Ce cours explore les caractéristiques des séries chronologiques financières, leurs faits stylisés, l’importance de leur modélisation pour la gestion des risques, la gestion d’actif et le trading quantitatif.
On y présente les grandes classes de modèles qui ont été proposées dans la littérature, ainsi que les développements récents apportés par le machine learning et l’IA.
Les étudiants y apprennent les approches paramétriques (LSTM, méthodes spectrales, modèles causaux structurels, etc.) et les techniques semi/non paramétriques (modèles à facteurs, transformers, modèles génératifs, signatures, etc.) 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.
