Finance computationnelle MSc

Royal Holloway, University of London

Ce diplôme, proposé par le Département d'informatique et le Département d'économie, te permet de te spécialiser dans la finance quantitative moderne et les méthodes informatiques de modélisation financière, qui sont demandées pour les emplois dans la structuration des actifs, la tarification des produits ainsi que la gestion des risques.

Les compétences que tu vas acquérir comprennent la capacité de :

• analyser, évaluer de manière critique et appliquer les méthodes de la finance computationnelle à des problèmes pratiques, notamment la fixation du prix des produits dérivés et l'évaluation des risques.

• analyser et évaluer de manière critique les méthodes et les principes généraux de la finance computationnelle et leur applicabilité à des problèmes spécifiques.

• travailler avec des méthodes et techniques telles que le regroupement, la régression, les machines à vecteurs de support, le boosting, les arbres de décision et les réseaux neuronaux.

• analyser et évaluer de manière critique l'applicabilité des algorithmes d'apprentissage automatique aux problèmes de la finance.

• mettre en œuvre des méthodes de finance computationnelle et d'apprentissage automatique en utilisant des langages de programmation orientés objet et des systèmes modernes de gestion des données.

• travailler avec des logiciels tels que MATLAB et R

• travailler avec des systèmes de bases de données relationnelles et SQL

Tu recevras un enseignement dispensé par des universitaires de renommée mondiale. La recherche sur l'apprentissage automatique à Royal Holloway a commencé dans les années 1990, époque à laquelle V. Vapnik et A. Chervonenkis (les inventeurs des Machines à vecteurs de support) étaient tous deux professeurs ici. Nous avons développé à la fois la théorie fondamentale et les algorithmes pratiques qui ont alimenté les méthodes et techniques d'analyse utilisées aujourd'hui. Parmi les chercheurs actuels, citons Alexander Gammerman et Vladimir Vovk - les inventeurs de la théorie des prédicteurs conformes, une méthode radicalement nouvelle pour estimer la précision de chaque prédiction au fur et à mesure qu'elle est faite - et Chris Watkins, à l'origine de l'apprentissage par renforcement qui a développé l'"apprentissage Q", un travail fondamental pour la planification et le contrôle.

• Étudie dans deux départements très réputés, respectivement classés 11e et 8e au Royaume-Uni pour la qualité de la recherche (Research Excellence Framework 2014).

• Bénéficie de liens solides avec l'industrie, à proximité de la "Silicon Valley anglaise".

• Diplômé d'une maîtrise avec d'excellentes perspectives d'employabilité pour les diplômés.

• Adapte ton apprentissage grâce à un large éventail de modules optionnels intéressants.

• Choisis une structure de programme d'un an ou ajoute une année facultative dans l'industrie.