Les strip plot GT24
Enchaînons sur la série GT avec les strip plot. Il s’agit ici, non plus comme avec les histogrammes de figurer les observations au travers d’objets dont la taille et la forme varie en fonction de la fréquence d’une valeur, mais plus directement de montrer les données. Pour ce faire, chaque observation est représentée par un point placé en fonction de sa valeur le long d’un axe vertical ou horizontal unique.
Les graphes en pyramides GT23
Venons-en à notre second post de la sous-série de GT consacrée à l’illustration distribution des variables quantitatives. Il s’agit ici de traiter des histogrammes en pyramide. Ceux-ci permettent de faciliter la comparaison de la distribution d’une variable entre deux groupes d’observations. Ils sont souvent mobilisés en démographie pour mettre en regard les effectifs des différences classes d’âge pour chaque sexe (pour une zone géographique et à une date donnée). Le principe du graphe est simple.
Les histogrammes GT22
Ce post ouvre une nouvelle partie de la série GT. Après avoir traité des représentations utilisées pour rendre compte des variables discrètes et de celles utilisées pour les séries temporelles, nous traitons maintenant de la manière de représenter les distributions de variables continues. Le premier type de graphe que nous aborderons est un grand classique. Il s’agit de l’histogramme. Celui consiste en une série de barres accolées à la manière d’un bar plot classique.
TQG 2023 Stata
Cette année les TD de techniques quantitatives de gestion ont été réalisé à partir de Stata. Je sais… Les étudiants trouveront la réplication des exercices des séances sous R dans la rubrique cours du site.
Je met ici en lien les .do files réalisé durant les td:
caschool
portf_size
à compléter…
Je met également en lien les données utilisées:
caschool.dta
portf_size.dta
monday_data.
Gérer et manipuler les dates (2)
Continuons notre point sur la manipulation des données de dates. Traitons ici de la mise en forme de l’axe décrivant le temps dans les graphes de séries temporelles. Comme toujours (ou presque), nous travaillerons à partir de ggplot2.
Commençons par charger les packages, ceux permettant d’établir le graphe (tidyverse et scales) et autre pour les obtenir les données. Ici, nous utiliserons des données de cotations d’actions. Nous les chargerons à partir de l’API de yahoo finance à partir des tickers correspondant.
Gérer et manipuler les dates (1)
Le premier semestre s’avance et les cours s’enchaînent, le temps passe et ne laisse que peu d’opportunité de bloguer. Mais enseigner n’a pas que des désavantages… Outre que cela permet de parler et d’avoir des échanges sur des sujets que je trouves intéressant parfois passionnant, cela permet à l’occasion de mettre le doigt sur quelque chose qui mérite approfondissement et réflexion. Certaines questions, peuvent clairement vous faire voir en problème, ou une pratique, sous un nouvel angle.
Workshop - Fintech as a boost for entrepreneurial finance? - Call
By Ludovic Vigneron
| May 4, 2023
| workshop
Avec mes collègues du pôle finance de l’I.A.E. de Lille, nous organisons le 17 Novembre une journée de recherche en finance entrepreneuriale. Ce sera l’occasion d’échanger sur les problématiques associées à l’impact des services proposés par les Fintech sur les conditions de financement des petites et moyennes structures. Les contributions sélectionnées seront présentées et discutées en session par des experts du domaine. Nous aurons également le plaisir d’écouter le Professeur Armin Schwienbacher sur le sujet en tant que Keynote speaker.
Travaux dirigés de Mathématiques Financières
Vous trouverez ici à la fois les énoncés des exercices traités lors des séances de travaux dirigés et leurs corrigés. Cliquez sur les différents liens. La liste peut évoluer en fonction de ce qui sera traité au fils du temps.
Énoncés:
Intérêts simples
Intérêts composés
Annuités
Amortissements
Corrigés :
Intérêts simples
Intérêts composés
Annuités
Amortissements
Techniques Quantitatives de Gestion : exploitation des données (5)
Pour ce dernier post de la série consacrée au td de TQG, nous allons nous intéresser à ce qu’on appel l’effet lundi. Il s’agit de la propension qu’ont (qu’avaient?) les marchés actions à présenter des rendements moyens plus faibles les lundi que les autres jours de la semaine (Cross, 19731; French, 19802; Gibbons-Hess, 1981 3; et bien d’autres à la suite…). Le données utilisées sont issues de CRPS, une base qui a la particularité de conserver les titres éteins et donc de permettre d’éviter le biais du survivant (conclusion à tord parce que l’on observe qu’une partie de la réalité d’un phénomène, celle des seuls survivants).
Techniques Quantitatives de Gestion : exploitation des données (4)
Dans ce nouveau post, nous allons continuer à travailler sur la régression. L’objectif est de considérer des tests alternatifs sur les coefficient et d’étendre les modèles de manière à intégrer plusieurs facteurs explicatifs. Cela nous permettra de comprendre les biais créés par l’omission de variables dans les analyses de régression.
Tâche n°1 Reprenez les données sur les actions, estimez le modèle de marché pour chacun d’eux, réalisez un interval de confiance à 95% sur le beta, testez sa valeur par rapport à 1.