Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Modèles ARCH et GARCH

Dans cours

FIN-407: Machine learning in finance

This course aims to give an introduction to the application of machine learning to finance, focusing on the problems of portfolio optimization, return prediction, and textual analysis. A particular focus will be on deep learning and the practical details o ...

Description

Cette séance de cours couvre les modèles ARCH et GARCH, en mettant l'accent sur le cluster de volatilité et les modèles de séries chronologiques. Il explique les concepts, les équations et les applications de ces modèles en finance et en macroéconomie. L'instructeur discute des étapes d'estimation, d'étalonnage et de filtrage, y compris les filtres Kalman, Kalman étendu et Kalman non parfumé, ainsi que le filtre à particules. Des considérations pratiques et des exemples de demandes sont également présentés.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e

Semyon Malamud

Source officielle

Proximité ontologique

Économie (discipline)

Microéconomie: Financial economics

Concepts associés (32)

Série temporelle

thumb|Exemple de visualisation de données montrant une tendances à moyen et long terme au réchauffement, à partir des séries temporelles de températures par pays (ici regroupés par continents, du nord au sud) pour les années 1901 à 2018. Une série temporelle, ou série chronologique, est une suite de valeurs numériques représentant l'évolution d'une quantité spécifique au cours du temps. De telles suites de variables aléatoires peuvent être exprimées mathématiquement afin d'en analyser le comportement, généralement pour comprendre son évolution passée et pour en prévoir le comportement futur.

Filtre de Kalman

vignette| Concept de base du filtre de Kalman. En statistique et en théorie du contrôle, le filtre de Kalman est un filtre à réponse impulsionnelle infinie qui estime les états d'un système dynamique à partir d'une série de mesures incomplètes ou bruitées. Le filtre a été nommé d'après le mathématicien et informaticien américain d'origine hongroise Rudolf Kálmán. Le filtre de Kalman est utilisé dans une large gamme de domaines technologiques (radar, vision électronique, communication...).

Volatilité stochastique

La volatilité stochastique est utilisée dans le cadre de la finance quantitative, pour évaluer des produits dérivés, tels que des options. Le nom provient du fait que le modèle traite la volatilité du sous-jacent comme un processus aléatoire, fonction de variables d'états telles que le prix du sous-jacent, la tendance qu'a la volatilité, à moyen terme, à faire revenir le prix vers une valeur moyenne, la variance du processus de la volatilité, etc.

Filtre particulaire

Les filtres particulaires, aussi connus sous le nom de méthodes de Monte-Carlo séquentielles, sont des techniques sophistiquées d'estimation de modèles fondées sur la simulation. Les filtres particulaires sont généralement utilisés pour estimer des réseaux bayésiens et constituent des méthodes 'en-ligne' analogues aux méthodes de Monte-Carlo par chaînes de Markov qui elles sont des méthodes 'hors-ligne' (donc a posteriori) et souvent similaires aux méthodes d'échantillonnage préférentiel.

Modèle linéaire

vignette|Données aléatoires sous forme de points, et leur régression linéaire. Un modèle linéaire multivarié est un modèle statistique dans lequel on cherche à exprimer une variable aléatoire à expliquer en fonction de variables explicatives X sous forme d'un opérateur linéaire. Le modèle linéaire est donné selon la formule : où Y est une matrice d'observations multivariées, X est une matrice de variables explicatives, B est une matrice de paramètres inconnus à estimer et U est une matrice contenant des erreurs ou du bruit.

Afficher plus

Séances de cours associées (33)

Gestion quantitative des risques : modélisation de la volatilité

Couvre la modélisation de la volatilité dans la gestion des risques, y compris l'ARMA, l'ARCH, les modèles GARCH, la représentation causale et la prévision.

Mémoire longue et ARCH: Séries chronologiques Math 342

Explore la mémoire longue dans les séries temporelles et les processus d'hétéroskédasticité conditionnelle autorégressive dans les données financières.

Séries chronologiques: prévisions et longue mémoire

Explore les prévisions dans l'analyse des séries chronologiques, les processus de mémoire longue et les modèles ARCH pour la modélisation de la volatilité.

Modélisation structurelle et le filtre Kalman: Séries chronologiques

Explore la modélisation structurelle dans les séries chronologiques et introduit le filtre Kalman pour la prédiction et l'estimation.

Séries chronologiques financières : Faits et modèles stylisés

Examine les séries chronologiques financières, y compris les processus ARMA et GARCH, en mettant l'accent sur l'estimation des risques.

Afficher plus

Concepts associés (32)

Série temporelle

Filtre de Kalman

Volatilité stochastique

Filtre particulaire

Modèle linéaire

Afficher plus