• un stage en entreprise (20 ECTS)
• une formation générale (10 ECTS ) : informatique (6 ECTS), anglais (3 ECTS), séminaires professionnels (1 ECTS de présence)
• 30 ECTS (au moins) constituées par un choix cohérent de 4 cours (6 ECTS ) au moins et de 2 projets (3 ECTS ) sélectionnés dans le programme ci-dessous et les listes auxiliaires.

Pour le choix de son parcours, l'étudiant doit avoir un projet cohérent. Un parcours type consiste a choisir 2 thématiques parmi les 4 proposées et de prendre dans chacune d'elle le module méthodologique, le module appliqué et le projet. Pour tout parcours atypique, l'étudiant doit se faire conseillé par le corps enseignant. La selection doit etre arretée pour le 30  octobre et doit etre approuvée par le responsable de filiere.

Évaluation: L'évaluation finale se fait en calculant la moyenne des notes obtenues pour les différentes UV pondérée par le nombre d' unités de crédits européens ECTS associée a chaque UV. Si un candiat présente plus d'épreuves que les 30 ECTS de cours optionnels requis, les meilleures notes seront retenues.

Olivier BRIANT, ,  Chantal LACOMBLEZ, , Brigitte PATOUILLE, François VANDERBECK, Huilong ZHANG

Bases de programmation linéaire (3-2-2) Bases de programmation entière (3-2-2) Bases de probabilités (3-2-2) Bases de processus stochastique (4-2-2) Bases de statistique inférentielle (4-2-2)  Bases d'analyse de données multidimensionnelles (3-2-2) Initiation a l'utilisation de logiciels

Références :

• Hillier F.S., Lieberman G.J., "Introduction to operations research", McGrawHill, 1995
• Minoux, "Programmation mathematique" - Herman, Bordas, 1983.
• Reeves, Colin "Modern Heuristic Techniques for Combinatorial Problems" - Mc Graw Hill - 1995
• Winston, "Operations Research", Duxburry Press 1994.
• Wolsey L.A., "Integer programming", John Wiley, 1998 (ISBN 0-471-28366-5)
• Gerber, Susan B., Voelkl, Krisrin E. "The SPSS guide to the new statistical analysis of date", Spinger Verlag, 1997
• Saporta G., "Probabilités, analyse des données et statistique", Editions Technip.
• Tassi P., "Méthodes statistiques", economica.
• Wannacot, "Introductory statistics", 5th edition, John Wiley and Sons

Prérequis : Bases de programmation lineaire et entiere

Objectifs: Donner une formation approfondie en optimisation combinatoire pour les etudiants se specialisant dans cette matiere

Organisation: 1er semestre: semaines 3 a 14 (du 1 octobre au 20 janvier),  (24h cours -14h de TD)=50hetd

François VANDERBECK

Complexite des problemes combinatoires Problemes bien resolus: couplage, transport, ... Problemes combinatoire dans les graphes et reseaux  Importance des choix de formulation en programmation mathematique: formulation compact ou extensive, re-definition des variables, projection, plans coupants. Outils performants de la programmation mathematique: branch-and-bound, branch-and-cut, branch-and-price, approche de décomposition Lagrangienne. Approches heuristiques: recherche locale (départs multiples, voisinage alternés, voisinnage exponentiel), meta-heuristiques

Références :

• Cook, W.J., W.H. Cunningham, W.R. PulleyBlank and A. Schrijver, Combinatorial Optimization, Willey, 1998.
  
• Hiriart-Urruty JB, Lemaréchal C., "Fundamentals of convex analysis", Springer Verlag, Heildelberg, 2001
• Wolsey, L. A.,  Integer Programming, John Wiley, 1998 (ISBN 0-471-28366-5)
  
• Minoux, "Programmation mathematique" - Herman, Bordas, 1983
• Shapiro JF, "Mathematical programming, Structures and Algorithms", Wiley, 1979

Prérequis : Bases en processus stochastiques

Objectifs: Fournir par le détail des algorithmes effectifs de contrôle des chaînes de markov discrètes en temps et en espace.

