Le Laboratoire de Modélisation et Simulation Appliquée à l'Industrie (LMSAI) est dédié à la recherche et au développement de méthodes et outils innovants pour la modélisation et la simulation des problèmes issus du monde industriel, économique et de la santé. Son objectif est d'améliorer la performance, la productivité et la durabilité des processus industriels.
- Optimisation des processus industriels : Développer des modèles qui permettent de simuler et d'optimiser les chaînes de production.
- Innovations technologiques : Intégrer des technologies avancées, comme l'intelligence artificielle et l'Internet des objets , dans les modèles de simulation.
- Transfert de connaissances : Collaborer avec les entreprises pour appliquer les résultats de la recherche à des problèmes concrets.
3.Axes et thèmes de recherche
- Industrie manufacturière : Simulation des flux de production, gestion des stocks et optimisation des lignes de montage.
- Logistique et transport : Modélisation des réseaux de distribution et optimisation des itinéraires de livraison.
- Énergie : Simulation des systèmes énergétiques pour améliorer l’efficacité et réduire les coûts.
- Economie et finance : Conception et simulation des modèles pour la maitrise des marchés financiers, la gestion de risque, le trading et l’évaluation et la gestion des actifs financiers.
- Décision et Statistique : gestion de l’utilisation des informations commerciales, analyse et interprétation des données pour la prise de décision.
Le laboratoire est composé de chercheurs, d'ingénieurs et d'étudiants, collaborant avec des partenaires académiques et industriels. Cette synergie favorise l’échange d’idées et l'innovation.
Le LMSAI joue un rôle clé dans l’avancement des techniques de modélisation et de simulation dans le secteur industriel, économique et de la santé. Grâce à ses travaux, il contribue à rendre l'industrie plus efficace et durable, tout en répondant aux défis contemporains.
Pour plus d'informations, veuillez nous contacter à [Contact du Laboratoire: +237 6 97 713 27 8; romualdkenmoe@estlc.unv-ebolowa.cm ] ou visiter notre site web
Optimisation de Portefeuille par Apprentissage Profond : Une Approche par Réseaux de Neurones pour la Prédiction des Rendements et la Gestion des Risques
Ce projet de Master Recherche explore l'application des méthodes d'apprentissage profond (deep learning) à l'optimisation de portefeuilles financiers. Contrairement aux approches traditionnelles basées sur des hypothèses statistiques souvent restrictives (normalité des rendements, corrélations linéaires), les techniques de deep learning permettent de capturer des motifs non linéaires et des dépendances complexes dans les données financières. L'objectif est de développer un modèle capable de prédire les rendements et la volatilité des actifs, puis d'optimiser l'allocation du portefeuille en tenant compte des contraintes de risque et de liquidité.
Les candidats seront invités à :
Les candidats doivent posséder :
Optimisation Robuste des Portefeuilles Financiers par une Approche Copules pour une Meilleure Capture des Dépendances Extrêmes entre Actifs
Ce projet de Master Recherche se situe à l'avant-garde de la finance quantitative et de la gestion des risques. Il vise à surmonter les limites des modèles d'optimisation de portefeuille traditionnels, qui reposent souvent sur l'hypothèse de normalité des distributions et de linéarité des dépendances (corrélation de Pearson). Ces hypothèses s'avèrent fréquemment violées en réalité, surtout en période de crise financière où les queues de distribution (les événements extrêmes) et les dépendances non-linéaires entre les actifs deviennent prédominantes.
L'objectif principal est de développer et de tester un framework d'optimisation de portefeuille qui utilise la théorie des copules pertubées pour modéliser de manière plus réaliste et plus flexible la structure de dépendance entre les actifs financiers. Les copules permettent de dissocier la modélisation des distributions marginales de chaque actif de la modélisation de leur structure de dépendance, capturant ainsi les asymétries et les dépendances de queues (le risque de crises concomitantes). Le candidat devra :
Les candidats doivent posséder :
Prévision des Rendements des Indices Boursiers Africains par Intégration de Variables Macroéconomiques et de Sentiment Marché à l'Aide de Modèles Hybrides (LSTM-Réseaux Bayésiens)
Ce projet de Master Recherche aborde le défi complexe de la prévision des rendements sur les marchés financiers africains, caractérisés par une efficience informationnelle limitée, une plus faible liquidité et une plus forte exposition aux chocs idiosyncratiques locaux et internationaux. Les modèles de prévision traditionnels peinent à capturer les non-linéarités et les dynamiques complexes de ces marchés.
