(M) SER - Livret Pe - Dagogique ISEFAR Gestion Du Risque

ISEFAR - Gestion du risque
Mention : Statistique et économie du risque [Master]
Infos pratiques
> Composante : Sciences économiques, gestion, mathématiques et informatique
> Durée : 2 ans
> ECTS : 120
> Ouvert en alternance : Non
> Formation accessible en : Formation initiale, Contrat de professionnalisation, Contrat apprentissage
> Formation à distance : Non
Admission
Conditions d'accès
Candidature en Master 1
Les mentions de Licences conseillées sont:
- Economie
- Economie et Gestion
- Double licence économie/ mathématiques
- Mathématiques
- Mathématiques et informatique appliquées aux sciences humaines et sociales
En matière d’acquis académiques, le recrutement se fondera sur la prise en compte des éléments suivants :
- Cohérence du parcours
- Solide maîtrise des matières suivantes, si elles sont présentes dans le cursus : Économétrie, Microéconomie, Probabilités,
Statistiques inférentielles. Au moins deux de ces matières doivent être présentes dans le cursus ; l’absence de certaines de ces
matières dans le cursus pourra être compensée par un solide niveau général.
Sont également appréciées des connaissances en logiciels (par exemple VBA, SAS, R…), en actuariat et/ou en finance
Candidature en Master 2
Les étudiants ayant obtenu le Master 1 Statistique et économie du risque, parcours Gestion du risque, sont admis de droit. Pour
les candidats ayant obtenu Master 1 Statistique et économie du risque, parcours Statistique du risque, une attention particulière
est portée sur leurs résultats dans les matières fondamentales en économie.
Pour les candidats extérieurs au Master 1 Statistique et économie du risque, les mentions de Master conseillées sont:
- Monnaie, banque, finance, assurance
- Finance/ actuariat
- Econométrie, statistiques
- Analyse et politique économique
- Mathématiques et applications
Version brouillon, générée le 29/10/2020 à 14:26 Page 1 / 75

- Mathématiques et informatique appliquées aux sciences humaines et sociales - MIASHS
En matière d’acquis académiques, le recrutement se fondera sur la prise en compte des éléments suivants :
- Cohérence du parcours
- Acquis solides dans les matières suivantes : microéconomie, économie du risque, économie publique, économétrie et
statistique (estimation, test, régression). L'absence de certaines de ces matières dans le cursus pourra être compensée par un
solide niveau général.
Une maîtrise d'un logiciel de traitement de données (Stata, SPSS, Sas ou R) sera également appréciée.

Programme
M1 ISEFAR-GR (Ingénierie de la finance, de l'assurance et du

risque, Gestion du risque)
Nature CM TD TP EAD Crédits
Semestre 7
UE Maîtriser un domaine et ses méthodes UE 24
UE Fondamentaux UE 18
Economie du risque et de l'incertain EC 24 16 4,5
Information et incitations EC 24 16 4,5
Probabilités EC 24 20 6
Statistique inférentielle EC 24 20 6
UE Elargir ses connaissances/personnaliser son parcours UE 3
Bases de données EC 14 6 3
UE Développer ses compétences linguistiques UE 3
UE English for economy and statistics UE 3

1 élément(s) au choix parmi 2 :
English for economy and finance EC 24 4,5
English for probability and statistics EC 24 4,5

Semestre 8
UE Maîtriser un domaine et ses méthodes UE 28,5
UE Fondamentaux en économie UE 12
Introduction à l'assurance EC 24 16 6
3EEC88081 - Gestion de portefeuilles EC 24 16 4,5
Assurance des risques sociaux EC 24 4,5
UE Fondamentaux en Statistiques UE 12
Analyse des données EC 18 18 3
Modèles de régression EC 24 20 3
Séries chronologiques EC 24 20 3
UE Fondamentaux UE 24 8 4,5
Logiciels (SAS, R latex) EC 24 8 4,5
UE S'investir pour son université et dans son projet professionnel UE 1,5
UE Séminaire UE 1,5
Ateliers préparation recherche de stage EC 1,5
M2 ISEFAR-GR (Ingénierie de la finance, de l'assurance et du

risque, Gestion des risques)
Semestre 9
UE Maîtriser un domaine et ses méthodes UE 22,5
UE Tronc commun UE 13,5

Data mining : classification EC 18 18 3
Mathématiques financières et actuarielles EC 18 18 3
Programmation VBA Excel Python EC 24 24 4,5
Gestion actif-passif EC 24 3
UE Fondamentaux GR UE 9
Actuariat de l'assurance vie et de la retraite EC 24 3
Gestion des risques majeurs EC 24 3
Risk management EC 24 3
UE Elargir ses connaissances/personnaliser son parcours UE 6
UE Options GR UE 6
2 élément(s) au choix parmi 3 :
Statistique pour l'assurance EC 24 3

Réassurance EC 24 3
Data mining : apprentissage EC 16 16 3
UE S'investir pour son université et dans son projet professionnel UE 1,5
UE S'investir dans la vie de la formation UE 1,5

S'investir dans la vie de la formation EC 1,5

Semestre 10
UE Maîtriser un domaine et ses méthodes UE 9
UE Tronc commun UE 3
Droit des contrats et de la responsabilité EC 14 6 3
UE Fondamentaux GR UE 6
Finance et assurance comportementales / Behavioral finance and insurance EC 24 3
Prévention des risques (dommage, santé) EC 24 3
UE Développer ses compétences linguistiques UE 3
UE Financial English UE 3
Financial English EC 20 3
UE Se former en milieu professionnel UE 18
UE Stage UE 18
Stage EC 18

UE Maîtriser un domaine et ses méthodes
Retour au programme détaillé
Infos pratiques
> ECTS : 24.0
Liste des enseignements

· UE Fondamentaux
· Economie du risque et de l'incertain
· Information et incitations
· Probabilités
· Statistique inférentielle

UE Fondamentaux
Infos pratiques
> ECTS : 18.0

· Economie du risque et de l'incertain
· Information et incitations
· Probabilités
· Statistique inférentielle

Economie du risque et de l'incertain
Infos pratiques
> ECTS : 4.5
> Nombre d'heures : 40.0
> Langue(s) d'enseignement : Français
> Niveau d'étude : BAC +4
> Période de l'année : Enseignement sixième semestre
> Méthode d'enseignement : En présence
> Forme d'enseignement : Cours magistral et Travaux dirigés
> Ouvert aux étudiants en échange : Oui
> Campus : Campus de Nanterre
Présentation
La modélisation et l'analyse des comportements dans le risque et l'incertain permettent de répondre à des questions concrètes
dans les domaines variés comme celui de la finance, de l'assurance, de l'environnement ou de la santé.
L'objectif de ce cours est de présenter les outils fondamentaux de l'analyse économique du risque et de l'incertain et leurs
principales applications. Une large place sera accordée au modèle d'espérance d'utilité et les principaux résultats obtenus dans
ce cadre.
Plan du cours
Chapitre 1 : Introduction. Représentation du risque et de l'incertain. Comparaisons de situations risquées.
Chapitre 2 : Décision dans le risque. Le modèle d'espérance d'utilité. Théorème de représentation des préférences et discussions
des principaux axiomes. Attitudes dans le risque. Mesures de risque.
Chapitre 3 : Décision dans l'incertain. Probabilités subjectives. Le modèle d'espérance d'utilité subjective. Idée du Pari Hollandais
(Dutch Book)
Chapitre 4 : Une introduction à la Prospect theory. Biais comportementaux dans le risque et l'incertain. Remises en cause
expérimentales des modèles standards.
Chapitre 5 : Applications. La demande d'assurance. Les choix de portefeuille et la demande d'actif risqué. La notion de prévention
des risques.
Évaluation
Session 1: épreuve écrite de contrôle continu (50% de la note finale) et examen terminal (50% de la note finale)
Session 2: épreuve écrite
Compétences visées

