Les mathématiques actuarielles et financières sont les mathématiques appliquées aux problèmes d’assurance et de finance. Le regroupement concentre donc ses activités sur le développement et l'utilisation de méthodes probabilistes et statistiques afin d'analyser des problématiques ayant des impacts financiers sur la société. La promotion des études de 2e et 3e cycle en mathématiques actuarielles et financières est aussi au cœur de la mission du regroupement.
Les intérêts de recherche, et donc aussi d’enseignement, des membres portent généralement sur l’assurance de dommage (IARD) et la statistique actuarielle, la finance actuarielle et la finance mathématique, ainsi que les mathématiques du risque et la théorie de la ruine. Plus particulièrement:
Liens:
The course presents an introduction to statistical estimation techniques for insurance data. It is the natural continuation of Risk Theory, which discusses the probabilistic aspects of insurance portfolios. Two approaches to credibility theory are discussed: limited fluctuations and greatest accuracy. Topics covered include American, Bayesian and exact credibility. Bühlmann, Bühlmann-Straub, hierarchical and regression credibility models are derived. Generalized linear models and the issue of robustness will also be discussed. The course prepares for the Credibility part of the Society of Actuaries Exam STAM and the Casualty Actuarial Society Exam MAS II. It also covers more advanced material, as needed to use modern credibility with real insurance data. A grade of B or better is needed to apply to the Canadian Institute of Actuaries for exemption of Exam STAM (see Accredited Programs (concordia.ca).
This course focuses on computational aspects, implementation, continuous- time models, and advanced topics in Mathematical and Computational Finance. Topics considered include Brownian motion and stochastic calculus; continuous-time finance; Black-Scholes model; interest rate models; Monte-Carlo methods; numerical solution of PDEs; volatility; hedging; exotic derivatives; risk-management; and other topics (time permitting).
Structures à terme, processus stochastiques, modèles et produits dérivés de taux d'intérêt, immunisation et appariement, produits dérivés de crédit, titres adossés à des créances hypothécaires, volatilité.
Ce cours vise à fournir à l'étudiant les fondements nécessaires aux processus stochastiques de sorte qu'il puisse les appliquer dans les différents domaines de la finance: ingénierie financière, gestion des risques, gestion de portefeuille et finance corporative. Ce cours permettra ainsi à l'étudiant de se familiariser, grâce à la programmation dans MATLAB, avec les différents outils quantitatifs nécessaires en finance.
Mesures de risques. Théorie de la ruine en temps discret et continu. Mouvement brownien et temps de premier passage. Modélisation du risque de crédit. Modélisation de la dépendance (copules) avec applications actuarielles et financières.
Basics concepts in quantitative risk management: types of financial risk, loss distribution, risk measures, regulatory framework. Empirical properties of financial data, models for stochastic volatility. Extreme-value theory models for maxima and threshold exceedances. Multivariate models, copulas, and dependence measures. Risk aggregation.
The problem of fitting probability distributions to loss data is studied. In practice, heavy tailed distributions are used (i.e. skewed to the right) which require some special inferential methods. The problem of point and interval estimation, goodness of fit tests are studied in detail under a variety of inferential procedures (empirical, maximum likelihood) and of sampling designs (individual/grouped data, truncation, censoring). Loss data sets serve as illustration of the methods.
This course is a rigorous introduction to the theory of mathematical and computational finance. Topics include multi-period binomial model; state prices; change of measure; stopping times; European and American derivative securities; interest-rate models; interest-rate derivatives; hedging; and convergence to the Black-Scholes model.
This course is an introduction to simulation and Monte Carlo estimation. The following topics will be covered:
1. Simulation of random variables/vectors from their (joint) probability mass function/density function: methods of inverse-transform, accept-reject, composition and factorization (for random vectors).
2. Simulation of homogeneous and non-homogeneous Poisson processes in 1-dimension: methods of inverse-transform and thinning.
3. Some discrete-event simulation models, e.g., 1-server and 2-server queues, insurance-risk model, machine-repair model.
4. Some variance-reduction techniques: methods of anti-thetic variables, control variables, conditional expectation, stratified sampling.
The software R will be extensively used to write simulation codes and will be demonstrated over a few classes.
The topics in this Risk Theory course include: aggregate risk models, homogenous and nonhomogenous discrete-time Markov chain models, Poisson processes, coinsurance, effects of inflation on losses, risk measures, dependence (copulas), development triangles and reserving. The emphasis is on the probabilistic aspects (stochastic processes) although some estimation (inference) questions will also be discussed.
Modèle individuel et collectif du risque. Algorithmes récursifs et approximations stochastiques. Problèmes de rétention et de réassurance. Théorie de la ruine. Primes et ordonnancement des risques. Développements récents de la théorie du risque.
Notions de probabilités avancées et martingales. Calcul stochastique et diffusions d'Itô. Théorie formelle de l'arbitrage en temps discret et en temps continu. Théorèmes fondamentaux de la finance. Tarification de produits dérivés sur actions et sur taux d'intérêt. Applications actuarielles et autres sujets avancés.
Modèles de mortalité stochastiques. Modèles de Lee Carter et extensions. Mathématiques actuarielles fondées sur les modèles de mortalité stochastiques. Risque de longévité. Applications d'assurances vie et de rentes liées à des fonds distincts. Rentes variables.
Modèles multivariés de risques sur plusieurs périodes avec dépendance temporelle. Théorie avancée sur les mesures de risque : mesures convexes et quasi convexes de risque, mesures de risque avec distorsion, intégrale de Choquet, allocation du risque, indices de risque. Notions avancées de partage de risque. Modèles de dépendance à grandes dimensions.
Les thèmes abordés sont les suivants :
Ce cours est une introduction au calcul stochastique pour les applications en finance mathématique:
1. Rappels de théorie des probabilités
2. Mouvement brownien et martingales
3. Intégration stochastique par rapport au mouvement brownien
4. Applications de la Formule d’Itô et Théorèmes de Girsanov
5. Équations différentielles stochastiques et processus de diffusion
6. Si le temps le permet : Introduction à la finance mathématique et au modèle de Black-Scholes-Merton, tarification d’options vanilles et d’options exotiques