Master Year 1 - Economics and Finance - Major in Business Finance - FA

Applications professionnelles

ECTS : 3

Language of instruction : French

Course content:

L'UE Applications professionnelles n'est pas associée à un volume d'enseignement à l’université. Chaque apprenti est encadré au cours de son année d'apprentissage par un maître d'apprentissage désigné par l'entreprise et un tuteur université désigné par l'université. Le tuteur université se rend dans l'entreprise d'accueil à deux reprises au cours de l'année pour faire le point avec l'apprenti et le maître d'apprentissage. 

Skills to be acquired:

La première année du M1 Economie et Finance en apprentissage permet d'acquérir progressivement des compétences essentielles en entreprise : l'organisation, l'adaptabilité, le travail en équipe et l'autonomie. Les apprentis acquièrent également des compétences techniques dans l’exercice de leurs missions et mobilisent les savoirs acquis à l'Université. 

L'UE Applications professionnelles est l'occasion de dresser un bilan de la première année d'apprentissage et de faire le point sur les compétences acquises et celles qui restent à acquérir. 

Assessment:

L'apprenti doit rédiger un livret d'apprentissage et présente à l'oral une synthèse de ce livret lors de la 2ème visite en entreprise. La note de l’UE Applications professionnelles est la moyenne équipondérée de :

• l’évaluation par le maître d’apprentissage du travail réalisé en entreprise;
• l’évaluation du livret d’apprentissage par le tuteur Université
• l’évaluation de la soutenance du livret d’apprentissage par le tuteur université et le maître d’apprentissage lors de la 2ème visite en entreprise.

Weighting : 2.00

Data management

ECTS : 3

Lecturer in charge : Loris BULLIARD

Language of instruction : French

Teaching hours : 24

Course content:

Le cours traitera de la création et de la gestion de pipelines de données complet : 

1. Récupération de données à partir de multiples sources 

• Extraction de données via des APIs Web ou via scrapping. 
• Peuplement et manipulation de bases de données SQL. 
• Manipulation de données stockées dans des buckets S3.

2. Processing de données brutes 

• Utilisation avancée de pandas pour le chaînage de transformations. 
• Optimisation des calculs numériques avec numpy. 
• Introduction à l'analyse de données (modélisation et problématiques éthiques).

3. Code orienté production 

• Utilisation de VS Code pour le développement. 
• Gestion de version avec Git. 
• Structuration et gestion de scripts pour automatiser les tâches. 
• Principes de la Programmation Orientée Objet (OOP) pour la modularité et la maintenance du code.

4. Visualisation des données 

• Création de graphiques pour explorer et communiquer les résultats. 
• Utilisation de bibliothèques de visualisation comme Matplotlib, Seaborn, et autres.

Le cours sera principalement axé sur les travaux pratiques (TP). Les étudiants travailleront sur un projet intégré où ils devront concevoir une pipeline complète d'ingestion de données, incluant la collecte, le traitement, et la visualisation des données. Chaque session abordera une étape clé du pipeline, suivie d'exercices pratiques pour consolider les connaissances. 

Skills to be acquired:

Acquérir les compétences pour créer et gérer des pipelines de données complets, depuis la collecte jusqu'au traitement et à la visualisation, en utilisant des pratiques de développement orienté production. 

Mandatory prerequisites

Connaissance de Python.

Assessment:

L'évaluation se fera sous la forme d'un devoir maison en groupe. Les étudiants devront livrer un projet final comprenant une pipeline fonctionnelle et documentée, qui met en œuvre les compétences acquises tout au long du cours. Le projet sera évalué sur la qualité du code, la robustesse de la solution, et la clarté de la documentation. 

Weighting : 1.00

Droit des sociétés

ECTS : 3

Lecturer in charge : Fabrice BIEN

Language of instruction : French

Teaching hours : 30

Course content:

- Introduction au droit des sociétés : qu'est-ce qu'une entreprise individuelle ? Qu'est-ce qu'une société ? 