- Savoir mobiliser et maîtriser les outils d'analyse et de modélisation standard des comportements dans le risque.
- Maîtriser les outils permettant d'analyser des choix simples dans le risque.
Bibliographie
Mas-Colell Whinston Green. Microeconomic theory
Ressources pédagogiques
Documents
Contact(s)
> Johanna Etner
Responsable pédagogique
jetner@parisnanterre.fr

Information et incitations
Infos pratiques
> ECTS : 4.5
> Période de l'année : Enseignement septième semestre
Présentation
L’objectif de ce cours est de présenter l’impact des asymétries d’information sur les relations contractuelles, ainsi que la
construction de mécanismes permettant la réduction des inefficacités résultant de ces asymétries. Les domaines d’application
considérés sont la gestion des risques (environnementaux et IARD), la gestion des ressources humaines et la gestion de
politiques publiques.
Plus précisément, le cours traite de l’impact d’une information (privée), non disponible pour l’ensemble des intervenants dans
un échange, sur les caractéristiques et l’efficacité de cet échange. Après une présentation des différents types d’asymétries
d’information possibles (sur une caractéristique exogène sur un niveau d’effort), le cours analyse les inefficacités de l’échange
résultant de chacun de ces types d’information privée et détermine les outils permettant de les réduire. Les modèles théoriques
d’anti-sélection et d’aléa moral présentés sont appliqués à différents types de relations bilatérales (assureur/assuré, employeur/
salarié, autorité publique/pollueur,…). Pour chacune de ces relations, après avoir comparé la situation d’information symétrique
et asymétrique, on détermine la forme du contrat qui incite la partie informée à révéler son information ou à adopter un niveau
d’effort optimal. La modélisation est complétée par des illustrations issues d’études empiriques et expérimentales.
Évaluation
Session 1
Une note de contrôle continu comptant pour 1/3 de la note finale
Une épreuve écrite finale de deux heures comptant pour 2/3 de la note finale
Session 2 : une épreuve écrite de deux heures.
Pré-requis nécessaires
- des bases en microéconomie (théorie du consommateur et du producteur)
- des bases en optimisation sous contrainte

- évaluer l’impact de différents types d’information privée sur les caractéristiques (prix, quantités, niveau d’effort,…) d’une relation
contractuelle et les pertes d’efficacité qui en résultent ;
- construire un mécanisme de révélation optimal incitant la partie non informée à révéler son information (si l’information privée
concerne une caractéristique exogène)
- construire un mécanisme incitatif optimal (si l’information privée concerne un niveau d’effort)
Bibliographie
Laffont J.J., Martimort D., The theory of incentives, Princeton university press, 2002.
Salanié B., The Economics of Contracts: A Primer, 2nd Edition MIT Press, 2005

Probabilités
Infos pratiques
> ECTS : 6.0
Présentation
Ce cours traitera deux thématiques distinctes : dans un première partie, on étudiera le comportement asymptotique du maximum
d'une suite de variables aléatoires iid. Puis, dans une deuxième partie, on abordera la notion de martingale et nous verrons
comment appliquer le théorème d'arrêt. En fonction de temps restant, on introduira aussi la théorie des chaînes de Markov.
Objectifs
Savoir déterminer le comportement du maximum d'une suite de variables iid en fonction de la queue de distribution de la
variable aléatoire. Savoir reconnaître une martingale et appliquer le théorème d'arrêt.
Évaluation
Epreuve écrite de contrôle continu (50% de la note finale) et examen terminal (50% de la note finale)

Statistique inférentielle
Infos pratiques
> ECTS : 6.0
Présentation
Le cours présente la théorie de l'estimation et des tests paramétriques et des tests d'adéquation de modèle.
Plan du cours
- Modèle statistique, paramètres, estimateurs.
- Méthode des moments.
- Modèle statistique régulier, vraisemblance, information de Fisher.
- Méthode du maximum de vraisemblance.
- Tests paramétriques, lemme de Neyman et Pearson, famille à rapport de vraisemblance monotone.
- Tests d'adéquation de modèle.
Objectifs
Savoir estimer les paramètres d'un modèle statistique par la méthode des moments ou la méthode du maximum de
vraisemblance, évaluer la qualité des estimateurs, donner des intervalles de confiance, tester la valeur des paramètres et
l'adéquation du modèle aux données.
Évaluation
Contrôle continu (plusieurs interrogations écrites) 50% et examen final 50%
Bibliographie
Lehmann, E. L.; Casella, George Theory of point estimation. Second edition. Springer Texts in Statistics. Springer-Verlag, New York,
1998.
Michel Lejeune. Statistique - La théorie et ses applications Springer.

UE Elargir ses connaissances/personnaliser son
parcours
Infos pratiques
> ECTS : 3.0

· Bases de données

Bases de données
Infos pratiques
> ECTS : 3.0
> Forme d'enseignement : Cours magistral
Présentation
* I- Le modèle relationnel : concepts de relation, attribut, domaine, schéma de relation
II- Conception d'un schéma relationnel : Le modèle Entité/Association, passage au modèle relationnel.
III- Création d’une BDR avec le langage LDD de SQL sous ACCESS : Création de tables à partir d’un schéma,
modification du schéma d’une table, insertion des données dans une table, importation de données, etc.
IV- Interrogation des données avec des requêtes LID simples : requêtes de projection et/ou restriction, tri, jointure de
deux tables, etc.
V- Modification/suppression des données : écriture de requêtes simple du langage LMD.
VI- Recherche multi-tables : Requêtes LID avancée, jointure multi-tables.
VII- Les formulaires : les formulaires multi-tables, les sous-formulaires, les objets de contrôle.
VIII- Les états : créer des états, le groupement dans les états, les sous-états, les champs de calcul, etc.
Objectifs
* Comprendre et maitriser les notions d’une Base de Données Relationnelle (BDR)
* Concevoir une BDR avec le modèle Entité/Association
* Créer une BDR avec le langage LDD de SQL sous ACCESS
* Ecrire des requêtes SQL d’interrogation d’une de base de données sous ACCESS
* Construire des formulaires et des états pour interagir avec la base sous ACCESS
Évaluation
Seesion 1 :
Contrôle continu : 2 Tests QCM en ligne
Projet : Projet de BD
Moyenne finale : Contrôle continu (60%) + Projet (40%)
Session 2 : Examen sur table

