Un département en plein essor

Malgré sa création récente, le département des finances publie régulièrement dans les principales revues internationales d’économie, de finance et de statistiques mathématiques. Il figure déjà parmi les 10 meilleurs départements européens de finance en termes de nombre de publications de haut niveau en économie, finance et statistiques mathématiques par professeur. Le département possède une expertise unique dans les domaines suivants : investissements alternatifs, gestion d’actifs, évaluation d’actifs, banque, économétrie, économie et finance expérimentales, FinTech, finance des ménages, finance durable et analyse statistique des processus stochastiques.

Une plateforme de recherche

Le département de finance offre un environnement international et stimulant, avec des séminaires de recherche de haut niveau organisés régulièrement ainsi que plusieurs conférences prestigieuses. Avec une trentaine de séminaires de recherche organisés chaque année et animés par des universitaires américains et européens de renom, nous favorisons un environnement propice à l’apprentissage continu et au dialogue. De plus, cet esprit de collaboration s’étend au sein de l’Université du Luxembourg, grâce à des liens étroits avec le département de mathématiques et le département d’économie et de gestion. Le département de finance alimente l’écosystème financier luxembourgeois en recherches de pointe afin de contribuer à son développement.

Un accent mis sur la recherche ambitieuse

Le département des finances encourage la recherche ambitieuse. Il privilégie la qualité plutôt que la quantité. Il vise à élargir les connaissances grâce à des avancées significatives plutôt qu’à des variations sur les connaissances existantes. Voici quelques exemples de contributions significatives des membres du département des finances :

• Une condition nécessaire et suffisante pour une agrégation significative de la consommation. La plupart des modèles macroéconomiques utilisés pour l’évaluation des politiques supposent implicitement l’existence d’un agent représentatif, ce qui implique que les incitations qui sous-tendent les choix de consommation sont transmises directement du niveau microéconomique au niveau macroéconomique et se reflètent dans la consommation agrégée. Christos Koulovatianos et al. (2019) fournissent les conditions nécessaires et suffisantes pour cette hypothèse et la testent empiriquement.

• Test de l’absence d’arbitrage et fondement de la théorie de la finance d’entreprise, le théorème de Modigliani-Miller (MM). Tibor Neugebauer et al. (2019) testent dans une expérience en laboratoire le théorème MM, qui stipule que le reconditionnement des flux de rendement des actifs en capitaux propres et en dette n’a aucun impact sur la valeur marchande totale d’une entreprise dans un marché sans friction et sans arbitrage. Si les données sont globalement conformes au théorème MM, il existe toutefois certaines divergences, en particulier chez les traders moins expérimentés.
  
• Estimation de la variance réalisée des rendements boursiers en présence de bruit microstructurel. Mark Podolskij (DMATH et département des finances) est à l’origine de l’une des approches les plus efficaces pour estimer la variance réalisée, appelée « pré-moyennage ». Elle est désormais couramment utilisée dans le secteur financier pour mesurer la variabilité des cours boursiers à l’aide de données à haute fréquence.

Une approche interdisciplinaire

Au département de finance, la recherche s’appuie sur des connaissances issues de l’histoire, de la psychologie et des mathématiques. Le département de finance accorde une grande importance aux contributions significatives dans les domaines liés à la finance, tels que l’économie et les statistiques mathématiques. Il est conscient que l’économie et les statistiques mathématiques, ainsi que d’autres domaines, ont apporté des contributions fondamentales à la finance, comme le théorème fondamental de la finance (de Finetti, 1931 ; Shimony, 1955 ; Klemeny, 1955 ; Ross, 1976 ; Harrison & Kreps, 1979 ; Jouini & Kallal, 1995, 1999) et les modèles GARCH pour analyser la volatilité des rendements boursiers (Engle, 1982 ; Bollerslev, 1986).