L'objectif est de développer et de valider un modèle de prévision hybride et novateur qui combine la puissance des réseaux de neurones récurrents (LSTM - Long Short-Term Memory) pour traiter les séries temporelles financières avec la rigueur des réseaux bayésiens pour intégrer structurellement l'impact de variables macroéconomiques (PIB, inflation, flux d'investissements directs étrangers) et de indicateurs de sentiment marché (dérivés de l'analyse de sentiments sur les réseaux sociaux et les news locales). Ce projet vise à :
Les candidats doivent posséder :
Thème 4
Développement d’un Algorithme de Trading Haute Fréquence par Apprentissage Profond pour les Marchés Financiers Africains
Ce projet de Master Recherche vise à concevoir et implémenter un algorithme de trading algorithmique fondé sur des techniques avancées d’apprentissage profond (Deep Learning). L’objectif est de prédire les mouvements de prix à court terme sur les indices boursiers et actions individuelles des marchés financiers africains, qui présentent à la fois des opportunités de rendement et des défis spécifiques (liquidité limitée, volatilité élevée, inefficiences informationnelles).
Le projet combinera l’analyse des séries temporelles financières, le traitement du langage naturel (NLP) pour intégrer l’actualité économique et politique locale, et l’apprentissage profond pour capturer des motifs non linéaires et des dépendances complexes. Les livrables incluront un système automatisé de suggestion de signaux de trading et une analyse comparative de sa performance par rapport à des stratégies benchmarks.
Les candidats seront invités à :
Les candidats doivent posséder :
. Thème 5
Finance Verte au Cameroun : Évaluation des Opportunités d'Investissement Durable et Développement d'un Cadre d'Optimisation de Portefeuille Vert
Ce projet de Master Recherche explore le potentiel de la finance verte au Cameroun, en se concentrant sur l'identification, l'évaluation et l'optimisation des opportunités d'investissement durable dans des secteurs clés tels que les énergies renouvelables, l'agriculture durable, la gestion des déchets, et la préservation des écosystèmes. Le projet vise à combiner l'analyse financière, la modélisation des risques environnementaux et sociaux, et les techniques d'optimisation de portefeuille pour proposer des stratégies d'investissement alignées sur les objectifs de développement durable (ODD) du Cameroun.
Les candidats seront invités à :
Les candidats doivent posséder :
Thème 6
Détection du Moment Optimal d’Achat sur les Marchés Africains par la Théorie de l’Arrêt Optimal : Application aux Inversions de Tendance
Ce projet de Master Recherche vise à développer un cadre théorique et pratique pour identifier le moment optimal d’entrée sur les marchés financiers africains lors de retournements de tendance, en utilisant la théorie de l’arrêt optimal. Les marchés africains, caractérisés par une volatilité élevée et une faible liquidité, présentent des opportunités de rendement significatives lors de phases de correction ou de reprise, mais ces opportunités sont difficiles à capturer avec les méthodes traditionnelles.
L’objectif est de modéliser le problème de décision d’investissement comme un problème d’arrêt optimal, où l’investisseur cherche à maximiser son rendement espéré en choisissant le meilleur moment pour acheter un actif, en se basant sur l’observation de signaux de retournement de tendance. Le projet combinera la modélisation stochastique, l’analyse des séries temporelles et des simulations numériques pour proposer des stratégies d’investissement robustes.
Les candidats seront invités à :
Les candidats doivent posséder :
. Thème 7
Impact du Levier Financier sur la Performance et sa Volatilité dans les PME Camerounaises : Une Analyse Quantitative
Ce projet de Master Recherche vise à analyser l'impact de l'endettement sur la performance des Petites et Moyennes Entreprises (PME) camerounaises, en considérant à la fois le niveau de performance moyen et sa volatilité. Les PME jouent un rôle crucial dans l'économie camerounaise, mais leur accès au financement et leur gestion du levier financier restent des défis majeurs. Une utilisation excessive de la dette peut amplifier les risques et la volatilité des résultats, tandis qu'une structure de capital optimale peut améliorer la rentabilité.