UE Développer ses compétences linguistiques
Infos pratiques
> ECTS : 3.0

· UE English for economy and statistics
· English for economy and finance
· English for probability and statistics

UE English for economy and statistics
Infos pratiques
> ECTS : 3.0

· English for economy and finance
· English for probability and statistics

English for economy and finance
Infos pratiques
> ECTS : 4.5
Présentation
Le cours "English for economy and finance" a pour objectif de traiter différents thèmes en économie et en finance et apporter une
culture économique générale aux étudiants. Dans la première partie de chaque séance, un groupe d'étudiants présente un thème
puis une discussion est engagée entre deux groupes d'étudiants. Dans la seconde partie de chaque séance, un cours synthétise
plusieurs travaux abordant le thème et ouvre sur des sujets connexes. Les thèmes abordés sont les suivants : (1) L'exploitation
de la rationalité limitée des consommateurs par les firmes ; (2) La valorisation des projets d'investissement publics ; (3) Théorie
des jeux et changement climatique ; (4) Les options réelles appliquées à la gestion des déchets nucléaires ; (5) Le système
communautaire d'échange des quotas d'émission ; (6) La finance comportementale ; (7) Une comparaison entre les systèmes de
retraite par répartition et les systèmes de retraite par capitalisation ; (8) Economie du Covid.
Évaluation
Le cours s'appuie sur une double évaluation :
- Une évaluation en continu : rendu d'un rapport et une présentation orale sur un thème choisi.
- Un examen terminal : épreuve écrite de deux heures
Le cours "English for economy and finance" vise l'acquisition de deux compétences principales :
- la pratique écrite et orale de l'anglais
- l'acquisition d'une culture économique générale
Bibliographie
Cox Ross Rubinstein (1979). Option pricing: a simplified approach. Journal of Financial Economics 7 (1979) 229-263. 0 North-Holland
Publishing Company
European Commission (2015). EU ETS Handbook.

Osborne & Rubinstein (1998). Games with procedurally rational players. The American Economic Review , Sep., 1998, Vol. 88, No. 4
(Sep., 1998), pp. 834- 847
Pindyck (2020). Covid-19 and the welfare effects of reducing contagion. Working Paper 27121
Shiller (2003). From Efficient Markets Theory to Behavioral Finance. Journal of Economic Perspectives vol. 17, no. 1 (Winter
2003):83–104
Wood (2011). Climate change and game theory in “Ecological Economics Reviews.” Robert Costanza, Karin Limburg & Ida
Kubiszewski, Eds. Ann. N.Y. Acad. Sci. 1219: 153–170.

English for probability and statistics
Infos pratiques
> ECTS : 4.5
Présentation
Ce cours se déroulera en anglais sur les thématiques suivantes :
* Probabilite#s
— TLC de Lindeberg-Feller.
— Processus de Poisson et files d’attente.
* Statistique
— Statistiques d’ordre et quantiles empiriques ; convergence. — Introduction au Bootstrap.
Évaluation
examen terminal sous forme de pre#sentation orale

Infos pratiques
> ECTS : 28.5

· UE Fondamentaux en économie
· Introduction à l'assurance
· Gestion de portefeuilles
· Assurance des risques sociaux
· UE Fondamentaux en Statistiques
· Analyse des données
· Modèles de régression
· Séries chronologiques
· UE Fondamentaux
· Logiciels (SAS, R latex)

UE Fondamentaux en économie
Infos pratiques
> ECTS : 12.0
> Composante : Sciences et techniques des activités physiques et sportives

· Introduction à l'assurance
· Gestion de portefeuilles
· Assurance des risques sociaux

Introduction à l'assurance
Infos pratiques
> ECTS : 6.0
> Période de l'année : Enseignement huitième semestre
Présentation
L’objectif de ce cours est de présenter le marché de l’assurance et ses différents produits, les principes de base de la tarification
ère
et de la comptabilité de l’assurance, ainsi que quelques éléments sur la demande d’assurance. La 1 partie du cours porte
sur les principes de l’assurance avec les définitions des bases de l’assurance, de la tarification et du provisionnement avec un
ère
rappel du cadre réglementaire. Cette 1 partie sera complétée par des travaux pratiques avec des exercices de tarification
ème
et de provisionnement. La 2 partie du cours sera dédiée à la comptabilité assurantielle avec les définitions des règles et
des principes comptables, un rappel des normes et des applications numériques. Une 3ème partie du cours porte sur l’analyse
microéconomique de la demande d’assurance et de ses déterminants.
Évaluation
Session 1
Une note de contrôle continu comptant pour 50% de la note finale
Une épreuve écrite finale de deux heures comptant pour 50% de la note finale
Session 2 : une épreuve écrite de deux heures.
Connaissances générales du fonctionnement du marché de l’assurance et connaissances théoriques sur les motifs justifiant la
demande d’assurance.
Bibliographie
Alexis Direr. Economie de l’assurance

Cours en ligne

Gestion de portefeuilles
Infos pratiques
> ECTS : 4.5
> Code ELP APOGEE : 3EEC88081
Présentation
Parcours MBFA [BMM / GDA]
L'enseignement présente les grands principes de la gestion de portefeuille et le choix d'allocation. Le cours s'articule autour de 5
chapitres ;
- Introduction aux notions de Gestion d'Actifs,
- Théorie des choix d’investissement en univers incertain,
- Eléments d’analyse des portefeuilles d’actifs,
- Critère Espérance-Variance et analyse des portefeuilles efficients et
- Le MEDAF ou Modèle d’Evaluation des Actifs Financiers.
Parcours ISEFAR / APE / ECA
Le cours fournit des éléments de base de la théorie moderne de portefeuille, en introduisant les concepts et outils pertinents
pour analyser le choix optimal des actifs financiers ainsi que celui de leurs pondérations au sein d'un portefeuille. Après quelques
brefs rappels sur l'approche microéconomique appliquée aux choix de portefeuille et d'épargne, le cours présente les principaux
actifs financiers (actions, obligations, OPCVM, produits dérivés (Futures, Forwards, Swaps, options d'achat/vente)) puis s'attarde
sur l'approche financière de la théorie des choix de portefeuille avec pour outil principal le CAPM, qui décrit la relation entre le
risque d'un actif financier et la rentabilité espérée de cet actif.
La question de la sélection d'un portefeuille optimal est abordée dans ses aspects théoriques et d'un point de vue opérationnel.
Des outils d'évaluation et de mesures de performance de portefeuilles sont également étudiés (ratios de Sharpe, de Treynor,
Alpha de Jensen) et des modèles concurrents au modèle CAPM sont présentés en fin de cours (Arbitrage pricing theory de S.
Ross et modèle Zéro-bêta de F. Black).
Objectifs

