penavirostex
Nos étudiants construisent des analyses concrètes qui reflètent les défis réels du marché. Chaque projet explore des données authentiques et développe des compétences directement applicables dans l'investissement professionnel.
Les étudiants de la promotion d'automne 2024 ont décortiqué l'évolution du secteur technologique européen. Plutôt que de suivre les grandes capitalisations, ils ont identifié des acteurs moyens qui montrent une croissance organique intéressante.
Un projet qui commence simple mais devient vite complexe. Les participants apprennent à construire des modèles DCF complets, en ajustant les hypothèses selon les cycles économiques et les spécificités sectorielles.
Ce projet examine comment les métriques value traditionnelles performent pendant les périodes d'incertitude. Les étudiants testent différents ratios et découvrent que certains indicateurs perdent leur pertinence quand la volatilité augmente.
Différentes méthodes d'analyse correspondent à différents objectifs d'apprentissage. Ce tableau montre comment chaque type de projet développe des compétences spécifiques.
Les projets s'étalent généralement sur 8 à 12 semaines. Voici comment se structure le travail pour un projet d'analyse fondamentale approfondie.
Les deux premières semaines servent à identifier l'entreprise et définir le périmètre. On évite les sociétés trop complexes au début. Mieux vaut une entreprise avec un modèle clair qu'un conglomérat difficile à décomposer.
Cette phase prend plus de temps qu'on ne le pense. Les rapports annuels changent de format, certaines données manquent, les retraitements comptables compliquent les comparaisons historiques. C'est là qu'on apprend vraiment à lire entre les lignes.
Le cœur du projet. Les étudiants construisent leur modèle financier en intégrant les hypothèses opérationnelles. Chaque hypothèse doit être justifiée par des données historiques ou des comparaisons sectorielles. Les premières versions sont toujours trop optimistes.
Les dernières semaines servent à tester la robustesse du modèle. Que se passe-t-il si la croissance ralentit de 2% ? Si les marges se compriment ? Cette phase révèle souvent des faiblesses dans les hypothèses initiales et oblige à affiner l'analyse.
Deux étudiants partagent leur parcours à travers des projets qui ont marqué leur formation et influencé leur approche professionnelle.
Analyste Junior - Promotion Octobre 2024
Mon projet sur une société de logiciels m'a appris que les métriques standards ne suffisent pas toujours. J'ai passé des semaines à essayer de modéliser la récurrence des revenus avant de comprendre que leur modèle d'acquisition clients changeait complètement la donne. C'est frustrant au début, mais c'est exactement ce genre de situation qu'on rencontre en vrai.
Analyste Quantitative - Promotion Janvier 2025
J'ai travaillé sur un backtest de stratégie momentum. Les résultats initiaux étaient excellents, trop excellents. En creusant, j'ai découvert un biais de survie dans mes données. Ça m'a obligée à tout reprendre, mais j'ai appris plus en corrigeant cette erreur qu'en construisant le modèle initial. Maintenant je vérifie systématiquement la qualité des données avant de commencer.
Les projets s'appuient sur des bases de données réelles et des outils professionnels. Pas de cas d'école simplifiés - les étudiants travaillent avec les mêmes contraintes que les analystes en poste.
L'accès aux données financières passe par des plateformes utilisées dans l'industrie. On apprend à extraire l'information pertinente et à structurer l'analyse de manière reproductible.
Les erreurs font partie du processus. Mieux vaut les faire pendant la formation que lors d'une vraie recommandation d'investissement.
Les inscriptions pour la promotion d'automne ouvrent en juin. Les projets commencent dès la deuxième semaine de formation pour maximiser le temps de pratique et d'itération.
Voir le Programme Complet