Organisation: 1er semestre: semaines 3 a 14 (du 1 octobre au 20 janvier),  (20h cours -20h de TD)=50hetd

Paul MOREL, Huilong ZHANG

Programmation dynamique Contrôle en horizon fini. Contrôle des chaînes de Markov dans le cas amorti, le cas positif, le cas négatif. Gestion des stocks en environnement stochastique. Ordonnancement en environnement stochastique. Gestion de projets en environnement stochastique. Approche de Simulation Reseaux de Neuronnes

Références :

• Asmussen S., "Applied probability and queues", Wiley, 1987
• Gelenbe E. et Pujolle G., "Introduction aux réseaux de files d'attente", Eyrolles, 1982 (technique et scientifique des télécommunications)
• Pellaumail J., "Probabiliés, statistiques, files d'attente, cours et exercices résolus", Bordas, 1986 (Dunod université)
• Bhat, U. Narayan, "Elements of applied Stochastic pocesses 2nd edition", John Wiley and sons, 1984
• Ross, "Introduction to stochastic dynamic programming", Academic Press 1997
• Heyman-Sobel, "Stochastic models in operations research, vol. 2 Stochastic optimization", Mc Graw-Hill, 1984.
• Heyman-Sobel, "Stochastic models in operations research. Vol.1 Stochastic processes and operation characteristics", Mc Graw-Yill, 1982.
• Nahmias S., "Production and operations analysis", Irwin 1993.
• Bulirsch R.&Oetili W. & Stoer, "Optimization and optimal control", Proceedings of a conference held a Oberwolfach, Spinger Verlag.
• Fleming, Wendel & Rishel, Raymond, "Deterministic and stochastic optimal control", Spinger Verlag, 1975.

Prérequis : Bases en probabilité

Objectifs: Le but de ce cours est de fournir une introduction au calcul stochastique et de donner une formation solide à la modélisation par les série temporelles

Organisation: 1er semestre: semaines 3 a 14 (du 1 octobre au 20 janvier),  (20h cours -20h de TD)=50hetd

François DUFOUR, Huilong ZHANG

PARTIE 1: "Valorisation en temps continu" (cours offert par l'université Bordeaux 4) La notion d'intégrale stochastique par rapport au mouvement brownien est abordée ainsi que les équations différentielles stochastiques. Ce cours s'articule autour de quatre grands axes: Martingales à temps continu. Mouvement brownien Intégrale stochastique Équations différentielles stochastiques Les résultats de cours seront appliqués aux mathématiques financières. En particulier, le modèle de Black et Scholes sera présenté. PARTIE 2:  Séries temporelles Prédiction, lissage, filtrage Tendance, cycle saisonnier, composante accidentelle, prévision à court terme, lissage exponentiel, modèle de Holt et Winter Modèles ARMA et ARIMA Stationnarité, autocorrélation, identification Filtrage de Kalman : Systèmes linéaires gaussiens, prédiction, correction, filtrage.

Références :

• K.L. Chung, R.J. Williams,"Introduction to Stochastic Integration", Birkhauser, 1990.
• I. Karatzas, S.E. Shreve, "Brownian motion and stochastic calculus", Second Edition, Springer Verlag, 1991
• D. Lamberton & B. Lapeyre, "Introduction au calcul stochastique appliqué à la finance", Ellipses, 1997
• B. Oksendal, "Stochastic differential equation", fifth edition, Universitex, Springer 2000
• Janacek G., et Swift L., "Times series, forecasting, simulation, application"
• Gourieroux C., Monfort A., "Séries temporelles et modèles dynamiques".

Prérequis : Bases en  probabilité  et statistique

Objectifs: L’objectif de ce cours est la maîtrise des méthodes classiques de modélisation en statistique et l’apprentissage de méthodes  plus récentes. Toutes ces méthodes sont largement utilisées pour la prédiction et la prévision dans un grand nombre de domaines tels que l’économie, l’économétrie, la biologie, la médecine, etc

Organisation: 1er semestre: semaines 3 a 14 (du 1 octobre au 20 janvier),  (20h cours -20h de TD)=50hetd

Brigitte PATOUILLE

PARTIE 1: "Modèles de Régression"  Modèle Linéaire (rappels) , Régression Multiple,  Régression PLS (Partial Least Squares)  PARTIE 2: "Modèles Statistiques" Analyse de la Variance, Analyse de la Covariance Modèles log-linéaire  et régression logistique Introduction aux modèles non paramétriques

Références :

• Freund R.J., Wilson W.J., "Statistical methods", Academic Press
• Tenenhaus M., "La régression PLS", éditions TECHNIP
• Mittelhammer R.C., “Mathematical statistics for Economics and business”, Springer Verlag.
• Tomassone R., Audrain S., Lequoy de Turckheim E., Millier C, "La régression. Nouveaux regards sur une ancienne méthode statistique", 2ème édition révisée, Masson

Prérequis : Cours de recherche opérationnelle

Objectifs: Ce module est une formation à la modélisation des problèmes de gestion des stocks et d'allocation des ressources au cours du temps. Les algorithmes combinatoires classiques sont présentés ainsi que des heuristiques et les outils de la programmation mathématiques.