L'enseignement a pour but de préparer les étudiants au milieu de l'Asset Management en intégrant les principes théoriques
du choix de portefeuille avec l'appui de mon expérience. Au cours du semestre, les universitaires aborderont des principes ou
instruments financiers afin d'étoffer leur vocabulaire et leur connaissance du milieu.
- maîtriser les concepts inhérents à l'arbitrage risque/rentabilité entre actifs financiers
- mesurer les performances de portefeuilles d'actifs
Évaluation
Évaluation écrite (partiel traditionnel), Contrôle continu
Session 1 : contrôle continu 50%, examen final 50%
Session 2 : un examen terminal 100%
Prise en compte de la situation sanitaire :
Si, pour tenir compte de la situation sanitaire, des restrictions ou des contraintes sont imposées à l'Université
Paris Nanterre ou à l'UFR SEGMI, tout ou partie des épreuves, contrôles de connaissances et examens
terminaux de la session 1 et de la session 2, ainsi que des sessions de rattrapages, pourront se dérouler en
mode distancié.
* Les étudiants devront présenter une appétence à la Finance générale et sa culture
* avoir de bonnes bases mathématiques et statistiques
* avoir suivi un cours d'économie dans l'incertain
* usage du logiciel R
Choix de portefeuille, Modèle d' Evaluation des Actifs Financiers, Instruments Financiers, Culture Financières, Critère Espérance/
Variance, Principe de base du Risk Management
* connaissance solide des actifs financiers sur les marchés ;
* compréhension de l'arbitrage risque/rentabilité à la base du CAPM;
* acquisition des méthodes de sélection de portefeuille (choix et pondération des actifs), avec généralisation à ##actifs (avec
applications sur R en tds);
* utilisation des principaux outils de performance utilisés en finance pour comparer et évaluer différents portefeuilles sur un
marché;
* mesure de la sensibilité d'un portefeuille aux variations d'un indice de marché de référence comme le CAC40, le Dow
Jones.
Bibliographie
* Finance de marché: Instruments de base, produits dérivés, portefeuilles et risques - Patrice Poncet
* Options, futures et autres actifs dérivés - John Hull
* Financial Risk Manager Handbook - Philippe Jorion

* Standards of Practice Handbook - CFA Institute
* Alphonse, Desmuliers, Grandin et Levasseur (2013), Gestion de portefeuille et marchés financiers, Pearson.
* Bertrand P., Prigent J.-L. (2006), Gestion de portefeuille, Economica, Finance.
* Eeckhoudt L. et Gollier C. (1992), Les risques financiers, Paris Ediscience international, 1992.
Classe interactive
Contact(s)
> Nathalie Fombaron
fombaron@parisnanterre.fr

Assurance des risques sociaux
Infos pratiques
> ECTS : 4.5
Présentation
Ce cours présente aux étudiants les mécanismes assurantiels qui visent à prévenir et à gérer les dommages qu'entraînent les
risques sociaux (maladie, accident, perte d'emploi, vieillesse). Nous verrons comment les risques sociaux sont pris en charge
à un premier niveau de protection par les pouvoirs publics (la Sécurité Sociale, l'Assurance chômage, l'État ou encore les
collectivités locales) et à un second niveau, souvent de façon complémentaire, par les organismes d'assurances privées (les
sociétés d'assurance / mutuelles / institutions de prévoyance).
Il est montré comment tous ces mécanismes de gestion collective des risques reposent sur le versement de cotisations : les
ménages doivent avoir préalablement cotisé pour pouvoir bénéficier d'une indemnisation financière en cas de réalisation d'un
risque social (les caisses de retraite garantissent le risque vieillesse, l'assurance chômage garantit le risque de perte d'emploi,
l'Assurance maladie couvre les dépenses de santé etc ).
Le cours insiste sur les différences entre protections publique et privée: la couverture publique (obligatoire) de certains
risques sociaux relève à la fois d'une logique d'assurance et d'une logique d'assistance (l'indemnisation du chômage permet
à la fois de verser des prestations à des chômeurs qui avaient cotisé et à en verser aux chômeurs n'ayant pas cotisé ou cotisé
insuffisamment, et à ceux qui ont épuisé leurs droits à l'allocation chômage de base, la CMU permet de rembourser les dépenses
de santé des plus démunis etc....), alors que les assureurs privés n'indemniseront jamais des individus n'ayant pas cotisé au
préalable.
Objectifs
* comprendre des mécanismes de partage des risques et de mutualisation, inhérents à l'assurance, qu'elle soit publique ou
privée
* mettre l'accent sur les dangers qu'il y aurait à laisser entre les mains du privés l'entièreté du système de protection des
risques sociaux (risques de discrimination et d'exclusion).
Évaluation

Session 1 : contrôle continu 50%, examen final 50% (sous forme d'épreuves écrites)
Session 2 : examen final 100%
* avoir suivi un cours d'Introduction à l'assurance, et un cours d'économie dans l'incertain
* s'intéresser à l'actualité économique et politique .
* connaître les rôles des principales institutions qui contribuent à la gestion des risques sociaux (sociétés et mutuelles
d'assurance, pouvoirs publics);
* connaître les principes (prévention, mutualisation et diversification) qui permettent la gestion collective des risques ;
* bien cerner les différences de fonctionnement des mécanismes de protection sociale publique/privée
Bibliographie
* Chiappori P-A., Risque et assurance, Flammarion (Dominos), 1996.
* Esping -Andersen G., Trois leçons sur l'Etat-Providence, Seuil, 2008.
* Ewald F., L'assurantialisation de la société française , Les tribunes de la santé, n°2, 2011.
* Matheu M., La décision publique face aux risques , La Documentation Française, 2002.
Contact(s)
> Nathalie Fombaron
fombaron@parisnanterre.fr

UE Fondamentaux en Statistiques
Infos pratiques
> ECTS : 12.0

· Analyse des données
· Modèles de régression
· Séries chronologiques

Analyse des données
Infos pratiques
> ECTS : 3.0
Présentation
L’objectif de ce cours/TP est d’introduire les principales méthodes pour l’analyse de données. Il sera présenté trois méthodes
factorielles et deux méthodes de classification non supervisée. L’objectif est que les étudiants soient capables de mener une
analyse descriptive des données : manipulation, nettoyage, visualisation et analyse des données avec la méthode appropriée. Le
logiciel R et l’environnement RStudio seront utilisés.
Plan du cours :
* Introduction à Rmarkdown et à tidyverse
* Rappel sur l’analyse univariée et bivariée
* Analyse en composantes principales (ACP)
* Classification non-supervisée (CAH et K-means)
* Analyse factorielle des correspondances (ACM)
* Analyse factorielle discriminante (AFD)
Objectifs
* Acquérir les méthodes d’analyse des données.
* Être capable de faire une analyse descriptive des données, d’identifier des questions concrètes et savoir interpréter les
résultats fournis par le logiciel R.
* Réaliser des rapports automatisés avec Rmarkdown et apprendre les récentes extensions (dplyr, tidyverse, ggplot2).
Évaluation
* Un projet (50%)
* Un examen (50%)
Bibliographie
* Philippe Besse. Statistique exploratoire multidimensionnelle (https://www.math.univ-toulouse.fr/~besse/
enseignement.html)

