Financial Machine Learning
Financial Machine Learning passe en revue la littérature naissante sur l'apprentissage automatique dans l'étude des marchés financiers. Les auteurs mettent en lumière les meilleurs exemples de ce que cette ligne de recherche a à offrir et recommandent des directions prometteuses pour la recherche future.
Cette étude s'adresse à la fois aux économistes financiers désireux de maîtriser les outils d'apprentissage automatique, ainsi qu'aux statisticiens et aux spécialistes de l'apprentissage automatique à la recherche de contextes financiers intéressants dans lesquels des méthodes avancées peuvent être déployées. Cette étude est organisée comme suit. La section 2 analyse les avantages théoriques des modèles d'apprentissage automatique hautement paramétrés en économie financière.
La section 3 passe en revue les diverses méthodes d'apprentissage automatique employées dans l'analyse empirique de la prévisibilité des rendements d'actifs. La section 4 se concentre sur les analyses d'apprentissage automatique des modèles d'évaluation des facteurs et sur les conclusions empiriques qui en découlent pour les compromis risque-rendement.
La section 5 présente le rôle de l'apprentissage automatique dans l'identification des portefeuilles optimaux et des facteurs d'actualisation stochastiques. La section 6 présente de brèves conclusions et des orientations pour les travaux futurs.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)