Ce cours explore les caractéristiques uniques des séries chronologiques financières, leurs faits stylisés, la
signification des données manquantes et les sources de données alternatives, avec des applications à la
modélisation des risques. Les étudiants y apprennent les approches paramétriques (LSTM, méthodes spectrales,
modèles causaux structurels) et les techniques non paramétriques (intégrations récurrentes, transformateurs,
modèles génératifs) pour la prévision des rendements et du risque. L'accent est mis sur l'exploitation de toutes les données disponibles à l'aide d'architectures ML avancées pour saisir les dépendances temporelles et la
dynamique du marché.
