Apprentissage automatique probabiliste pour la finance et l'investissement

Il y a plusieurs raisons pour lesquelles l'apprentissage automatique probabiliste représente le cadre et la technologie ML de nouvelle génération pour la finance et l'investissement. Cet ensemble génératif apprend continuellement à partir d'ensembles de données financières petits et bruyants tout en permettant de façon transparente l'inférence probabiliste, la rétrodiction, la prédiction et le raisonnement contrefactuel. La ML probabiliste te permet également d'encoder systématiquement des connaissances personnelles, empiriques et institutionnelles dans des modèles de ML.

Qu'ils soient basés sur des théories académiques ou des stratégies de ML, tous les modèles financiers sont sujets à des erreurs de modélisation qui peuvent être atténuées mais pas éliminées. Les systèmes de ML probabilistes traitent les incertitudes et les erreurs des systèmes financiers et d'investissement comme des caractéristiques, et non comme des bogues. Et ils quantifient l'incertitude générée par des entrées et des sorties inexactes sous forme de distributions de probabilités, et non d'estimations ponctuelles. Cela permet de faire des déductions et des prédictions financières réalistes qui sont utiles pour la prise de décision et la gestion des risques.

Contrairement à l'IA conventionnelle, ces systèmes sont capables de nous avertir lorsque leurs déductions et leurs prédictions ne sont plus utiles dans l'environnement de marché actuel. En t'éloignant des méthodologies statistiques défectueuses et d'une vision conventionnelle restrictive de la probabilité en tant que fréquence limitative, tu évolueras vers une vision intuitive de la probabilité en tant que logique au sein d'un cadre statistique axiomatique qui quantifie l'incertitude de manière complète et avec succès. Ce livre te montre comment .