Organisation: 1er semestre: semaines 3 a 14 (du 1 octobre au 20 janvier),  (20h cours -20h de TD)=50hetd

Olivier BRIANT, François VANDERBECK

Modèles de base en gestion des stocks (EOQ et variantes) déterministes et stochastiques Problèmes d'ordonnancement à une machine, machines en parallèles, flow-shop, job-shop et open-shop, gestion de projets

Références :

• Baker K.R., "Introdution to sequencing and scheduling", Wiley, 1974
• Nahmias S., "Production and operations analysis", Irwin 1993

Prérequis : Cours de processus stochastique

Objectifs: Le but de ce cours est de fournir aux étudiants une introduction étendue à la sûreté de fonctionnement des systèmes et de leur donner de solides bases théoriques et pratiques concernant leur modélisation et l'évaluation de leurs performances.

Organisation: 1er semestre: semaine 3 a 14 (du 1 octobre au 20 janvier),  (16h cours -26h de TD)=50hetd

Yves DUTUIT

Introduction à la sûreté de fonctionnement Historique, concepts, définitions. L'activité de modélisation en sûreté de fonctionnement. Analyse des systèmes à composants "indépendants" Modélisation de leur logique de dysfonctionnement par arbre des défaillances. Exploitations qualitative et quantitative du modèle : approche booléenne "classique"; approche basée sur les diagrammes binaires de décision Limites de la méthode. Analyse des systèmes avec prise en compte de certaines dépendances Modélisation markovienne par graphes des états. Exploitation quantitative du modèle. Limites de la méthode. Analyse des systèmes avec prise en compte généralisée des dépendances Modélisation par réseaux de Petri. Exploitations qualitative et quantitative du modèle : Réseaux de Petri stochastiques. Limites de la méthode. Projet

Références :

• Kumamoto H. and Henley E..J., "Probabilistic Risk Assesment and Management for engineers and scientists", IEEE Press, 1996
• Niel E. et Craye E. (coordonnateurs), "Maîtrise des risques et sûreté de fonctionnement des systèmes de production", Série IC2, Hermès-Lavoisier, 2002.
• Pages A., Gondran M., "Fiabilité des systèmes", Collection de la DER/EdF Eyrolles, 1980.
• Boyd M.A., "What Markov Modelling Can do For You : an introduction", 1994 Annual Reliability and Maintainability Symposium.
• Villemeur A., "Sûreté de fonctionnement des systèmes industriels", Collection de la DER/EdF, Eyrolles, 1985

Prérequis : Cours de calcul stochastique

Objectifs: L'objectif de ce cours (PARTIE 1) est d'aborder la modélisation mathématique en finance, puis de résoudre des problèmes liés au calcul des prix pour des actifs contingents. La PARTIE 2 a pour objectif de fournir aux étudiants les bases pratiques des grands thèmes le l'ingénierie financière. Il s'articule autour de la description des modèles usuelle d'évaluation des produits optionnel. Il offre également une formation dans la gestion actif-passif et dans la reconstruction de la courbe des taux. Il s'articule autour de projets informatiques utilisant des logiciels variés: Matlab, Maple, Xpress, Excel.

Organisation: 1er semestre: semaines 3 a 14 (du 1 octobre au 20 janvier),  (20h cours -20h de TD)=50hetd

Olivier DORDAN, Arnaud GLOTER

PARTIE 1: "Valorisation en temps discret" (cours offert par l'université Bordeaux 4) Introduction aux méthodes mathématiques de la finance: Présentation des produits financiers classiques. Notion d'arbitrage, relation de "parité Call-Put".  Modèle d'Arrow-Debreu. Condition de non arbitrage, probabilité risque neutre. Complétude de marché, problème de sur-réplication en marché incomplet.  Modèles dynamiques à temps discret. Exemple du  modèle de Cox-Ross-Rubinstein, relation asymptotique avec la formule de Black et Scholes.  Calcul numérique par méthode de Monte-Carlo. Problème de réduction de variance.  PARTIE 2: "Mathématiques financières" Modèle de Black et Scholes Description du modèle  Évaluation et couverture des options dans ce modèle  Options américaines dans ce modèle  Modèle de taux d'intérêt Principes de la modélisation  Quelques modèles usuels

Références :