- Constitution d'une société : les conditions de validité d'une société (conditions de fond et conditions de forme).

- Personne morale et limite à l'écran social protecteur : la notion de personne morale les limites à l'écran social protecteur (les exceptions concernant les associés les exceptions concernant les dirigeants les exceptions dans les groupes de sociétés)

- Fonctionnement d'une société : les grands principes de fonctionnement d'une société.

- Statut des dirigeants de sociétés : la notion de dirigeant les dirigeants fautifs (responsabilités dans une société in bonis et dans une société en difficulté révocation).

- Corporate governance : qu'est-ce que la corporate governance ? Contenu de la corporate governance.

Skills to be acquired:

- Comprendre le fonctionnement d'une société.
- Comprendre les débats autour de la corporate governance.

- Comprendre les débats autour du rôle de l'entreprise en lien avec la RSE. 

Mandatory prerequisites

Aucun. 

Recommended prerequisites

Aucun. 

Assessment:

Le contrôle des connaissances consiste en un partiel final composé :  - d'une partie questions de cours   - d'une partie cas pratiques. 

Weighting : 1.00

Bibliography, recommended reading:

- Bien F., L'entreprise en droit, in Bien F. et Méritet S., 2nd Edition, e-book, Pearson, chap. 10 bis, 2019.

- Dondero B., Droit des sociétés, Dalloz, Coll. HyperCours, 9e éd., 2025.
- Cozian M., Deboissy F. et Viandier A., Droit des sociétés, LexisNexis, 38e éd., 2025.

- Durand-Barthez P. et Le Goff P., Le guide de la gouvernance des sociétés 2025-2026, Dalloz, Coll. Guides Dalloz, 5e éd., 2025. 

- Le Cannu P. et Dondero B., Droit des sociétés, Lextenso,  11e éd., 2025. 
- Heinich J., Droit des sociétés, L.G.D.J./Lextenso, Coll. Manuels, 2e éd., 20252023.  

- Magnier V., Droit des sociétés, Dalloz, Coll. Cours, 11e éd., 2024.
- Merle P. et Caffin-Moi M., Droit commercial : sociétés commerciales 2025-2026, Dalloz, 29e éd., 2025. 

 

Évaluation d'entreprise 2

Language of instruction : French

Évaluation d'entreprise I

ECTS : 3

Lecturer in charge : Stephanie ABBOUD

Language of instruction : French

Teaching hours : 24

Course content:

- This course provides a framework designed to help students learn fundamental concepts, tools and techniques to think critically when valuing a company. - This course is an initiation to the three main and most common methods of valuation (Discounted Cash Flow Analysis, Public Company Comparables and Transaction Comparables) - presented in a football field valuation graph. - Learning how to perform valuation of private and public companies.

Skills to be acquired:

- The purpose of this course is to help students master valuation tools and financial modelling. - This program assumes knowledge of Financial Statement Analysis course from the first semester.

Weighting : 1.00

Fixed Income

ECTS : 3

Lecturer in charge : Rachid TOLBA

Language of instruction : French

Teaching hours : 18

Course content:

Fixed income market introduction

Fixed income basic concepts

Pricing

Risks associated with investing in bonds

Understanding credit ratings

Understanding the yield curve

Overview of bond sectors and instruments

Debt restructuring

Case study

Skills to be acquired:

Compréhension des marchés de Taux et Gestion des Risques

Recommended prerequisites

mathématiques financières

Assessment:

QCM et case study

Weighting : 1.00

Microéconomie

ECTS : 6

Lecturer in charge : Franck BIEN (https://dauphine.psl.eu/recherche/cvtheque/bien-franck)

Language of instruction : French

Teaching hours : 36

Course content:

- Interactions stratégies, équilibre, statique et dynamique, asymétries d'information. - Panorama de la théorie des jeux nécessaire à un économiste.

Skills to be acquired:

- Compréhension et usage de la théorie des jeux pour l'analyse économique.

