Machine learning en finance : vers de nouvelles stratégies ?

Résumé 0

Le machine learning connait un vif regain d’intérêt ces dernières années grâce au Big Data. En finance, les applications sont variées : tarification des assurances, gestion de crédits, détection des fraudes et gestion de portefeuille. Ces algorithmes ont entre autre permis de faire évoluer la recherche sur la question de la prédictibilité des cours. Les réseaux de neurones ainsi que les algorithmes hybrides sont les plus performants dans ce domaine, mais les précisions ne progressent pas pour autant (de l’ordre de 65%). Cela s’explique en partie par l’assimilation des différents acteurs des stratégies publiées par la recherche académique, et donc par la disparition progressive de ces anomalies. L’évolution de ces dernières années concerne principalement le type de données traitées : l’analyse de texte permet d’extraire les sentiments des réseaux sociaux. Les résultats sont cependant mitigés et confirment la nécessité d’apporter un regard métier sur l’analyse prédictive afin par exemple de développer des dictionnaires spécifiques au monde de la finance.