La modélisation financière consiste à représenter une situation financière grâce à un modèle mathématique, en fonction de différents paramètres. La modélisation financière facilite ainsi la prise de décision, en permettant de simuler divers scénarios et d’aboutir à des recommandations.
La modélisation s’applique principalement à deux grands domaines de la finance, la finance d’entreprise et la finance de marché.
La modélisation financière a pris une place importante dans le domaine de la finance d’entreprise, de par le besoin des dirigeants de prévisions précises sur la situation financière future de leur entreprise, en fonction de différents paramètres, afin de pouvoir prendre les décisions adéquates. Les applications comprennent :
Évaluation d'entreprise (différentes méthodes d’évaluation sont en général modélisées)
Construction d’un business plan
Calcul d'indicateurs économiques (ex : coût des capitaux propres)
Les modèles sont principalement développés à partir d’états financiers comptables passés ainsi que d’hypothèses formulées pour le futur (exemples : taux de croissance du chiffre d'affaires, investissements futurs, évolution des coûts d’exploitation, etc.). Ces hypothèses sont facilement modifiables afin de pouvoir simuler différents scénarios (par exemple optimiste, neutre et pessimiste) qui aideront dans la prise de décision.
Ces modèles sont le plus souvent réalisés à l’aide de logiciels tableurs avec accessoirement l’aide de langages de programmation (ex : Microsoft Excel et VBA; ou encore QUANTRIX, outil de modélisation multi-dimensionnel OLAP).
Dans ce domaine, la modélisation financière a pour but de simuler divers phénomènes de marché, dans le but d’aider à la gestion de portefeuilles d’actifs. Les applications comprennent :
Modélisation du risque et de l’incertitude
Calcul du prix d’une option
Optimisation de portefeuille
La modélisation financière des marchés implique le développement de modèles mathématiques complexes incluant des lois probabilistes.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
This course provides an introduction to distributed ledger technology, blockchains and cryptocurrencies, and their potential applications in finance and banking.
Participants of this course will master computational techniques frequently used in mathematical finance applications. Emphasis will be put on the implementation and practical aspects.
This class is designed to give you an understanding of the basics of empirical asset pricing. This means that we will learn how to test asset pricing models and apply them mostly to stock markets. We
Les mathématiques financières (aussi nommées finance quantitative) sont une branche des mathématiques appliquées ayant pour but la modélisation, la quantification et la compréhension des phénomènes régissant les opérations financières d'une certaine durée (emprunts et placements / investissements) et notamment les marchés financiers. Elles font jouer le facteur temps et utilisent principalement des outils issus de l'actualisation, de la théorie des probabilités, du calcul stochastique, des statistiques et du calcul différentiel.
A financial analyst is a professional, undertaking financial analysis for external or internal clients as a core feature of the job. The role may specifically be titled securities analyst, research analyst, equity analyst, investment analyst, or ratings analyst. The job title is a broad one: in banking, and industry more generally, various other analyst-roles cover financial management and (credit) risk management, as opposed to focusing on investments and valuation; these are also discussed in this article.
En finance, l'analyse quantitative est l'utilisation de mathématiques financières, souvent dérivées des probabilités, pour mettre au point et utiliser des modèles permettant aux gestionnaires de fonds et autres spécialistes financiers de s'attaquer à deux problèmes : mieux évaluer la valeur des actifs financiers, et surtout leurs dérivés. Ces dérivés peuvent être des produits comme les warrants, les certificats ou tout autre type de dérivé ou d'option (contrats Futures sur matières premières, indices, etc.
Se penche sur les défis financiers des grands systèmes urbains qui utilisent Detroit comme étude de cas, en mettant l'accent sur la faillite, la gestion des urgences et les stratégies de stabilité à long terme.
This thesis consists of three applications of machine learning techniques to empirical asset pricing.In the first part, which is co-authored work with Oksana Bashchenko, we develop a new method that d
Options are some of the most traded financial instruments and computing their price is a central task in financial mathematics and in practice. Consequently, the development of numerical algorithms fo
I started my PhD studies in August 2014 with a strong desire to push my own limits without knowing precisely the areas I wanted to cover in detail. To me, it was clear that I was interested by many di