Weighting : 2.00

Modélisation et outils pour Direction Financière

ECTS : 3

Lecturer in charge : Herve GAKPE

Language of instruction : French

Teaching hours : 18

Course content:

Partie théorique :

• Comprendre comment exploiter les principales bases de données utiles à une direction financière (états financiers, grands livres, ...)
• Passer d'une utilisation standard d'Excel à une utilisation niveau Professionnelle de l'outil (prérequis M&A, Conseil, ...) 
• Modélisation financière à l'ère de l'IA générative : prompt engineering for finance, règles d'or du prompting. 

Partie pratique :

• Exercices Excel de traitement de base de données et de manipulations pour renforcer sa productivité. 
• Use Cases sur le volet IA : mise en pratique de l'utilisation de l'IA dans des situations concrètes (débogage de formules Excel, analyses avec fichiers Excel en input/output, recherche approfondie de données). 
• Moment d'échange en fin de module afin de répondre aux questions des étudiants sur l'amorçage de leur carrière professionnelle. 

Skills to be acquired:

• Apprendre à retraiter n'importe quelle base de données en Excel grâce à des formules avancées (SOMME.SI.ENS, INDEX/EQUIV, ..) 
• Acquérir les compétences de productivité utile à toute modélisation financière sous Excel (formules clés, raccourcis, checks)
• Apprendre à utiliser et exploiter les outils d'IA générative pour étendre son utilisation d'Excel et accroître ses facultés de modélisation. 
• Comprendre les outils qui composent le poste de pilotage d'un DAF de PME/Start-up. 
• Ajouter la forme au fond, que ce soit sur Excel ou sur PowerPoint et présenter son travail de manière professionnelle (pour comprendre ce qui est attendu niveau Board/Direction Générale). 

Assessment:

Projet final par groupe de deux (ou plus, en fonction du contingent, à repréciser en séance), dont le sujet sera donné et expliqué en séance.
Restitution à travers un oral de 20 minutes par groupe. 

Weighting : 1.00

Bibliography, recommended reading:

• Les fonctions essentielles à maîtriser : SOMME.SI.ENS/SUMIFS INDEX EQUIV/MATCH. 
• https://academy.openai.com/public/videos/introduction-to-prompt-engineering-2025-02-13
• Vernimmen (et abonnez-vous à la lettre du même nom)

Informatique appliquée la finance II

ECTS : 3

Lecturer in charge : Emmanuel FRUCHARD

Language of instruction : French

Teaching hours : 24

Course content:

Ce cours vise à faire progresser les étudiant.e.s dans deux directions :

• Informatique : pratique de la programmation orientée objet en Python
• Finance : La courbe de taux zéro-coupon et son calcul à partir de swaps de taux OIS

Skills to be acquired:

Ce cours vise à l'acquisition de deux compétences :

• Codage orienté objet
• Connaissance des swaps de taux, des taux zéro-coupon et de leur calibration

Mandatory prerequisites

Python : bases du langage en mode procédural

Recommended prerequisites

Bases de VBA et Python

Assessment:

Notation individuelle (environ 50%) : QCM en fin de cours Notation de groupe : remise du cas et soutenance orale

Weighting : 1.00

Bibliography, recommended reading:

Pour se former à Python : https://www.w3schools.com/python/

Théorie de la finance d'entreprise

ECTS : 3

Language of instruction : French

Teaching hours : 24

Weighting : 1.00

Applications professionnelles

ECTS : 3

Language of instruction : French

Course content:

L'UE Applications professionnelles n'est pas associée à un volume d'enseignement à l’université. Chaque apprenti est encadré au cours de son année d'apprentissage par un maître d'apprentissage désigné par l'entreprise et un tuteur université désigné par l'université. Le tuteur université se rend dans l'entreprise d'accueil à deux reprises au cours de l'année pour faire le point avec l'apprenti et le maître d'apprentissage. 

Skills to be acquired:

La première année du M1 Economie et Finance en apprentissage permet d'acquérir progressivement des compétences essentielles en entreprise : l'organisation, l'adaptabilité, le travail en équipe et l'autonomie. Les apprentis acquièrent également des compétences techniques dans l’exercice de leurs missions et mobilisent les savoirs acquis à l'Université. 

