Analyse des séries chronologiques financières

Description

Cette séance de cours porte sur les faits stylisés des retours d'actifs, les statistiques sommaires, les tests de la normalité à l'aide du test Jarque-Bera, les courbes Q-Q des rendements S&P 500 et les tests de la normalité à l'aide du CDF empirique. Il traite également de l'hypothèse de marché efficace, de l'autocorrélation de l'échantillon, des intervalles de confiance sur l'autocorrélation de l'échantillon, de l'irrégularité de la volatilité et de l'indice VIX. L'instructeur présente les concepts de l'apprentissage automatique en finance, y compris l'apprentissage supervisé, le renforcement de l'apprentissage, les réseaux neuronaux artificiels et les méthodes d'apprentissage profond.

Connectez-vous pour regarder la vidéo

Source officielle

https://mediaspace.epfl.ch/media/0_z6pvlm12

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Séances de cours associées (461)

Concepts associés (174)

Apprentissage automatique

L'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.

Attention (machine learning)

Machine learning-based attention is a mechanism mimicking cognitive attention. It calculates "soft" weights for each word, more precisely for its embedding, in the context window. It can do it either in parallel (such as in transformers) or sequentially (such as recursive neural networks). "Soft" weights can change during each runtime, in contrast to "hard" weights, which are (pre-)trained and fine-tuned and remain frozen afterwards. Multiple attention heads are used in transformer-based large language models.

Hypothèse des marchés financiers efficients

L’hypothèse des marchés financiers efficients est une hypothèse utilisée en économie selon laquelle les marchés financiers sont efficients, c'est-à-dire que les prix des actifs reflètent toute l'information disponible au sujet du prix. Si les marchés sont efficients, alors il est impossible de faire mieux que le marché. Les marchés financiers ont fait l'objet d'études académiques visant à déterminer leur caractère efficient ou non.

Intelligence artificielle

vignette|redresse=0.8|Les assistants personnels intelligents sont l'une des applications concrètes de l'intelligence artificielle dans les années 2010. L'intelligence artificielle (IA) est un ensemble de théories et de techniques visant à réaliser des machines capables de simuler l'intelligence humaine. Souvent classée dans le groupe des mathématiques et des sciences cognitives, elle fait appel à la neurobiologie computationnelle (particulièrement aux réseaux neuronaux) et à la logique mathématique (partie des mathématiques et de la philosophie).

Boosting

Le boosting est un domaine de l'apprentissage automatique (branche de l'intelligence artificielle). C'est un principe qui regroupe de nombreux algorithmes qui s'appuient sur des ensembles de classifieurs binaires : le boosting optimise leurs performances. Le principe est issu de la combinaison de classifieurs (appelés également hypothèses). Par itérations successives, la connaissance d'un classifieur faible - weak classifier - est ajoutée au classifieur final - strong classifier.