Blueprints d'apprentissage automatique et de science des données pour la finance.

Chapitre 5. Apprentissage supervisé : Régression(y compris les modèles de séries temporelles)

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

L'apprentissage automatique basé sur la régression supervisée est une forme prédictive de modélisation dans laquelle l'objectif est de modéliser la relation entre une cible et la ou les variables prédictives afin d'estimer un ensemble continu de résultats possibles. Ce sont les modèles d'apprentissage automatique les plus utilisés en finance.

L'un des domaines d'intérêt des analystes des institutions financières (et de la finance en général) est de prédire les opportunités d'investissement, typiquement les prédictions des prix et des rendements des actifs. Les modèles d'apprentissage automatique supervisés basés sur la régression sont intrinsèquement adaptés à ce contexte. Ces modèles aident les responsables des investissements et de la finance à comprendre les propriétés de la variable prédite et sa relation avec d'autres variables, et les aident à identifier les facteurs significatifs qui déterminent les rendements des actifs. Cela aide les investisseurs à estimer les profils de rendement, les coûts de négociation, les investissements techniques et financiers requis dans les infrastructures, et donc au final le profil de risque et la rentabilité d'une stratégie ou d'un portefeuille.

Avec la disponibilité de grands volumes de données et de techniques de traitement, ...