L'UE Applications professionnelles est l'occasion de dresser un bilan de la première année d'apprentissage et de faire le point sur les compétences acquises et celles qui restent à acquérir. 

Assessment:

L'apprenti doit rédiger un livret d'apprentissage et présente à l'oral une synthèse de ce livret lors de la 2ème visite en entreprise. La note de l’UE Applications professionnelles est la moyenne équipondérée de :

• l’évaluation par le maître d’apprentissage du travail réalisé en entreprise;
• l’évaluation du livret d’apprentissage par le tuteur Université
• l’évaluation de la soutenance du livret d’apprentissage par le tuteur université et le maître d’apprentissage lors de la 2ème visite en entreprise.

Weighting : 2.00

Derivative instruments

ECTS : 3

Lecturer in charge : Jerome MATHIS (https://www.jeromemathis.fr/aio)

Language of instruction : French

Teaching hours : 36

Course content:

Chapter 1: Introduction to risk management and derivatives instruments

Chapter 2: Mechanics of Futures Markets

Chapter 3: Determination of Forward and Futures Prices

Chapter 4: Hedging Strategies Using Futures

Chapter 5: Interest Rates

Chapter 6: Interest Rate Futures

Chapter 7: Swaps

Chapter 8: Mechanics of Options Markets

Chapter 9: Properties of Stock Options

Chapter 10: Trading Strategies Involving Options

Chapter 11: Credit Derivatives

Skills to be acquired:

The purpose of this course is to present the functioning of derivative products, namely forwards, futures, swaps and options, both in a risk management and speculation perspective.

Assessment:

Examen final

Weighting : 2.00

Bibliography, recommended reading:

John C. Hull, "Options, Futures, and Other Derivatives", Pearson ed., 2018

Diagnostic financier des entreprises (Franck DOMENGE)

ECTS : 3

Lecturer in charge : Franck DOMENGE

Language of instruction : French

Teaching hours : 36

Weighting : 2.00

Econométrie des séries temporelles

ECTS : 6

Lecturer in charge : Yannick LE PEN

Language of instruction : French

Teaching hours : 36

Course content:

 Le cours se divise en deux parties :
1. Modélisation en univarié

• Caractérisation des séries :  séries stationnaires au second ordre, tests de racine unitaire et de stationnarité
• Modélisation des séries : estimation et tests de validation des modèles ARMA
• Prévision à l'aide d'un modèle ARMA

2. En multivarié

• Modèles VAR stationnaires : estimation, validation et prévision
• Analyse structurelle dans les modèles VAR : causalité au sens de Granger, analyse impulsion-réponse, identification des chocs structurels par la méthode de Choleski
• Tests et estimation de relations de cointégration et modèle VECM

Application de ces méthodes sur des séries à l'aide du logiciel R par la réalisation d'exercices et d'un projet 

Skills to be acquired:

 Maîtrise des notions et des méthodes de base de l'économétrie des séries temporelles et application de ces méthodes à des cas concrets. 

Recommended prerequisites

 Cours de statistique et cours d'économétrie de niveau L3 

Assessment:

• Contrôle continu (40% de la note finale) : réalisation d'un projet par groupe de deux étudiants
• Examen terminal (60% de la note finale)

Weighting : 2.00

Bibliography, recommended reading:

 Bourbonnais R., Econométrie : cours et exercices corrigés, Dunod, 9ème édition., 2015.
Brooks C., Introductory Econometrics for Finance, Cambridge University Press, 3ème édition, juin 2014.
Ghysels E. et Marcellino M., Applied Economic Forecasting using Time Series Methods, Oxford University Press, 2018. 

