Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
La gestion des risques à l’aide de la Gestion quantitative des risques est une tâche essentielle dans les secteurs bancaire, de l’assurance et de la gestion d’actifs. Il est indispensable que les analystes des risques financiers, les régulateurs et les actuaires sachent mettre en balance de façon quantitative le rendement et l’exposition au risque.Ce cours vous introduit à la gestion des risques d’un portefeuille financier à travers l’examen de la crise financière de 2007—2008 et de son impact sur des banques d’investissement comme Goldman Sachs et J.P. Morgan. Vous apprendrez à utiliser Python pour calculer et atténuer l’exposition au risque avec les mesures Value at Risk et Conditional Value at Risk, à estimer le risque avec des techniques comme la simulation de Monte Carlo, et à recourir à des technologies de pointe telles que les réseaux de neurones pour effectuer un rééquilibrage de portefeuille en temps réel.
Prérequis
Programme de formation
Plan du cours
1
Rappel : risque et rendement
La gestion des risques commence par la compréhension du risque et du rendement. Nous réviserons comment ces deux notions sont liées, identifierons les facteurs de risque et les utiliserons pour nous (re)familiariser avec la théorie moderne du portefeuille appliquée à la crise financière mondiale de 2007-2008.
- Bienvenue !50 XP
- Rendements du portefeuille pendant la crise100 XP
- Covariance des actifs et volatilité du portefeuille100 XP
- Facteurs de risque et crise financière50 XP
- Introduction au rééchantillonnage des fréquences100 XP
- Visualiser la corrélation des facteurs de risque100 XP
- Modèle factoriel aux moindres carrés100 XP
- Théorie moderne du portefeuille50 XP
- S’exercer avec PyPortfolioOpt : rendements100 XP
- S’exercer avec PyPortfolioOpt : covariance100 XP
- Décomposer la crise financière100 XP
- La frontière efficiente et la crise financière100 XP
2
Gestion des risques orientée objectifs
Il est temps d’enrichir votre boîte à outils d’optimisation de portefeuille avec des mesures de risque comme la Value at Risk (VaR) et la Conditional Value at Risk (CVaR). Pour cela, vous utiliserez des bibliothèques Python spécialisées, notamment pandas, scipy et pypfopt. Vous verrez aussi comment atténuer l’exposition au risque en utilisant le modèle de Black-Scholes pour couvrir un portefeuille d’options.
3
Estimation et identification du risque
Dans ce chapitre, vous estimerez des mesures de risque à l’aide d’estimations paramétriques et de données historiques réelles. Vous découvrirez ensuite comment la simulation de Monte Carlo peut vous aider à anticiper l’incertitude. Enfin, vous apprendrez comment la crise financière mondiale a révélé que l’aléa lui‑même évoluait, en comprenant les ruptures structurelles et la manière de les identifier.
4
Gestion avancée des risques
Il est temps d’explorer des outils plus généraux de gestion des risques. Ces techniques avancées sont cruciales pour comprendre les événements extrêmes, comme les pertes subies pendant la crise financière, ainsi que des distributions de pertes complexes pouvant défier les approches d’estimation classiques. Vous découvrirez également comment mettre en œuvre des réseaux de neurones pour approximer les distributions de pertes et réaliser une optimisation de portefeuille en temps réel.
Gestion quantitative des risques en Python
Cours
terminé