* François Husson et al. R pour la statistique et la science des données

Modèles de régression
Infos pratiques
> ECTS : 3.0
Présentation
Ce cours présente la théorie mathématique des modèles linéaires gaussiens et modèles linéaires généralisés ainsi que la mise en
oeuvre de ces modèles sur des jeux de données réelles.
* Plan de cours
* Le modèle linéaire Gaussien.
* Définition du modèle linéaire Gaussien ; identifiabilité et contraintes d’identifiabilité en présence de facteurs.
* Estimateurs du maximum de vraisemblance.
* Test de Fisher.
* Sélection de variables.
* Validation de modèle.
* Extensions (cas non gaussien, comportement asymptotique des estimateurs des moindres carrés et du test du
rapport des vraisemblances dans un cadre non-linéaire).
* Le modèle linéaire généralisé.
* Estimateurs du maximum de vraisemblance.
* Test de Wald et du rapport des vraisemblances.
* Sélection de variables.
* Régression logistique.
* Régression non-paramétrique (estimateur à noyau, compromis biais-variance, choix de la fenêtre par validation croisée).
Objectifs
Comprendre les fondements mathématiques des modèles linéaires Gaussiens ainsi que certaines extensions. Reconnaître
les cadres d'application des différents modèles; savoir proposer des modèles adaptés à différents jeux de données.
Savoir implémenter ces modèles sur le logiciel R, analyser et interpréter les résultats.
Évaluation

contrôle continu constitué d’une épreuve écrite (coef 0.2) et d’un projet (coef 0.3), et examen terminal (coef 0.5)

Séries chronologiques
Infos pratiques
> ECTS : 3.0
Présentation
Fondements mathématiques et méthodologiques de l'étude des séries chronologiques. Seront abordées les notions suivantes :
* Stationnarité
* Fonctions d'autocovariance
* densité spectrale
processus ARMA, ARIMA, SARIMA, GARCH
Objectifs
Acquérir une autonomie et une aisance dans l'étude des séries chronologiques. Savoir modéliser, visualiser, analyser et prédire
une série chronologique.
Évaluation
Évaluation en session 1 pour les étudiants inscrits en formule standard de contrôle de connaissances : des épreuves de contrôle
continu pendant le semestre (50% de la note) et un examen terminal écrit de 2h (50% de la note).
Évaluation en session 1 pour les étudiants inscrits en formule dérogatoire de contrôle de connaissances : un examen terminal écrit
de 2h (100% de la note).
Évaluation en session 2 : un examen terminal écrit de 2h (100% de la note).
Bases des probabilités et des statistiques. Initiation au logiciel de programmation R

Savoir analyser, modéliser, prédire des séries temporelles à partir d'un échantillon.
Bibliographie
Francq, C. , Zakoian, J.M., « GARCH Models: Structure, Statistical Inference and Financial Applications », 9781119957393 , John
Wiley & Sons, 2011 .
van der Vaart, « Time Series », Lecture notes, Vrije Universiteit Amsterdam, 1995-2010.

UE Fondamentaux
Infos pratiques
> ECTS : 4.5

· Logiciels (SAS, R latex)

Logiciels (SAS, R latex)
Infos pratiques
> ECTS : 4.5
Présentation
Ce cours présente deux des logiciels les plus employés dans le traitement statistique des données : R et SAS. Il présente
également le système de création de documents Latex, dont les principaux atouts sont la mise en page automatique et la facilité
de produire des formules mathématiques.
* Plan de cours :
* Le logiciel R.
* Principes généraux (installation, packages, aide).
* Objets R (vecteurs, matrices, data frame, listes, facteurs).
* Lire et enregistrer des données.
* Eléments de programmation (fonctions, boucles).
* R pour les graphiques.
* Le logiciel SAS.
* Importer, saisir, charger, fusionner, manipuler des données sous SAS.
* Analyse de tables SAS à l’aide de procédures SAS.
* SAS pour les graphiques.
* Macro-langage.
* Latex.
* Principes généraux: les différents fichiers (fichiers source, pdf, log, bib), style de document et mise en page.
* Formules mathématiques.
* Tableaux.
* * * Insertion de figures
* * * Numérotation automatique, labels et références.
* Bibliographie en latex.
* Beamer.
* R Markdown
Objectifs

Se familiariser avec la syntaxe et les concepts fondamentaux de la programmation SAS et de la programmation R. Etre en
mesure de créer ses propres tables de données SAS et de les étudier. Se familiariser avec l'aide en ligne de R. Savoir rédiger des
documents en Latex avec mise en page automatique, numérotation automatique des formules mathématiques, tableaux, figures
et références bibliographiques.
Évaluation
Projet (coef 0.3) et examen terminal (coef 0.7)

UE S'investir pour son université et dans son projet
professionnel
Infos pratiques
> ECTS : 1.5

· UE Séminaire
· Ateliers préparation recherche de stage

UE Séminaire
Infos pratiques
> ECTS : 1.5

· Ateliers préparation recherche de stage

Ateliers préparation recherche de stage
Infos pratiques
> ECTS : 1.5

Infos pratiques
> ECTS : 22.5

· UE Tronc commun
· Data mining : classification
· Mathématiques financières et actuarielles
· Programmation VBA Excel Python
· Gestion actif-passif
· UE Fondamentaux GR
· Actuariat de l'assurance vie et de la retraite
· Gestion des risques majeurs
· Risk management

UE Tronc commun
Infos pratiques
> ECTS : 13.5

· Data mining : classification
· Mathématiques financières et actuarielles
· Programmation VBA Excel Python
· Gestion actif-passif

Data mining : classification
Infos pratiques
> ECTS : 3.0
> Période de l'année : Enseignement neuvième semestre
Présentation
Plan du cours
* Introduction à l’apprentissage supervisée.
* Motivation : Le questionnement statistique à travers quelques exemples de la vie réelle (en en économie, finance, santé
par exemple avec des vrais données). Définition de Machine Learning et apprentissage supervisé.
* Introduction au sélection de modèles

* Décomposition et compromis biais-variance. Sur-apprentissage et sous-apprentissage
* Techniques de re-échantillonnage et Validation Croisée.
* Classification supervisée - point de vue probabiliste/statistique (1)

* Classifieur de Bayes (CM)
* La méthode de k-plus proches voisins. Choix d’un bon k.

* Modèles génératives : Analyse discriminante (linéaire, quadratique), nayve bayes, etc

* Régression Logistique.
* Motivation à la courbe ROC. AUC
* Méthodes pénalisés, régularisation (pénalisation)

* Ridge, Lasso, Elastic-net
* Optimisation sous contrainte et Formule de Lagrange.

