Deep Learning in Finance
Ref: 3MD5250
Description
Ce cours explore les promesses et limites du deep learning en finance.
Promesses: capture des non-linéarités et relations cachées, résolution de problèmes hors d'atteinte des méthodes exactes ou numériques classiques, génération de scénarios.
Limites: les données financières sont à la fois beaucoup plus bruitées et beaucoup moins régulières que les domaines habituels d'application du deep learning, ce qui requiert des précautions particulières.
Les principales catégories d'application abordées seront la calibration de modèles, la génération de séries temporelles, le pricing d'options, la classification et la prévision.
Numéro de trimestre
SM11
Prérequis
aucun
Syllabus
- Estimation
- paramètre unique
- modèle
- Génération
- séries temporelles univariés
- séries temporelles multivariées
- Prévision
- volatilité
- rendements
- Contrôle de risque
- pricing d'option
- optimisation de portefeuille
Composition du cours
CM: 10.5h, TP: 10.5h
Notation
100% TPs, soutenance individuelle
Résultats de l'apprentissage couverts par le cours
Comprendre les capacités réelles de réseaux de neurones artifciels.
Implémenter des architectures neuronals complexes.
Savoir les aider à apporter le résultat voulu.
Support de cours, bibliographie
- Estimation
- paramètre unique https://arxiv.org/pdf/1812.05315
- modèle https://arxiv.org/pdf/2007.03494.pdf
- Génération
- Multivariée https://ieeexplore.ieee.org/iel7/9040208/9052899/09053276.pdf
- https://gmarti.gitlab.io/qfin/2020/02/03/sp500-sharpe-vs-corrmats.html
- Prévision / trading
revue: https://arxiv.org/pdf/2006.05515.pdf
- Contrôle de risque
- Portfolio optimization: https://arxiv.org/pdf/2005.13665.pdf