Durée
30h Th
Nombre de crédits
| Formation doctorale en sciences économiques et de gestion (Sciences de gestion) | 5 crédits |
Enseignant
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au premier quadrimestre, examen en janvier
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
Le monde de la gestion porte un intérêt sans cesse grandissant aux méthodes quantitatives de prédiction (sciences des données). Pour le spéculateur, il est en effet essentiel d'avoir une bonne approximation des valeurs futures de son portefeuille d'actions. Un économiste ou un analyste des affaires doit être capable d'explorer et de simuler différents futurs possibles à partir de scénarios alternatifs, en évaluant leurs conséquences sur les variables économiques et les indicateurs d'intérêt. Il peut notamment s'agir d'anticiper l'évolution de la demande, des prix, des revenus ou de l'emploi, ou encore d'évaluer les effets potentiels de changements de politique économique, de conditions de marché ou de comportements des agents. C'est dans ce cadre que ce cours propose de développer les différentes méthodes existantes pour approcher ces problèmes. Son contenu dépend fortement des désirs des étudiants et de leurs aspirations professionnelles. Entre autres, les thématiques suivantes peuvent être abordées :
- prédiction de données saisonnières
- gestion du risque
- causalité
- prédiction dans les modèles autorégressifs à moyenne mobile (modèles ARMA)
- modèles à hétéroscédastité conditionnelle autorégressive généralisés (modèles GARCH)
-...
De nombreuses méthodes induisent aujourd'hui de l'apprentissage automatique et plus généralement de l'intelligence artificielle.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
P2. Application des méthodes basiques de science des données à des données de différents types
C3. Analyse, identification de dénominateurs communs aux différentes méthodes
C4. Analyse critique de méthodes existantes et de leurs résultats en regard des situations pratiques rencontrées
Ces objectifs d'apprentissage s'incrivent et précisent les attendus d'apprentissage plus généraux de l'Ecole de gestion suivants :
- Comprendre et être capable d'utiliser des méthodes de modélisation pour rechercher des solutions à un problème de gestion ou d'économie concret
- Etre capable de travailler en équipe de manière professionnelle
- Développer un sens critique (argumenter)
- Capacité à communiquer oralement de manière professionnelle
Savoirs et compétences prérequis
1) Cours de base de probabilités (fonction de répartion, distribution, densité, espérance, variance, lois discrètes et continues usuelles univariées, normale multivariée) et d'inférence statistique (estimation, intervalles de confiance, tests d'hypothèses). Equivalent au contenu du cours : Probabilités et inférence statistique STAT1208-1.
2) Cours de méthodes quantitatives de gestion : principalement bases de la régression multiple, maximum de vraisemblance, analyse en composantes principales. Par exemple, ce contenu est abordé dans
STAT0800-1 Models and methods in applied statistics ou
MQGE0005 Quantitative Methods in Management (Partim Statistics).
Activités d'apprentissage prévues et méthodes d'enseignement
Mode d'enseignement (présentiel, à distance, hybride)
Combinaison d'activités d'apprentissage en présentiel et en distanciel
Informations complémentaires:
Méthodologie utilisée
A3. Analyse d'un problème pratique par chaque groupe d'étudiants (en partie encadrée par le professeur).
A4. Synthèses critiques de recherches, de lectures et/ou d'applications pratiques menées par chaque groupe d'étudiants. Chaque étudiant présente ses résultats propres et ensuite, chaque groupe présente ses critiques, comparaisons de méthodes et éventuels autres résultats obtenus. Lors de sa présentation, chaque groupe est invité
1) à exposer clairement le problème d'intérêt dans son contexte et les méthodes existantes pour le résoudre,
2) à critiquer ces méthodes et justifier le choix d'une ou plusieurs d'entre elles dans un contexte particulier.
Planification
Les quelques premières heures, le professeur présente les différents problèmes d'intérêt assortis des notions nécessaires à leur compréhension. Les étudiants (en groupes ou individuellement) reçoivent alors un problème et ils tentent de le comprendre d'une part grâce à une recherche bibliographique personnelle (en concertation avec leur éventuel groupe -recherche bibliographique partagée-) et d'autre part grâce aux cours et/ou discussions menées les semaines suivantes. Après quelques semaines, les étudiants et l'équipe enseignante se réunissent pour effectuer un état d'avancement et définir les étapes suivantes du travail. Les étudiants préparent alors un présentation du problème abordé et écrivent un rapport pour la période d'évaluations qui suit le cours.
Supports de cours, lectures obligatoires ou recommandées
Plate-forme(s) utilisée(s) pour les supports de cours :
- LOL@
Informations complémentaires:
Lectures conseillées :
1. Franses, P. H. (1998). Time series models for business and economic forecasting. Cambridge University Press.
2. James G., Witten D., Hastie T. and Tibshirani R. (2013), An Introduction to Statistical Learning with Applications in R, Springer.
3. Mills, T. C. (1999). The Econometric Modelling of Financial Time Series (Second ed.). Cambridge University Press.
4. Auffarth, B. (2021). Machine Learning for Time Series with Python. Packt Publishing Ltd.
5. Lectures conseillées (bibliographie ciblée)
Modalités d'évaluation et critères
Travail à rendre - rapport
Evaluation continue
Interrogation(s) hors session
Informations complémentaires:
Outils d'évaluation, critères d'évaluation et pondération
E4. Rapport final (20% de la note finale, évaluation commune)
L'évaluation se base sur la capacité à synthétiser clairement et à critiquer les résultats.
E4. Présentation orale (70% de la note finale, 10% commune-)
1. Qualité de la présentation :
qualité des transparents (10%, commune)
démarche scientifique (20%) et
qualité des explications (20%).
Les étudiants doivent identifier et présenter leur propre travail.
2. Défense du travail : réponses aux critiques du professeur (20%).
E4. Participation critique aux cours, qualité des questions posées (10%, évaluation individuelle)
Pondération relative de l'évaluation individuelle : 70%
Calendrier des évaluations
Le rapport doit être remis au professeur avant la période d'évaluations qui suit le cours. La présentation orale se déroule si possible habituellement durant les heures prévues pour le cours.
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Langue d'enseignement : anglais
Contacts
Cédric HEUCHENNE, HEC Liège, Bât N1, local 309, email: C.Heuchenne@uliege.be