* Classification supervisée - point de vue optimisation (1)
* Séparateur à Vaste marge (SVM)
* Classification supervisée - point de vue optimisation (2)

* Méthodes d’arbres, Boosting,…
Objectifs
* Comprendre le vocabulaire et les concepts fondamentaux de l’apprentissage statistique.
* Etre capable d’identifier des questions concrètes.
* Analyser les données d’un point de vue de l’apprentissage statistique, modéliser, prédire, interpréter et répondre aux
questions posées, expliquer les résultats fournis par le logiciel R, Rstudio.
Évaluation
Examen écrit ou projet : 100%
Ce cours peut être suivi par des étudiants ayant une connaissance basique des statistiques et probabilités.
* Comprendre le vocabulaire et les concepts fondamentaux de l’apprentissage statistique.
* Etre capable d’identifier des questions concrètes.
* Analyser les données d’un point de vue de l’apprentissage statistique, modéliser, prédire, interpréter et répondre aux
questions posées, expliquer les résultats fournis par le logiciel R, Rstudio.
Bibliographie
* Hastie, R. Tibshirani, and J. Friedman (2009) The Elements of Statistical LearningSpringer Series in Statistics.
* James, D. Witten, T. Hastie and R. Tibshirani (2013) An Introduction to Statistical Learning with Applications in RSpringer
Series in Statistics.
* Philippe Besse. Statistique et Big Data Mining
https://www.math.univ-toulouse.fr/~besse/enseignement.html

Mathématiques financières et actuarielles
Infos pratiques
> ECTS : 3.0
Présentation
* 1. Introduction : taux d’inte#re#t (prix du temps), de#finitions a# temps discret et a# temps continu, valeur actualise#e
nette, taux de rendement interne pour une suite de cash-flows.
* 2. Annuite#s, sche#mas d’amortissement. Calculs prospectifs et re#trospectifs pour le capital restant du#.
* 3. Obligations : de#finitions, taux nominal et taux actuariel, duration, sensibilite# (lien entre valeur de marche# et taux
d’inte#re#t). Valorisation par absence d’opportunite#s d’arbitrage dans un cadre de#terministe. Convexite#,
immunisation, actuariat obligataire. Exemple d’option re#elle : remboursement anticipe# d’emprunts.
* 4. Taux de marche# : gamme des taux, structure par terme des taux d’inte#re#t.
* 5. Introduction aux mode#les stochastiques de taux d’inte#re#t : re#gles de base de calcul stochastique, mode#les de
Vasicek et de Cox, Ingersoll et Ross.
* 6. Le marche# des actions, les valorisations prospectives et re#trospectives des entreprises, l’hypothe#se d’efficience
des marche#s, les produits de#rive#s (forwards, futures, options), les options re#elles.
* 7. Valorisation par absence d’opportunite#s d’arbitrage dans un cadre stochastique. Sche#mas binomiaux et lois
neutres au risque. Approche ge#ome#trique avec le lemme de Farkas, approche probabiliste avec le the#ore#me de
Girsanov. Formule de Black et Scholes, mode#le de Merton d’option de faillite.
* 8. Mesures de risques cardinales et ordinales. Mesures de risques cardinales pour les primes : Wang-Yaari.
Mesures de risques cardinales pour les fonds propres : proprie#te# de cohe#rence, caracte#risation. Value At Risk, TVAR
(expected shorfall), mesures spectrales. Ces me#thodes seront expose#es en paralle#le avec des enjeux re#els (tarification
de tranches de re#assurance pour Wang-Yaari, solvabilite# pour le reste du chapitre).
Évaluation
Une e#preuve e#crite lors du dernier cours. Des exercices seront pose#s au cours du semestre, avec deux
points a# gagner au maximum pour ceux qui donneront une re#ponse e#crite.
Bibliographie

* — Alphonse, P. , Desmuliers, G. , Grandin, P. , et Levasseur, M. Gestion de portefeuille et marche#s financiers,
Pearson Education.
* — Berk J. et DeMarzo P. Finance d’entreprise, (Pearson education : traduction franc#aise de Gunther Capelle-
Blancard et Nicolas Couderc).
* — Bodie, Z. et Merton, R. Finance (Pearson education : traduction franc#aise de Christophe Thibierge).
* — Deffains-Crapsky, C. Mathe#matiques financie#res. (Bre#al)
* — Kellison, S.G. The Theory of Interest, Mc Graw Hill (troisie#me edition en 2008).
* — Mc Donald R. Derivatives Markets, Pearson International Edition (deuxie#me edition, 2006).

Programmation VBA Excel Python
Infos pratiques
> ECTS : 4.5
Présentation
Ce cours poursuis trois aspects. D'une part la maîtrise avancée d'un
logiciel tableur (ici excel). D'autre part l'initiation à un langage de
programmation qui permet de manipuler les différents éléments présents
dans un tableur: cellule, feuille de calcul, classeur. On apprendra donc
le langage VBA. Enfin, approfondir les différentes notions de bases
(conditionnelles, boucles) de la programmation dans un autre langage ici
python.
Plan du cours
1) Tableur
2) initiation à la programmation avec VBA
3) Manipulation ds feuilles de calcul avec VBA
4) Initiation à python
Objectifs
Maîtriser Excel avancé
Connaissance du langage VBA et du langage Python
Connaitre les notions de bases de la programmation
Évaluation
50% projet 50% épreuves écrites
Bibliographie
Excel et VBA: Développez des macros compatibles avec toutes les versions
d'Excel (de 1997 à 2013). Mikaël Bidault, PEARSON.

Gestion actif-passif
Infos pratiques
> ECTS : 3.0
Présentation
Le cours est construit en trois parties. Chaque section est conclue par un cas pratique (représentant environ 1/3 de la durée du
cours) :
* Une première section basée sur des rappels de comptabilité (bilan, compte de résultat, comptabilité des placements,
provisions techniques) de règlementation prudentielle, prérequis essentiel pour une pratique de la gestion actif-passif dans le
cadre règlementaire en vigueur.
* Une deuxième section destinée à l’approfondissement de la règlementation prudentielle Solvabilité 2, dont la plupart des
principes sous-jacents (évaluation par flux futurs de trésorerie, modèles de projection actif-passif, approche stress testing)
sont communs avec la gestion actif-passif. Une introduction à la norme comptable IFRS 17 (évaluation des passifs d’assurance)
sera effectuée par analogie avec Solvabilité 2. Cette section donne la possibilité aux étudiants de maitriser des sujets clés et
pourvoyeurs de nombreuses opportunités d’emploi au sein des entreprises d’assurance.
* Une troisième partie dédiée à la gestion actif passif en assurance, dont la pratique reste peu documentée dans la
littérature : problématique, théorie, outils, usages.
Objectifs
Ce cours est destiné aux étudiants souhaitant développer leurs connaissances en gestion actif-passif dans le domaine de
l’assurance, pour une pratique dans un service de gestion actif-passif et plus largement dans l’univers Solvabilité 2, IFRS17, la
gestion des risques et la modélisation assurantielle.
Évaluation
Un projet dans la continuité des cas pratiques développés en cours (maximum 2 personnes par projet)
* Solvabilité 2 et introduction aux IFRS 17
* Gestion actif-passif en assurance

Connaissances souhaitées (mais non indispensables) en comptabilité, mathématiques financières et en techniques simulatoires.
Maitrise souhaitée de Excel pour les cas pratiques.

