Empirical Finance
- Code de l'UE ELFIM833
-
Horaire
30Quadri 1
- Crédits ECTS 5
-
Langue d'enseignement
Anglais
- Professeur Soudant Joey
Ce cours permet aux étudiants d'avoir une compréhension approfondie des mécanismes et caractéristiques inhérents aux marchés financiers. Au terme du cours, ils auront les outils économétriques avancés nécéssaires pour comprendre et réaliser des études empiriques sur des problématiques financières.
Les objectifs principaux du cours sont les suivants:
Exposé magistral et exercices sur R présentés durant le cours.
Le cours est principalement axé sur des méthodes avancées en économétrie (financière). Par conséquent, des connaissances préalables du modèle des moindres carrés ordinaires (MCO) sont primordiales (un cours de base d’économétrie donc); ce modèle sera en effet considéré comme connu. Des connaissances des modèles en séries temporelles sont conseillées (ARMA), mais des rappels concernant cette partie seront faits durant le cours.
Examen écrit (60 %)
À livre fermé, 2 heures
Concepts théoriques + interprétation de données/problèmes réels
Travail de groupe (40 %)
Analyses empiriques sur R basées sur un article publié
Examen oral basé sur cette analyse empirique de groupe
L’utilisation de l’intelligence artificielle lors des évaluations de ce cours est régie par les directives de l’UNamur et doit donc être mentionnée dans tout travail soumis à évaluation. Les étudiants sont invités à garder à l’esprit le caractère général des réponses générées par l’IA, qui ne répondent pas toujours pleinement aux questions posées et peuvent ne pas être alignées avec le cadre du cours.
Brooks, C. (2019). Introductory Econometrics for Finance. Fourth Edition. Cambridge University Press
Campbell, J. Y., Lo, A. W., & MacKinlay, A. C. (1997). The Econometrics of Financial markets. Princeton University Press.
Mishkin, F. S. & Serletis, A. (2011). The Economics of Money, Banking, and Financial Markets. Fourth Canadian Edition. Pearson Canada Education.
Taylor, S. (2005). Asset Price dynamics, Volatility and Prediction. Princeton: Princeton University Press