Les applications du Machine Learning en Finance de Marché – Théorie et Retour d’expérience

24 septembre 2020

L’intelligence artificielle a pour but de faire réaliser par des ordinateurs des tâches nécessitant de l’intelligence humaine.

L’un de ses nombreux champs d’étude est le Machine Learning (« apprentissage automatique » en français) qui utilise des approches statistiques pour faire apprendre à la machine, à partir d’un grand nombre de données, des modèles permettant d’améliorer leurs propres performances sur la réalisation de tâches – sans avoir été explicitement programmées pour réaliser ces tâches !

La Data Science regroupe la conception, l’analyse, le développement et l’implémentation de ces méthodes de Machine Learning. D’autres métiers sont très connexes à la Data Science comme le Data Engineering dont le but est de stocker des données de qualité et pertinentes dans un environnement orienté Big Data et la Data Visualisation qui permet d’exposer les résultats dans des dashboards.

L’objectif de ce Livre Blanc est de vous donner un aperçu de 6 familles d’algorithmes de Machine Learning qui pourraient avoir des utilisations en Finance de Marché et vous apporter un retour d’expérience concret sur le sujet.

 

Nicolas Pannirselvame

Consultant Manager au sein de Quanteam, Référent Groupe d’Expertise Quant Risques et Responsable de la Formation au sein de la Practice Quant du Groupe Quanteam

Télécharger le Livre Blanc

Les applications du Machine Learning en Finance de Marché - Théorie et Retour d'expérience


Pour aller plus loin : redécouvrez notre Livre blanc “Les enjeux du Machine Learning en Banque et Finance”