UE Fondamentaux GR
Infos pratiques
> ECTS : 9.0

· Actuariat de l'assurance vie et de la retraite
· Gestion des risques majeurs
· Risk management

Actuariat de l'assurance vie et de la retraite
Infos pratiques
> ECTS : 3.0
Présentation
* Actuariat des retraites.
— Introduction a# l’inge#nierie des retraites.
— Prix des retraites : ge#ne#ralite#s et e#le#ments d’actuariat.
— Re#gimes des retraites en France et leur gestion financie#re.
— Introduction aux normes comptables IFRS et FAS sur l’aspect retraite.
* Actuariat de l’assurance vie.
— Tarification.
— Provisionnement : les provisions mathe#matiques. — Provisionnement : les autres provisions techniques.
Évaluation
une e#preuve e#crite lors du dernier cours

Gestion des risques majeurs
Infos pratiques
> ECTS : 3.0
Présentation
Le cours est consacré à la gestion des risques extrêmes et émergeants. Les caractéristiques spécifiques de ces risques sont
à l’origine de biais dans leur perception par les populations et les rendent difficiles, voire impossibles, à assurer sur un marché
de l’assurance concurrentiel. Le cours débute par un rappel des critères d’assurabilité. Les spécificités des risques naturels,
technologiques et émergeants sont ensuite présentées et discutés. La suite du cours est consacrée à l’étude de la demande
de protection contre les risques naturels et technologiques basée sur le modèle Rank Dependant Utility (RDU) permettant
une meilleure prise en compte de la perception des risques. L’offre de protection est aussi évoquée, ainsi que les différents
mécanismes existant dans le monde. La dernière partie du cours porte sur la demande de protection contre les risques
émergeants, étudiée en utilisant des modèles de décision dans l’incertain non probabilisée (MaxMinEu, KMM etc.) et sur les
difficultés techniques auxquelles est confrontée l’offre de protection contre ces risques.
Évaluation
Projet basé sur un article de la littérature, donnant lieu à une soutenance orale
- connaître les bases de la tarification en assurance
- avoir des bases en économie du risque (modèle d’espérance d’utilité)
- avoir suivi un cours d'Introduction à l'assurance
- avoir des bases en optimisation sous contrainte.
- maîtriser les critères d’assurabilité des risques
- identifier et mesurer les biais de perception des risques
- évaluer des programmes de prévention et de gestion de risques naturels et technologiques
- évaluer des dispositifs de prévention pour des risques émergents

Risk management
Infos pratiques
> ECTS : 3.0
Présentation
L'objectif du cours est de présenter les concepts, les cadres méthodologiques et les grandes étapes de l'ERM (Enterprise Risk
Management)
Plan du cours
1. Définitions, concepts et normes ERM
2. Cartographie des risques
3. Processus de gestion des risques
4. Risque Financier
5. Risque Catastrophe
6. Risque civil et pénal du dirigeant
7. Risques psychosociaux au travail
Évaluation
Projet donnant lieu à une soutenance orale

UE Elargir ses connaissances/personnaliser son
parcours
Infos pratiques
> ECTS : 6.0

· UE Options GR
· Statistique pour l'assurance
· Réassurance
· Data mining : apprentissage

UE Options GR
Infos pratiques
> ECTS : 6.0

· Statistique pour l'assurance
· Réassurance
· Data mining : apprentissage

Statistique pour l'assurance
Infos pratiques
> ECTS : 3.0
> Période de l'année : Enseignement dixième semestre
Présentation
• Mode#les de donne#es de survie et application a# la construction de tables de mortalite#.
• Mode#lisation de la de#pendance : copules et application a# la gestion des risques.
• Estimation de la volatilite# par me#thodes de Bootstrap. Applications au provisionnement.
Évaluation
un projet

Réassurance
Infos pratiques
> ECTS : 3.0
Présentation
Ce cours propose une introduction à la réassurance en présentant ses principes, son origine et son utilité pour l’assureur.
Les méthodes de tarifications des contrats de réassurance sont étudiées et une introduction au mécanisme de titrisation en
réassurance est proposée
Plan du cours
1. Gestion et transfert des risques
- Histoire de la réassurance
- Différentes formes de réassurance
- Marché de la réassurance
o Annexe sur la gestion du risque
2. Traités de réassurance : Structure et tarification
- Présentation des différentes formes de réassurance
- Réassurance proportionnelle
- Réassurance non-proportionnelle
- Réassurance et tarification
3. Titrisation
Évaluation
Epreuve écrite
Bibliographie
« Introduction à la réassurance » Swiss Re (2003) https://www.academia.edu/25083954/Introduction_%C3%A0_la_R
%C3%A9assurance

Data mining : apprentissage
Infos pratiques
> ECTS : 3.0
Présentation
Ce cours vise à approfondir les techniques de Machine Learning. Il aborde la notion de malédiction de la dimension, les
techniques de rééchantillonnage et d'agrégation de modèle visant à améliorer l'apprentissage ainsi que l'apprentissage profond.
Thématiques abordées :
- réduction de la dimension (PCA, ICA, régression ridge, lasso);
- algorithmes de rééchantillonnage : boosting, bootstrap, adaboost;
- arbres de décision, forêts aléatoires;
- réseaux de neurones, apprentissage profond, apprentissage par renforcement.
Objectifs
savoir choisir une méthode d'apprentissage en fonction de l'architecture des données; savoir mettre en oeuvre la méthode
choisie et évaluer ses performances, à travers des librairies R ou Python.
Évaluation
Rendu de projet.

UE S'investir pour son université et dans son projet
professionnel
Infos pratiques
> ECTS : 1.5

· UE S'investir dans la vie de la formation
· S'investir dans la vie de la formation

UE S'investir dans la vie de la formation
Infos pratiques
> ECTS : 1.5

· S'investir dans la vie de la formation

S'investir dans la vie de la formation
Infos pratiques
> ECTS : 1.5

Infos pratiques
> ECTS : 9.0

· UE Tronc commun
· Droit des contrats et de la responsabilité
· UE Fondamentaux GR
· Finance et assurance comportementales / Behavioral finance and insurance
· Prévention des risques (dommage, santé)

UE Tronc commun
Infos pratiques
> ECTS : 3.0

· Droit des contrats et de la responsabilité

Droit des contrats et de la responsabilité
Infos pratiques
> ECTS : 3.0
Présentation
Plan du cours
1. Introduction au droit des assurances et de la finance : sources du droit, action en justice, histoire du droit,
contrat d’assurance ;
2. Le risque dans le contrat d’assurance ;
3. Les assurances de dommage et les assurances de responsabilité ;
4. Les dommages corporels ;
5. L’assurance vie ;
6. Introduction au droit financier : les abus de marché, les régulateurs financiers.
Évaluation
Epreuve écrite

UE Fondamentaux GR
Infos pratiques
> ECTS : 6.0

· Finance et assurance comportementales / Behavioral finance and insurance
· Prévention des risques (dommage, santé)

