Parcours progressif des fondements aux modèles multi-périodes
De l'équilibre de base à la modélisation avec agents hétérogènes et horizons variés
Les modèles présentés servent à structurer la réflexion, non à prédire l'avenir.
De l'équilibre de base à la modélisation avec agents hétérogènes et horizons variés
Les modèles présentés servent à structurer la réflexion, non à prédire l'avenir.
Avant d'aborder l'équilibre, il faut maîtriser les outils de base : optimisation sous contrainte, théorie de l'utilité espérée, et notion de prime de risque. Cette étape pose le langage commun sans lequel les modèles ultérieurs resteraient opaques. Les exercices portent sur des cas concrets de choix d'allocation simples.
Introduction du cadre d'équilibre général en économie financière. Comment les prix émergent-ils de l'interaction entre agents optimisateurs homogènes ? On examine les hypothèses implicites, on teste la robustesse du modèle de base, et on identifie ses échecs empiriques face aux données de marché réelles.
Les simulations interactives permettent de modifier les paramètres d'un modèle d'équilibre et d'observer en temps réel comment les prix, les allocations et les distributions de richesse évoluent. Chaque étudiant peut tester ses propres hypothèses, identifier les points de basculement, et comprendre pourquoi certains paramètres produisent des dynamiques stables tandis que d'autres génèrent de la volatilité explosive. Les études de cas, tirées de crises financières documentées, servent de matériau brut pour confronter les prédictions théoriques aux trajectoires historiques réelles.
Modifier les croyances, les contraintes et les horizons des agents artificiels pour observer l'émergence des prix en temps réel. Chaque paramètre devient une poignée tangible.
Analyser des situations de marché historiques sous l'angle de l'équilibre avec agents hétérogènes. Les pairs évaluent la qualité de l'argumentation, pas la conclusion.
Ateliers de programmation
Implémenter des modèles d'équilibre en langage scientifique standard. Le code est partagé, commenté, et soumis à la critique collective pour détecter les erreurs subtiles.
Calibration sur données
Confronter systématiquement les prédictions du modèle à des séries historiques. Apprendre à reconnaître quand un écart révèle une faiblesse théorique ou un bruit statistique.
Chaque module repose sur le précédent. Aucun saut conceptuel n'est imposé. La complexité est assemblée couche par couche, comme un mécanisme dont on comprend chaque pièce.
Maîtriser les modèles d'équilibre avec agents hétérogènes transforme la manière de penser les marchés financiers et de structurer l'analyse sous incertitude.
Apprendre à assembler des cadres d'analyse cohérents, à vérifier leur consistance logique, et à identifier les hypothèses critiques dont dépendent les conclusions. Une compétence transférable bien au-delà de la finance.
Prérequis, engagement temporel, certification et évolution du contenu
Une familiarité de base avec le calcul différentiel et la notion d'espérance mathématique suffit. Aucune connaissance préalable de la finance quantitative n'est exigée. Les fondements sont construits depuis le début.
La durée totale dépend du rythme de chaque participant. En moyenne, entre six et douze mois sont nécessaires pour couvrir l'ensemble des modules et réaliser le projet final de recherche appliquée.
Un document attestant de la réalisation du parcours est fourni. Il mentionne les compétences acquises et les projets réalisés, sans constituer un diplôme universitaire reconnu par l'État.
Un ordinateur avec un environnement de programmation scientifique standard et un accès internet stable. Tous les logiciels utilisés sont disponibles gratuitement. Aucun achat de licence propriétaire n'est nécessaire.