Partager

MathsFI

MathsFI
Skew-Stickiness Ratio empirique pour l'indice SP500

Responsables d'équipe Charles-Albert Lehalle et Huyên Pham

Liens rapide: Equipe -- Projets

L’équipe MathsFi du CMAP s’intéresse à la modélisation des marchés financiers ; de ses acteurs et de leurs fondamentaux, des actifs, des produits dérivés sur ces actifs, à titre individuels et collectif ; ainsi qu’à leur microstructure et à la formation des prix. Nous portons une attention particulière aux questions liées aux systèmes d’agents en interaction, ainsi qu’aux problèmes d’optimisation et de simulation numérique soulevés par les modèles. La gestion des risques sur les portefeuilles de produits dérivés, les marchés de l’énergie et la finance durable, la régulation des marchés financiers et leur décentralisation, l’identification et la modélisation des propriétés fondamentales des marchés et des actifs financiers, ainsi que les problèmes de prédiction de rendements et de risques ou la valeur ajoutée des données alternatives, sont des problèmes typiques que nous étudions en collaboration étroite avec des partenaires privés comme des banques d’investissement, des sociétés de gestion ou les autorités de régulation. L’étude de ces problèmes fait appel à l’analyse et à l’optimisation stochastiques, au contrôle dynamique, à la simulation Monte-Carlo, et aux techniques des sciences des données (apprentissage statistique, automatique, ou par renforcement, et méthodes de réduction de dimension comme les modèles génératifs). 
 

Thématiques de recherche et mots clés:

  • Modélisation de la volatilité des actifs et calibration de modèle
  • Modélisation de la liquidité et trading optimal
  • Modélisation des risques climatiques et finance de la transition écologique
  • Jeux et contrôle à champ moyen
  • Transport optimal martingale et finance robuste
  • Intermédiation financière et couverture des risques
  • Théorie des contrats, approche principal-agent à la régulation des marchés
  • Finance décentralisée (DeFi) et blockchain
  • Méthodes numériques de Monte Carlo et par réseaux de neurones et approximations stochastiques
  • Apprentissage par renforcement en finance
  • Modèles d’IA générative pour les séries financières
  • Données alternatives
  • Méthodes de signature en finance

 

Membres permanents

Chercheurs associés

Post-docs

Doctorantes et doctorants

Doctorantes et doctorants visiteurs

Projets et financements associés à l'équipe :

Chaires
Contrats de collaboration (CIFRE)

Partenaires: 80 Technologies, BNP Paribas, Biggie Group, CA-CIB, CITIBANK, ENGIE, GEFIP, Société Générale

Projets publiques