Finance et assurance comportementales / Behavioral
finance and insurance
Infos pratiques
> ECTS : 3.0
> Langue(s) d'enseignement : Français, Anglais
Présentation
Les modèles traditionnels de l'assurance et de la finance, supposant la rationalité des acteurs d'une part dans l'utilisation
de l'information (révision bayésienne des croyances) et d'autre part dans les choix de stratégie (basés sur une maximisation
d'espérance d'utilité) ont été remis en cause par des observations sur les marchés.
Le cours se basera sur des articles de recherche et aura un double objectif. D'une part, il présentera les principales remises en
cause des modèles traditionnels issues d'observations sur divers marchés financiers et de l'assurance réels et expérimentaux.
D'autre part, il introduira des modélisations permettant de mieux prendre en compte les comportements des acteurs (vis à vis du
risque notamment) qui expliquent certaines des anomalies observées.
Objectifs
Approfondir le cours d’économie de l’assurance dispensé en Master 1
Évaluation
Projet en anglais basé sur un article de la littérature donnant lieu à une présentation orale.
* Identifier sur les marchés financiers et de l'assurance les comportements en désaccord avec les modélisations
traditionnelles.
* Formuler des hypothèses (issues de modèles théoriques) pour l'explication des anomalies observées et proposer des
protocoles expérimentaux pour les tester.

Bibliographie
* Kunreuther, Pauly, McMorrow (2013) Insurance and Behavioral Economics, Cambridge University Press
* Thaler R. (2005) Advances in behavioral finance II, Princeton University Press
Cours en ligne

Prévention des risques (dommage, santé)
Infos pratiques
> ECTS : 3.0
Présentation
Le cours est consacré aux comportements individuels et aux politiques publiques de prévention des risques dans différents
domaines avec un accent particulier sur la prévention primaire et secondaire dans le domaine de la santé.
Il débute par une présentation des principaux déterminants des comportements de prévention au niveau individuel : technologie,
attitude vis-à-vis du risque, préférences temporelles et sociales. La sous-optimalité de certaines décisions individuelles
est ensuite mise en évidence et discutée. La dernière partie du cours est consacrée aux différentes politiques publiques de
prévention des risques, à l’évaluation de l'efficacité des programmes existants et à la conception de programmes innovants.
Objectifs
Mieux comprendre les comportements individuels de prévention dans différents domaines (dommages matériels, santé,
environnement).
Se familiariser avec les mécanismes de détection des comportements de prévention sous optimaux.
Découvrir les politiques publiques de prévention existantes et les outils d’évaluation de leur efficacité.
Maîtriser les connaissances nécessaires à la conception de programmes de prévention innovants
Évaluation
Projet donnant lieu à une soutenance orale
Analyse des comportements individuels de prévention dans différents domaines et identification de leurs déterminants
Conception et évaluation de programmes de prévention des risques

UE Développer ses compétences linguistiques
Infos pratiques
> ECTS : 3.0

· UE Financial English
· Financial English

UE Financial English
Infos pratiques
> ECTS : 3.0

· Financial English

Financial English
Infos pratiques
> ECTS : 3.0
> Forme d'enseignement : Travaux dirigés
Présentation
Il pre#sente et discute les dernie#res e#volutions et innovations en finance internationale. Il vise a# de#velopper
simultane#ment les compe#tences de fond et de forme, a# encourager l’aisance de l’expression et l’enrichissement linguistique.
Ce cours met l’accent sur l’interactivite# entre les participants gra#ce notamment a# des expose#s Powerpoint suivis de de#bat.
La morpho-syntaxe est e#tudie#e en contexte, mais elle est e#galement renforce#e a# la demande selon les besoins et les
demandes des e#tudiants.
Évaluation
Contro#le continu tenant compte notamment de la qualite# de l’expose# et de la participation. La note finale est obtenue en
comple#tant les performances atteintes lors du contro#le continu par une e#preuve d’examen final visant a# contro#ler la bonne
acquisition des connaissances et la progression dans l’expression formelle ainsi que l’aisance orale et e#crite dans la langue cible.
Bibliographie
The Financial Times, The Economist.

UE Se former en milieu professionnel
Infos pratiques
> ECTS : 18.0

· UE Stage
· Stage

UE Stage
Infos pratiques
> ECTS : 18.0

· Stage

Stage
Infos pratiques
> ECTS : 18.0

(M) SER - Livret Pe - Dagogique ISEFAR Gestion Du Risque

Transféré par

Droits d'auteur :

Formats disponibles

(M) SER - Livret Pe - Dagogique ISEFAR Gestion Du Risque

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

(M) SER - Livret Pe - Dagogique ISEFAR Gestion Du Risque

Transféré par

Droits d'auteur :

Formats disponibles

ISEFAR - Gestion du risque

Mention : Statistique et économie du risque [Master]

Version brouillon, générée le 29/10/2020 à 14:26 Page 1 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 2 / 75

M1 ISEFAR-GR (Ingénierie de la finance, de l'assurance et du

UE Elargir ses connaissances/personnaliser son parcours UE 3

UE Développer ses compétences linguistiques UE 3

UE English for economy and statistics UE 3

Nature CM TD TP EAD Crédits

UE S'investir pour son université et dans son projet professionnel UE 1,5

M2 ISEFAR-GR (Ingénierie de la finance, de l'assurance et du

UE Tronc commun UE 13,5

UE Elargir ses connaissances/personnaliser son parcours UE 6

Version brouillon, générée le 29/10/2020 à 14:26 Page 3 / 75

UE S'investir pour son université et dans son projet professionnel UE 1,5

UE S'investir dans la vie de la formation UE 1,5

Nature CM TD TP EAD Crédits

UE Développer ses compétences linguistiques UE 3

UE Se former en milieu professionnel UE 18

Version brouillon, générée le 29/10/2020 à 14:26 Page 4 / 75

Liste des enseignements

Version brouillon, générée le 29/10/2020 à 14:26 Page 5 / 75

Liste des enseignements

Version brouillon, générée le 29/10/2020 à 14:26 Page 6 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 7 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 8 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 9 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 10 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 11 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 12 / 75

Liste des enseignements

Version brouillon, générée le 29/10/2020 à 14:26 Page 13 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 14 / 75

Liste des enseignements

Version brouillon, générée le 29/10/2020 à 14:26 Page 15 / 75

Liste des enseignements

Version brouillon, générée le 29/10/2020 à 14:26 Page 16 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 17 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 18 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 19 / 75

Liste des enseignements

Version brouillon, générée le 29/10/2020 à 14:26 Page 20 / 75

Liste des enseignements

Version brouillon, générée le 29/10/2020 à 14:26 Page 21 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 22 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 23 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 24 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 25 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 26 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 27 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 28 / 75

Liste des enseignements

Version brouillon, générée le 29/10/2020 à 14:26 Page 29 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 30 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 31 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 32 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 33 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 34 / 75

Version brouillon, générée le 29/10/2020 à 14:26 Page 35 / 75