Formation
Votre choix :
Master Econométrie, Statistiques - Parcours économétrie et statistique appliquée (ESA)
- Master Econométrie, Statistiques - Parcours économétrie et statistique appliquée (ESA)
En bref
L’objectif du Master Économétrie, Statistiques parcours ESA est de former les étudiants aux métiers de la Data Science. Cet objectif repose sur une formation scientifique de haut niveau permettant d’appréhender les problématiques de la modélisation statistique et économétrique dans de très nombreux champs d’application (finance- assurance, marketing, industrie, etc.) assurant aux étudiants une insertion de grande qualité.
Le Master Économétrie, Statistiques n’a qu’un seul parcours : Économétrie et Statistique Appliquée (ESA).
Site internet du master : https://www.master-esa.fr/
Public concerné
- Formation initiale
- Formation continue
Niveau de diplôme
BAC +5- Lieu(x) de la formation : Orléans
- A télécharger
Stage Obligatoire
Admission
Type de diplômeMaster (LMD)
Pré-requis
Accès en M1 :
Être titulaire d'une licence en rapport avec le contenu de la formation.
Les mentions conseillées sont : Économie, Économie-Gestion, MIASHS, Mathématiques.
L'entrée en M1 est sélective (dossier et entretien éventuel).
Accès en M2 :
L'accès en M2 est de plein droit pour les titulaires du M1 ESA d'Orléans.
Modalités d'inscription
Accès en M1 :
L’admission en master 1ère année est sélective via la plateforme mon master
Tarif
Pour les étudiants :
https://www.univ-orleans.fr/fr/univ/formation/droits-dinscriptions
Pour les adultes en reprise d'études, les contrats de professionnalisation et la VAE , consulter le SEFCO.
Programme
Organisation de la formation
Master Économétrie, Statistique - parcours Econométrie et Statistique Appliquée (ESA)
Tous les cours sont obligatoires sans option. La formation possède une structure en Y. Les trois premiers semestres sont communs à tous les étudiants. Le choix entre les options professionnelle / recherche se fait à la fin du semestre 9 du Master. L'option recherche est commune à tous les masters d’économie d’Orléans.
Master 1
Unité d'enseignement |
Coefficient/Crédits |
Volume horaire Cours Magistraux |
Volume horaire Cours Travaux Dirigés |
Semestre 7 | |||
Outils pour la Data Science | |||
Programmation SAS |
5 |
30 |
- |
Programmation R |
2 |
24 |
- |
Programmation Python |
2 |
24 |
- |
Outils statistiques et économétrie | |||
Statistique mathématique |
5 |
30 |
15 |
Séries temporelles univariées |
6 |
30 |
15 |
Analyse des données qualitatives : ACM |
2 |
24 |
- |
Apprentissage statistique et classification |
2 |
24 |
- |
Professionnalisation | |||
Assurance et techniques actuarielles |
2 |
24 |
- |
English for Business and TOEIC |
2 |
- |
24 |
Projets professionnalisant | |||
Projet 1 |
1 |
- |
- |
Projet 2 |
1 |
- |
- |
Séminaire partenariat entreprise : Data Visualisation |
- |
- |
- |
Semestre 8 | |||
Outils pour la Data Science | |||
Nouvelles technologies sous R |
2 |
12 |
- |
Programmation Python avancée |
2 |
24 |
- |
Langage macro sous SAS |
2 |
12 |
- |
Outils statistiques et économétrie | |||
Statistique non-paramétrique |
2 |
12 |
- |
Bootstrap, simulations and conformal predictions |
3 |
24 |
12 |
Econométrie des variables qualitatives |
5 |
30 |
15 |
Econométrie des données de panel |
2 |
12 |
- |
Séries temporelles multivariées |
6 |
30 |
15 |
Professionnalisation | |||
Méthodes de prévision |
2 |
12 |
- |
Finance quantitative |
2 |
24 |
- |
Projets professionnalisant |
|
|
|
Projet 1 |
1 |
- |
- |
Projet 2 |
1 |
- |
- |
Séminaire partenariat entreprise : Métiers de la Data Science |
- |
- |
- |
Stage facultatif |
- |
- |
- |
Master 2
Unité d'enseignement |
Coefficient/Crédits |
Volume horaire Cours Magistraux |
Volume horaire Cours Travaux Dirigés |
Semestre 9 | |||
Outils statistiques et économétrie | |||
Méthodes de scoring |
4 |
24 |
- |
Modèles de durée |
4 |
24 |
- |
Big Data analytics |
|
|
|
Big Data Analytics : Trees and aggregation methods |
2 |
12 |
- |
Big Data Analytics : Penalized regressions |
2 |
12 |
- |
Big Data Analytics : Support Vector Machine |
2 |
12 |
- |
Big Data Analytics : Neural Networks |
2 |
12 |
- |
Big Data Analytics : Machine learning interprétable |
2 |
12 |
- |
Big Data Analytics : NLP with Python |
2 |
12 |
- |
Professionnalisation | |||
Réglementation prudentielle bancaire |
2 |
12 |
- |
Finance durable |
2 |
12 |
- |
Financial fraud detection |
2 |
12 |
- |
Statistical Business Analysis |
2 |
12 |
- |
Communication orale |
2 |
12 |
- |
Séminaire partenariat SAS |
- |
- |
- |
Séminaire partenariat entreprise : Outils de lutte contre la fraude financière |
- |
- |
- |
Semestre 10 - parcours professionnel | |||
Outils statistiques et économétrie | |||
Data Mining |
2 |
24 |
- |
Econométrie semi- et non-paramétrique |
2 |
12 |
- |
Advanced financial econometrics |
2 |
24 |
- |
Professionnalisation | |||
Assurance et techniques actuarielles 2 |
2 |
12 |
- |
Modélisation du risque de crédit |
2 |
12 |
- |
Gestion de bases de données sous SAS |
2 |
12 |
- |
Mise en œuvre de la proc SQL sous SAS |
2 |
12 |
- |
Stage |
16 |
- |
- |
Semestre 10 - parcours Recherche | |||
Macroéconomie avancée (Frontiers in Macroéconomics) |
3 |
20 |
- |
Econométrie avancée (Frontiers Econometrics) |
3 |
20 |
- |
Microéconomie avancée (Frontiers in Microéconomics) |
3 |
20 |
- |
Finance avancée (Frontiers in Finance) |
3 |
20 |
- |
Economie internationale et environnementale avancée |
3 |
20 |
- |
Mémoire de recherche |
15 |
- |
- |
Compétences
Savoir-faire et compétences
La formation s’articule autour de quatre piliers :
(1) Assurer la maîtrise théorique d’un très large panel de méthodes statistiques et économétriques.