• R. A. Dana et M. Jeanblanc-Picque, "Marchés Financiers en Temps Continu: Valorisation et Equilibre", Economica (1998)
• G. Demange et J.C. Rochet, "Méthodes mathématiques de la finance", Economica (1992)
• J. Hull, Options, "Futures and other derivatives", Prentice Hall (2000)
• D. Lamberton et B. Lapeyre, "Introduction au Calcul Stochastique Appliqué à la Finance", Ellipses (1997)
• Hamilton J., "Times Series Analysis"
• Bensaber A., Bleuse-Trillon B., "Pratique des chroniques et de la prévision à court terme"

Prérequis : bases en probabilité et  statistique

Objectifs: Les méthodes présentées dans ce cours permettent l’analyse exploratoire et explicative multidimensionnelles de grands tableaux de données. Ces méthodes sont couramment utilisées aujourd’hui en Data Mining

Marie CHAVENT, Chantal LACOMBLEZ

Références :

• Bardos M., "Analyse discriminante. Application au risque et scoring financier", Dunod
• Escofier B., Pagès J., "Analyses factorielles simples et multiples", Dunod
• Gordon A.D., "Classification", 2de édition, Chapman
• Jobson J.D., “Applied Multivariate Data Analysis”, Springer Verlag
• Lebart L., Morineau A., Piron M., "Statistique exploratoire multidimensionnelle", Dunod

Prérequis : programmation sequentielle

Objectifs: Après une remise à niveau en programmation, ce cours a comme objectif de savoir utiliser une base de données et d'être capable d'en extraire des informations qui seront traitées mathématiquement ou stastiquement pour des simulations écrites en C++

Organisation: 1er semestre: semaines 3 a 14 (du 1 octobre au 20 janvier),  (10h cours - 35h de TD)=50hetd

Yonel BLANC

Unix, réseaux Structure d'un système d'exploitation Notions sur Unix et les réseaux Langage de commande d'Unix X-window Netscape, le web et la messagerie Base de données Utilisation d'Excel en mathématiques Base relationnelle algèbre relationnelle pour les requêtes Langage SQL pour les requêtes applications sous ACCESS des notions précédentes. C++ Base de la programmation, algorithmie Programmation objet Utilisation de C++ Builder Écriture d'applications base de données avec C++ Builder.

Prérequis : Anglais niveau baccalauréat minimum.

Objectifs: Compréhension des documents écrits et enrégistrés authentiques de vulgarisation scientifique; Réactivation de l'anglais oral de tous les jours; Préparation et mise en oeuvre d'une présentation orale de 10 minutes sur un sujet de sa spécialité en anglais; Elaboration d'un CV accompagné par une lettre de motivation.


Organisation: 1er et 2eme  semestre: semaines 1 a 14 (du 20 septembre au 28 février), (4h cours -22h de TD en demi groupe)=50hetd

Jennifer HENRY, Elisabeth NICHOLAS

Compréhension de documents enregistrés et écrits spécialisés. Sélection et organisation de l'information. Résumé oral et écrit. Présentation orale et discussion. Test standardisé (TOEFL, examens de l'Université de Cambridge, et du British Council) Possibilité d'accéder au service d'apprentissage personnalisé de l'anglais en autonomie guidée (SAPAG) mis en service par l'Université Bordeaux 2.

Prérequis : aucun

Objectifs: Familiariser l'étudiant avec des problèmes concrets de l'entreprise en application des enseignements théoriques recus et lui permettre de prendre des contacts avec des professionnels.

Les étudiants sont conviés à assister à des séminaires présentés par des intervenants du monde professionnel : Ingénieurs, Chefs de Projet, Chefs d'entreprise, Cadres, Directeurs de Ressources Humaines, etc... Ces conférences ont pour but de les familiariser avec les différents milieux du travail, avec les organisations et organigrammes de différentes entreprises ainsi qu'avec des problèmes concrets, entrant dans le cadre de leur cursus de DESS. Elles sont aussi destinées à leur permettre de mieux appréhender la façon dont ils pourront s'intégrer dans le milieu professionnel. Par ailleurs, les intervenants peuvent également, tout en présentant leur entreprise, proposer des sujets de stages aux étudiants.

Consulter régulièrement la liste des séminaires.

Prérequis : cours de de programmation lineaire et entiere

Objectifs: Le but de ce projet est de mettre les étudiants en situation devant un problème complexe de Recherche Opérationnelle issu de l'industrie.