L'étude combinera l'analyse empirique, la modélisation économétrique et l'évaluation des risques pour déterminer l'effet du levier financier sur des indicateurs de performance tels que la rentabilité économique (ROA) et financière (ROE), ainsi que sur la stabilité de ces performances. Le projet s'appuiera sur des données financières collectées auprès d'un échantillon représentatif de PME camerounaises sur une période récente.
Les candidats seront invités à :
Les candidats doivent posséder :
Thème 8
Relation Dynamique entre Rendements Boursiers, Volume des Transactions et Volatilité : Une Analyse Comparative des Marchés Boursiers Africains
Ce projet de Master Recherche vise à étudier les relations dynamiques et interdépendantes entre les rendements boursiers, le volume des transactions et la volatilité sur les marchés boursiers africains. Ces marchés, bien qu'en pleine croissance, présentent des caractéristiques uniques telles qu'une liquidité limitée, une forte volatilité et une sensibilité accrue aux flux informationnels. Comprendre les interactions entre ces variables est essentiel pour les investisseurs, les régulateurs et les académiques, afin d’améliorer la prise de décision et la stabilité marché.
L’étude utilisera des données historiques de haute fréquence (quotidiennes ou intrajournalières) des principaux indices boursiers africains (par exemple, BRVM, JSE, NGSE, EGX) et appliquera des modèles économétriques avancés pour capturer les causalités, les asymétries et les persistances dans ces relations. Le projet contribuera à la littérature financière sur les marchés émergents et fournira des insights pratiques pour la gestion des risques et l’élaboration de stratégies d’investissement.
Les candidats seront invités à :
Les candidats doivent posséder :
. Thème 9
Analyse de l’Intégration Économique des Pays Africains dans la Zone CEEAC : Enjeux, Défis et Perspectives pour le Développement Régional
Ce projet de Master Recherche vise à analyser le processus d’intégration économique des pays membres de la Communauté Économique des États de l’Afrique Centrale (CEEAC). Malgré les objectifs ambitieux de libre-échange, de coordination des politiques économiques et de facilitation de la circulation des biens et des personnes, l’intégration régionale en Afrique centrale reste limitée. Ce projet cherche à identifier les facteurs facilitants et les obstacles à une intégration réussie, en mettant l’accent sur les aspects économiques, logistiques, politiques et infrastructurels.
Les candidats seront invités à :
Les candidats doivent posséder :
Blockchain pour la traçabilité des matériaux recyclé
Ce projet de recherche appliquée vise à concevoir, prototyper et évaluer un système de traçabilité basé sur la technologie blockchain pour les matériaux recyclés tout au long de la chaîne de valeur de l'économie circulaire. L'objectif principal est de créer un registre numérique infalsifiable et transparent qui enregistre chaque étape du cycle de vie d'un matériau : de son identification en tant que déchet, lors de la collecte et du tri, pendant le processus de recyclage, jusqu'à sa réintroduction en tant que matière première secondaire dans la fabrication de nouveaux produits.
En garantissant l'authenticité et la qualité des données le projet cherche à résoudre le problème de méfiance qui freine l'adoption massive des matières recyclées par les industriels. L'impact final est de valoriser économiquement les efforts de recyclage, d'accélérer la transition vers une économie circulaire et de fournir aux consommateurs une preuve tangible de l'engagement écologique des produits qu'ils achètent.
Ce projet s'adresse à un candidat inscrit en Master 2 recherche ou dans des filières telles que SupplyChain Management, Logistique, Systèmes d'Information, Informatique Décentralisée, ou Génie Industriel. Les prérequis académiques indispensables incluent une solide compréhension des principes de la supplychain et des enjeux de l'économie circulaire. Une connaissance des concepts fondamentaux de la blockchain (blocs, hachage, consensus, smart contracts) est essentielle. Une appétence pour les aspects techniques est requise, bien que le développement profond ne soit pas forcément l'objectif premier. La maîtrise d'outils de modélisation de processus (BPMN) et une bonne culture générale sur les technologies disruptives sont fortement attendues.