

Le master M2MO propose une formation solide en probabilités, statistique, méthodes stochastiques et leurs applications. Il offre une initiation à la recherche fondamentale en vue d’une thèse sur l’un des thèmes ci-dessous:

  • modélisation en économie et finance : données haute fréquence, modèles à volatilité aléatoire et inférences statistiques associées, optimisation de portefeuilles et couverture d’options dans les marchés imparfaits (marchés incomplets, modèles avec coûts de transaction, observation partielle), gestion des risques financiers (risque de liquidité, risque de défaut), contrôle stochastique et équations rétrogrades en finance, méthodes numériques en finance.
  • apprentissage statistique, data mining, problématiques de Big Data: méthodes de compression de données et de réduction de la dimension, optimisation de la prédiction. Ces techniques sont très importantes dans des domaines d’applications tels que :bioinformatique, génétique, téléphonie mobile, text-mining, astrophysique.
  • estimation fonctionnelle (ondelettes, adaptation,…), statistique des extrêmes, statistique des processus, problèmes inverses et implémentation numérique, théorie du signal et imagerie, algorithmes stochastiques et méthodes numériques, méthodes neuronales, modèles à régimes cachés.
  • modélisation aléatoire de systèmes complexes. Application en mécanique statistique: modèles d’Ising, interfaces, polymères et copolymères, milieux désordonnés.
  • traitement de l’information: file d’attente (modélisation, dimensionnement), analyse en temps long, en réseaux, à grande échelle.
  • analyse de modèles dans divers autres domaines scientifiques : biométrie, statistique en écologie et environnement, génétique moléculaire, médecine

Responsables

  • Jean-François CHASSAGNEUX, Université Paris 7
  • Fabrice ROSSI, Université Paris 7
  • Huyen PHAM, Université Paris 7 et ENSAE ParisTech
  • Peter TANKOV, ENSAE ParisTech

Correspondant ENSAE

  • Peter TANKOV, ENSAE ParisTech