Évaluation financièreL'évaluation financière est l'estimation de la valeur (c'est-à-dire du prix potentiel): des actifs et engagements financiers (actions, obligations, options, contrats d'épargne) et des entreprises évaluation d'entreprise) Tout placement financier étant fait dans une optique future, les principaux paramètres d’estimation de la valeur du placement sont les gains que l'on attend et les risques que l'on perçoit. finance, actif financier, évaluation du prix d'une action, évaluation d'option, évaluation financière
Intelligence artificiellevignette|redresse=0.8|Les assistants personnels intelligents sont l'une des applications concrètes de l'intelligence artificielle dans les années 2010. L'intelligence artificielle (IA) est un ensemble de théories et de techniques visant à réaliser des machines capables de simuler l'intelligence humaine. Souvent classée dans le groupe des mathématiques et des sciences cognitives, elle fait appel à la neurobiologie computationnelle (particulièrement aux réseaux neuronaux) et à la logique mathématique (partie des mathématiques et de la philosophie).
Random walk hypothesisThe random walk hypothesis is a financial theory stating that stock market prices evolve according to a random walk (so price changes are random) and thus cannot be predicted. The concept can be traced to French broker Jules Regnault who published a book in 1863, and then to French mathematician Louis Bachelier whose Ph.D. dissertation titled "The Theory of Speculation" (1900) included some remarkable insights and commentary. The same ideas were later developed by MIT Sloan School of Management professor Paul Cootner in his 1964 book The Random Character of Stock Market Prices.
Attention (machine learning)Machine learning-based attention is a mechanism mimicking cognitive attention. It calculates "soft" weights for each word, more precisely for its embedding, in the context window. It can do it either in parallel (such as in transformers) or sequentially (such as recursive neural networks). "Soft" weights can change during each runtime, in contrast to "hard" weights, which are (pre-)trained and fine-tuned and remain frozen afterwards. Multiple attention heads are used in transformer-based large language models.
Capital market lineCapital market line (CML) is the tangent line drawn from the point of the risk-free asset to the feasible region for risky assets. The tangency point M represents the market portfolio, so named since all rational investors (minimum variance criterion) should hold their risky assets in the same proportions as their weights in the market portfolio. The CML results from the combination of the market portfolio and the risk-free asset (the point L).
Allocation d'actifsL'allocation d'actifs est une étape de la gestion d'actifs qui consiste à définir la part à donner à chaque catégorie de valeurs au sein d'un portefeuille d'investissement. L'allocation est généralement faite par secteur (cyclique, défensif, sensible), par profil (croissance, valeur), par géographie et/ou par classe d'actifs (actions, obligations, immobilier, matières premières, etc.) Pour déterminer l'allocation d'actifs optimale, l'investisseur recherche un équilibre entre le rendement attendu des actifs et les risques qu'ils représentent.
Security market lineSecurity market line (SML) is the representation of the capital asset pricing model. It displays the expected rate of return of an individual security as a function of systematic, non-diversifiable risk. The risk of an individual risky security reflects the volatility of the return from security rather than the return of the market portfolio. The risk in these individual risky securities reflects the systematic risk. The Y-intercept of the SML is equal to the risk-free interest rate.
Anomalie de marchéUne anomalie de marché est un concept de la théorie néoclassique, désignant des situations où les conditions de marché ne correspondraient pas au cas théorique d'une concurrence parfaite, notamment d'une rationalité parfaite. Le résultat en serait que le prix observé ne serait pas un prix d'équilibre permettant d'atteindre un équilibre général. La notion est voisine, mais différente de celle de défaillances du marché, qui concerne plutôt l'allocation défectueuse des ressources économiques.
Modèle d'évaluation des actifs financiersLe modèle d'évaluation des actifs financiers (MEDAF, ou en anglais Capital asset pricing model) est un modèle financier qui fournit une estimation du taux de rentabilité attendu par le marché pour un actif financier en fonction de son risque systématique. Le MEDAF ou capital asset pricing model explique la réalisation de l'équilibre du marché par l'offre et la demande pour chaque titre. Il permet de déterminer la rentabilité d'un actif risqué par son risque systématique. MEDAF est une traduction approximative de la version anglophone.
Loi normaleEn 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.
Série temporellethumb|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.
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.