(2) Développer une expertise des logiciels spécialisés (en particulier du logiciel SAS, leader mondial) allant de la récupération des données dans des systèmes d’informations potentiellement très complexes (Data Warehouse ou entrepôt de données), à leur traitement (problématique de la qualité des données) jusqu’à leur modélisation statistique.
(3) Fournir une formation en économie et en gestion permettant aux étudiants d’appréhender la dimension métier de leur travail statistique et la création de valeur.
(4) Développer une capacité de communication autour des modélisations statistiques et de leurs résultats, que ce soit avec des spécialistes du domaine de la Data Science, ou au contraire avec des non spécialistes.
Et après
Poursuite d'études
Poursuite d'études possible en doctorat pour les étudiants de l'option recherche.
Débouchés professionnels
A l’issue de la formation, les étudiants peuvent intégrer les métiers de la Data Science que ce soit au sein des services d’études statistiques des banques et compagnies d’assurance, dans les directions marketing de grands groupes, dans les sociétés de services aux entreprises, etc.
Résultats des enquêtes annuelles d'insertion : https://www.master-esa.fr/chiffres-insertion/
Métiers exercés :
Exemples de métiers : chargé d’études statistiques, chargé d’études scoring, chargé d’études marketing, ingénieur d’études data mining, ingénieur/consultant en informatique décisionnelle, model risk manager…
Secteurs d'activité :
A l’issue de la formation les étudiants peuvent assurer des missions dans la plupart des domaines d’application de l’économétrie et de la statistique en économie gestion, plus spécifiquement dans les secteurs suivants :
- Le marketing quantitatif.
- La gestion des risques en finance et l’actuariat.
- L’informatique décisionnelle.
- Détection de la fraude
Contacts
Contact(s)
Responsable de formation
Christophe HURLIN
Secrétariat pédagogique
Tél. : 02 38 41 73 79
E-mail : master.econometrie @ univ-orleans.fr
UFR Droit, Economie & Gestion
Rue de Blois – BP 26739
45067 Orléans Cedex 2
Site internet Faculté Droit, Economie & Gestion d’Orléans :
https://www.univ-orleans.fr/fr/deg
Site internet Master ESA : https://www.master-esa.fr/
Contacts formation continue
Pour les adultes en reprise d'études, pour les contrats de professionnalisation et pour la VAE , consulter le SEFCO.
Tél : 02 38 41 71 80
Informations complémentaires
Bureau des relations internationales de l'UFR DEG :
https://www.univ-orleans.fr/fr/deg/international
international.deg@univ-orleans.fr
Tél : +33(0) 2 38 49 47 30
ORIENTATION ET INSERTION PROFESSIONNELLE
DOIP
https://www.univ-orleans.fr/doip
02 38 41 71 72
doip@univ-orleans.fr
Nos atouts
Les plus de la formation
> Un adossement à la recherche : le master ESA s’appuie sur une équipe pédagogique composée d’enseignants chercheurs spécialistes d’économétrie appliquée, appartenant tous au Laboratoire d’Économie d’Orléans.
> Des enseignements appliqués : l’autre force du Master ESA en matière d’insertion professionnelle des étudiants réside dans le choix qui a été fait par l’équipe de formation de donner une place très importante à l’apprentissage des solutions SAS® d’informatique décisionnelle et ce dans l’ensemble des applications des deux années de Master. En complément, des enseignements Big Data sous R et Python sont également proposés.
> Une reconnaissance par le milieu professionnel : en plus des relations privilégiées qui unissent le master ESA et SAS France, plusieurs accords de partenariat ont été noués ces dernières années. Aujourd’hui, le réseau de partenaires est constitué d’une vingtaine d’entreprises qui l’aident à assurer une bonne adéquation entre son offre de formation et les besoins du marché.