Séance de cours

Analyse des retours de prix

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

FIN-525: Financial big data

The course introduces modern methods to acquire, clean, and analyze large quantities of financial data efficiently. The second part expands on how to apply these techniques and robust statistics to financial analysis, in particular to intraday data and inv ...

Description

Cette séance de cours couvre l'analyse des rendements des prix à queue lourde, l'inspection visuelle des fonctions de distribution cumulatives empiriques, l'approximation univariée des rendements des prix à l'aide de la distribution t de Student, les graphiques log-log des rendements des prix, la volatilité groupée, les contrôles empiriques, l'étude de cas des exposants de Hurst, les exemples de diffusion anormale et les méthodes de mesure.

Enseignant·e

Damien Challet

Enseignement et PhD Cours Financial big data FIN-525 La première partie du cours introduit des méthodes modernes pour acquérir, nettoyer et analyser de grandes quantités de données financières de façon efficace. La deuxième partie applique ces techniques à l'analyse financière, en particulier aux données intraday et aux stratégies d'investissement

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique

Concepts associés (32)

Fonction de répartition empirique

En statistiques, une fonction de répartition empirique est une fonction de répartition qui attribue la probabilité 1/n à chacun des n nombres dans un échantillon. Soit X,...,X un échantillon de variables iid définies sur un espace de probabilité , à valeurs dans , avec pour fonction de répartition F. La fonction de répartition empirique de l'échantillon est définie par : où est la fonction indicatrice de l'événement A. Pour chaque ω, l'application est une fonction en escalier, fonction de répartition de la loi de probabilité uniforme sur l'ensemble .

Fonction de répartition

En théorie des probabilités, la fonction de répartition, ou fonction de distribution cumulative, d'une variable aléatoire réelle X est la fonction F_X qui, à tout réel x, associe la probabilité d’obtenir une valeur inférieure ou égale : Cette fonction est caractéristique de la loi de probabilité de la variable aléatoire.

Processus empirique

En probabilités, le processus empirique est un processus stochastique qui s'exprime en fonction de la proportion d'objets appartenant à un certain ensemble. Ce processus fait intervenir les déviations d'une statistique autour de sa moyenne et sera donc utile dans l'étude de la plupart d'entre elles. Si sont des variables aléatoires réelles indépendantes et identiquement distribuées (i.i.d.) ayant pour fonction de répartition alors on définit le processus empirique réel par où est la fonction de répartition empirique associée à l'échantillon .

Loi de Pareto

En théorie des probabilités, la loi de Pareto, d'après Vilfredo Pareto, est un type particulier de loi de puissance qui a des applications en sciences physiques et sociales. Elle permet notamment de donner une base théorique au « principe des 80-20 », aussi appelé principe de Pareto. Soit la variable aléatoire X qui suit une loi de Pareto de paramètres (x,k), avec k un réel positif, alors la loi est caractérisée par : Les lois de Pareto sont des lois continues.

Loi normale

En théorie des probabilités et en statistique, les lois normales sont parmi les lois de probabilité les plus utilisées pour modéliser des phénomènes naturels issus de plusieurs événements aléatoires. Elles sont en lien avec de nombreux objets mathématiques dont le mouvement brownien, le bruit blanc gaussien ou d'autres lois de probabilité. Elles sont également appelées lois gaussiennes, lois de Gauss ou lois de Laplace-Gauss des noms de Laplace (1749-1827) et Gauss (1777-1855), deux mathématiciens, astronomes et physiciens qui l'ont étudiée.

Afficher plus

Séances de cours associées (64)

ECDF et Quantiles

Couvre ECDF, quantiles, moyenne, médiane, et des parcelles de boîte pour l'analyse des ensembles de données.

Prix binomial multi-périodes

Couvre le concept de tarification binomiale multipériodique et la formule Black-Scholes.

Swaptions: modèles de taux d'intérêt

Couvre les swaps, la monnaie, les obligations callables, les formules de prix et les volatilités implicites.

Innovation financière : volatilité implicite

Plonge dans la volatilité implicite, la volatilité historique, les implications de la tarification des options et divers modèles de volatilité dans l'innovation financière.

Probabilité et statistiques

Couvre les concepts fondamentaux des probabilités et des statistiques, y compris les distributions, les propriétés et les attentes des variables aléatoires.

Afficher plus

Concepts associés (32)

Fonction de répartition empirique

Fonction de répartition