Organisation: 2 eme semestre: semaines 14 a 18 (du 28 janvier au 28 fevrier),  (2h cours - 17h de TD)=20hetd

Olivier BRIANT

Le travail qui leur sera demandé est l'application et l'implémentation d'algorithmes de résolution vus en cours d'optimisation, de programmation linéaire ou entière. Cet algorithme devra fournir en des temps raisonnables (quelques minutes) des solutions réalisables de bonne qualité, ainsi qu'une évaluation a posteriori de la déviation relative par rapport à l'optimum. L'objectif principal de ce projet est de familiariser les étudiants avec l'utilisation des métaheuristiques et des librairies de solveurs commerciaux (XPRESS) ou gratuits (lp_solve).

Prérequis : cours de modelisation stochastique

Objectifs:

Organisation: 2 eme semestre: semaine 14 a 18 (du 28 janvier au 28 fevrier),  (2h cours - 17h de TD)=20hetd

Paul MOREL

Le travail demandé sera l'application et l'implémentation d'algorithmes de contrôle de chaînes de Markov discrètes en temps et en espace. Les principaux algorithmes du cours seront testés et comparés sur des problèmes issus de la gestion des stocks.

Prérequis : cours de modelisation et de calcul stochastique, Finance

Objectifs: L'objectif du projet est de proposer à l'étudiant un outil informatique qu'il ne connait pas, de lui faire apprendre afin de mettre en place des méthodes usuelles de valorisation de produits optionnels.

Organisation: 2 eme semestre: semaines 14 a 18 (du 28 janvier au 28 fevrier),  (2h cours - 17h de TD)=20hetd

Olivier DORDAN,

Pour ce projet nous avons choisi le tableur Excel et Visual Basic et comme sujets d'application : Evaluation d'option par méthode de Monté Carlo Résolution numérique d'une équation parabolique Reconstruction de la courbe des taux par un arbre trinomiale Méthodes de Bootstrapping Le but n'est pas de critiquer telle ou telle outils mais de voir la capacité d'adaptation d'un étudiant à un outil nouveau

Prérequis : cours de statistique et d' analyse de donnee, base de donnees

Objectifs: Confronter l'étudiant à une situation réelle qu'il devra gérer depuis la mise en place et la gestion d'une base de données jusqu'à son traitement statistique complet. A partir d'une base de données existante ou à construire, if faudra savoir extraire des informations en vue d'une étude statistique qui se fera en utilisant les outils vus en cours de stat et en C++

Organisation: 2 eme semestre: semaines 14 a 18 (du 28 janvier au 28 fevrier),  (2h cours - 17h de TD)=20hetd

rérequis : G1 et M4, ou équivalents

Yonel BLANC, Marie CHAVENT

Construction d'une base sous Accsses à partir de données obtenues sur le site http://dss.ucar.edu/datasets/ds578.5/ concernant des données méteorologiques mesurées dans 60 stations chinoises Cette permière étape est un travail commun à tous les étudiants. Les étapes suivantes seront réalisées en binôme. Construction de requêtes sur la base de données de l'étape 1. et permettant d'extraire les données nécessaires au traitement statistiques demandé dans les étapes 3. et 4. Conception d'un logiciel. sous C++Builder mettant en application une méthode stastique donnée et distinct pour chaque binôme. Traitement statistique des données à l'aide des logiciels SPSS, SPAD ou SAS et en particulier, application et vérification de la méthode développée à l'étape 3

M1MIngMa4: Programmation linéaire M1MIngMa6: Optimisation M1MIngMa7: Problèmes de Flot M2MIngMa7: Programmation Entière M2MIngMa8: Compléments en recherche opérationnelle M3MingMa17: Méthodologie avancées en optimisation

M1MIngMa5: Processus Stochastiques M2MIngMa6: Modèles Stochastiques M2MIngMa8: Compléments en recherche opérationnelle M3MingMa18: Méthodologie avancées en modélisation stochastiques

Cours du Master d' Ingénierie économique et analyse des marchés financiers (université Bordeaux 4): Finance: Introduction aux problématiques et modèles utilisés en finance

Certains cours du Master Modélisation proposé par l'UFR Sciences & Modélisation de l'Université Bordeaux 2

Organisation confiée à :

Brigitte PATOUILLE et Paul MOREL

Un stage industriel débutant en mars d'une durée de 6 mois, co-encadré par un industriel et un universitaire est obligatoire. Ce stage est une partie importante de la formation. Il insère l'étudiant dans un contexte de production, de contraintes d'horaires, de qualité, de travail de groupe. Les sujets traités et résolus sont des problèmes proposés et validés par les tuteurs.