Gestion de portefeuille

ECTS : 6

Lecturer in charge : Philippe BERNARD (https://dauphine.psl.eu/recherche/cvtheque/bernard-philippe)

Language of instruction : French

Teaching hours : 36

Weighting : 2.00

Informatique appliquée la finance I

ECTS : 3

Lecturer in charge : Louis BRIENS

Language of instruction : French

Teaching hours : 18

Course content:

This course is designed to teach students the fundamentals of Python programming through practical applications in finance, statistics, and econometrics. It introduces key programming paradigms--imperative, functional, and, to a lesser extent, object-oriented programming--within an applied context. Each session blends theoretical concepts with hands-on exercises using real or simulated datasets. The course emphasizes reproducible and interpretable code, in line with industry best practices.   Session Breakdown Session 1 - Python Refresher and Programming Fundamentals Core concepts: variables, data types, control structures, loops, functions Working with NumPy and Pandas Writing clean, modular, and readable code Simple financial/statistical computations Hands-on exercises to strengthen Python fluency Note: This session will be adapted depending on students' programming background and pace.   Session 2 - Optimization and Logistic Regression from Scratch Introduction to gradient descent as a numerical optimization tool Application to logistic regression for binary classification Manual implementation of the algorithm: gradient, update rule, convergence Visualizing decision boundary and cost function Comparison with scikit-learn's LogisticRegression   Session 3 - Time Series and Regression Modeling Visualization and decomposition of time series Stationarity, trend, and seasonality Univariate and multivariate regression ARIMA modeling for forecasting Introduction to GARCH-type volatility models   Session 4 - Systemic Risk Measures and Backtesting Key systemic risk indicators: VaR, CoVaR, SRISK, MES Estimation methods using financial data Backtesting: Unconditional Coverage and Conditional Coverage tests Interpreting model adequacy and performance   Session 5 - CAPM Empirical Implementation Using CAC 40 Data Log return computation with Pandas (weekly prices from 2011-2016) Construction of the ex-post market portfolio via minimum variance optimization Beta estimation through OLS regression Visualization: security market line, beta dispersion Pedagogical goal: hands-on CAPM estimation in Python   Session 6 - Index Construction and Computation Overview of financial index structures and mechanics Loading and cleaning real market data Handling corporate actions and rebalancing Implementing index computation methods Constructing sectoral and composite indices Visualizing and analyzing index performance Note: Placed last to consolidate prior concepts and support the final project work.

Skills to be acquired:

Fundamentals of Programming with Python. Application of Python in finance.

Recommended prerequisites

A basic familiarity with Python is expected, though essential concepts will be reviewed in the first session.

Assessment:

Final group project applying the methods covered in class to a real-world financial or econometric problem.

Weighting : 1.00

Bibliography, recommended reading:

Yves Hilpisch, « Python for Finance », 2019, Editions O'Reilly. 

Macroéconomie

ECTS : 6

Lecturer in charge : Anne EPAULARD (https://dauphine.psl.eu/recherche/cvtheque/epaulard-anne)

Language of instruction : French

Teaching hours : 36

Course content:

1 - Introduction : La croissance économique - Faits et théories 2 - Chapitre 1 : Le modèle néoclassique de croissance (modèle de Solow, modèle Ramsey-Cass-Koopmans) 3 - Chapitre 2 : Les modèles de croissance endogène (modèle "AK", modèles avec progrès technique endogène : Paul Romer, et Aghion-Howitt) 4 - Chapitre 3 : Finance et croissance 5 - Chapitre 4 : Environnement et croissance 6 - Chapitre 5 : Croissance dans les pays en développement et les pays émergents : trappe à pauvreté, trappe à revenu médian 7 - Chapitre 6 : Un modèle de décollage industriel

Skills to be acquired:

- Identifier les déterminants de la croissance. - Résoudre des problèmes de contrôle optimal. - Résoudre des équations différentielles et de récurrence.

Mandatory prerequisites

• Comptabilité nationale
• Optimisation statique

Recommended prerequisites

• Comptabilité nationale
• Optimisation statique

Weighting : 2.00

Bibliography, recommended reading:

L'économie de la croissance (2010), Philippe Aghion et Peter Howitt, Economica

Pré-rentrée VBA

Language of instruction : French