Apprentissage automatique probabiliste pour la finance et l'investissement

Chapitre 7. Apprentissage automatique probabiliste avec les ensembles génératifs

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Ne cherche pas l'aiguille dans la botte de foin. Achète la botte de foin !

- John Bogle, inventeur du fonds indiciel et fondateur du groupe Vanguard

La plupart d'entre nous ne connaissaient probablement pas Nous avons appris l'un des algorithmes de ML les plus puissants et les plus robustes au lycée, lorsque nous trouvions la ligne de meilleur ajustement à une dispersion de points de données. L'algorithme des moindres carrés ordinaires (MCO) qui est utilisé pour estimer les paramètres des modèles de régression linéaire a été développé par Adrien-Marie Legendre et Carl Gauss il y a plus de deux cents ans. Ces types de modèles ont la plus longue histoire et sont considérés comme les modèles de base de l'apprentissage automatique en général. Les modèles de régression linéaire et de classification sont considérés comme les réseaux neuronaux artificiels les plus basiques. C'est pour ces raisons que les modèles linéaires sont considérés comme la "mère de tous les modèles paramétriques."

Les modèles de régression linéaire jouent un rôle essentiel dans la pratique financière moderne, le monde universitaire et la recherche. Les deux modèles fondamentaux de la théorie financière sont des modèles de régression linéaire : le modèle d'évaluation des actifs financiers (CAPM) est ...