Transactions à haute fréquenceLes transactions à haute fréquence, ou trading haute fréquence (THF ou en, de l'anglais high-frequency trading ou encore nano trading), sont l'exécution à grande vitesse de transactions financières faites par des algorithmes informatiques. C'est une des catégories du « trading automatique » (basé sur la décision statistique), qui gère de plus en plus les données boursières à la manière d'un big data devenu inaccessible aux analyses humaine et bancaire traditionnelles.
Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
Vasicek modelIn finance, the Vasicek model is a mathematical model describing the evolution of interest rates. It is a type of one-factor short-rate model as it describes interest rate movements as driven by only one source of market risk. The model can be used in the valuation of interest rate derivatives, and has also been adapted for credit markets. It was introduced in 1977 by Oldřich Vašíček, and can be also seen as a stochastic investment model.
Analyse techniqueL'analyse technique consiste en l’étude des graphiques de cours de la bourse et de différents indicateurs déduits des cours (actif sous-jacent) dans le but de prévoir l'évolution des marchés. Cette extrapolation graphique s'applique à tout type de marché comme les indices, prix, taux et matières premières. Elle n'est donc pas limitée à la bourse (marchés des actions) ; les mêmes outils et méthodes pouvant être appliqués à tout type d'actif sous-jacent dès lors que son prix est déterminé par la rencontre de l'offre et de la demande.
Types of artificial neural networksThere are many types of artificial neural networks (ANN). Artificial neural networks are computational models inspired by biological neural networks, and are used to approximate functions that are generally unknown. Particularly, they are inspired by the behaviour of neurons and the electrical signals they convey between input (such as from the eyes or nerve endings in the hand), processing, and output from the brain (such as reacting to light, touch, or heat). The way neurons semantically communicate is an area of ongoing research.
Value at riskLa VaR (de l'anglais value at risk, mot à mot : « valeur à risque », ou « valeur en jeu ») est une notion utilisée généralement pour mesurer le risque de marché d'un portefeuille d'instruments financiers. Elle correspond au montant de pertes qui ne devrait être dépassé qu'avec une probabilité donnée sur un horizon temporel donné. L'utilisation de la VaR n'est désormais plus limitée aux instruments financiers : on peut en faire un outil de gestion des risques dans tous les domaines (, par exemple).
Réseau de neurones récurrentsUn réseau de neurones récurrents (RNN pour recurrent neural network en anglais) est un réseau de neurones artificiels présentant des connexions récurrentes. Un réseau de neurones récurrents est constitué d'unités (neurones) interconnectées interagissant non-linéairement et pour lequel il existe au moins un cycle dans la structure. Les unités sont reliées par des arcs (synapses) qui possèdent un poids. La sortie d'un neurone est une combinaison non linéaire de ses entrées.
Stratégie d'investissementUne stratégie d'investissement est une stratégie utilisée par des fonds d'investissement, des banques d'investissement et autres investisseurs afin de générer des profits sur les marchés financiers. Cette stratégie consiste en un ensemble de règles et de procédures mises en œuvre pour guider les gestionnaires d'actifs dans la sélection de leurs actifs. Chaque gestionnaire d'actifs dispose d'une ou plusieurs stratégies, décidées à haut niveau. Ces stratégies règlent un arbitrage entre le risque et le retour sur investissement.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Analyse des donnéesL’analyse des données (aussi appelée analyse exploratoire des données ou AED) est une famille de méthodes statistiques dont les principales caractéristiques sont d'être multidimensionnelles et descriptives. Dans l'acception française, la terminologie « analyse des données » désigne donc un sous-ensemble de ce qui est appelé plus généralement la statistique multivariée. Certaines méthodes, pour la plupart géométriques, aident à faire ressortir les relations pouvant exister entre les différentes données et à en tirer une information statistique qui permet de décrire de façon plus succincte les principales informations contenues dans ces données.
Arbitrage statistiqueIn finance, statistical arbitrage (often abbreviated as Stat Arb or StatArb) is a class of short-term financial trading strategies that employ mean reversion models involving broadly diversified portfolios of securities (hundreds to thousands) held for short periods of time (generally seconds to days). These strategies are supported by substantial mathematical, computational, and trading platforms. Broadly speaking, StatArb is actually any strategy that is bottom-up, beta-neutral in approach and uses statistical/econometric techniques in order to provide signals for execution.
