Objectifs par rapport aux acquis d'apprentissage du programme

• Mobiliser des connaissances spécialisées dans au moins un domaine de la gestion.
• Contribuer à l'élaboration d'outils ou de solutions innovants.
• Communiquer et présenter des travaux originaux de manière professionnelle tant à l'oral qu'à l'écrit.
• Conduire un raisonnement scientifique sur des problématiques complexes ou novatrices en gestion.
• Présenter et structurer des données de manière claire, précise, neutre et non-orientée.
• Agir dans un contexte international et multiculturel.
• Communiquer et interagir par écrit et oralement, de manière claire et structurée, sur des problématiques, des analyses et des projets, dans au moins une langue en plus du français.
• Privilégier des pratiques de management responsables.
• Innover dans la mise en place de méthodologies et d'outils d'analyse ou de décision en matière de gestion.
• Maîtriser de manière active et intégrée des savoirs dans les différents domaines de la gestion et les utiliser de manière efficace dans un contexte professionnel.
• Intégrer des savoirs hautement spécialisés relevant de différents domaines de la gestion.
• Comprendre les interactions entre l'entreprise et son environnement socio-économique.
• Mobiliser les méthodes et les outils d'aide au gestionnaire dans des contextes mouvants.

Acquis d'apprentissage de l'UE

L'objectif de ce cours est de présenter des outils avancés pour l'analyse des données et l'économétrie, avec un accent particulier sur l'économétrie des séries temporelles. Une introduction au Machine Learning est également proposée.

Les différents concepts et méthodes sont illustrés par des applications utilisant Stata ou Python.

Les étudiants doivent effectuer une analyse économétrique de données financières à haute fréquence en utilisant Stata.

Contenu de l'UE : descriptif et cohérence pédagogique

L'objectif de ce cours est de présenter des outils avancés pour l'analyse des données et l'économétrie, avec un accent particulier sur l'économétrie des séries temporelles. Une introduction au Machine Learning est également proposée.

Les différents concepts et méthodes sont illustrés par des applications utilisant Stata ou Python.

Les étudiants doivent effectuer une analyse économétrique de données financières à haute fréquence en utilisant Stata.

Compétences préalables

Econométrie (MCO)

Type(s) et mode(s) d'évaluations Q2 pour l'UE

• Examen écrit - En présentiel
• Production (travail écrit, rapport, essai, collection, produit…) à déposer - En présentiel

Commentaire sur les évaluations Q2 de l'UE

2/3 - examen
1/3 - travail de groupe

Type(s) et mode(s) d'évaluations Q3 pour l'UE

• Examen écrit - En présentiel
• Production (travail écrit, rapport, essai, collection, produit…) à déposer - En présentiel

Commentaire sur les évaluations Q3 de l'UE

2/3 - examen
1/3 - travail de groupe