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.
Volatilité (finance)La volatilité (en finance) est l'ampleur des variations du cours d'un actif financier. Elle sert de paramètre de quantification du risque de rendement et de prix d'un actif financier. Lorsque la volatilité est élevée, la possibilité de gain est plus importante, mais le risque de perte l'est aussi. C'est par exemple le cas de l'action d'une société plus endettée, ou disposant d'un potentiel de croissance plus fort et donc d'un cours plus élevé que la moyenne.
Implied volatilityIn financial mathematics, the implied volatility (IV) of an option contract is that value of the volatility of the underlying instrument which, when input in an option pricing model (such as Black–Scholes), will return a theoretical value equal to the current market price of said option. A non-option financial instrument that has embedded optionality, such as an interest rate cap, can also have an implied volatility. Implied volatility, a forward-looking and subjective measure, differs from historical volatility because the latter is calculated from known past returns of a security.
Volatility smileVolatility smiles are implied volatility patterns that arise in pricing financial options. It is a parameter (implied volatility) that is needed to be modified for the Black–Scholes formula to fit market prices. In particular for a given expiration, options whose strike price differs substantially from the underlying asset's price command higher prices (and thus implied volatilities) than what is suggested by standard option pricing models. These options are said to be either deep in-the-money or out-of-the-money.
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.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
Réseau de neurones à propagation avantUn réseau de neurones à propagation avant, en anglais feedforward neural network, est un réseau de neurones artificiels acyclique, se distinguant ainsi des réseaux de neurones récurrents. Le plus connu est le perceptron multicouche qui est une extension du premier réseau de neurones artificiel, le perceptron inventé en 1957 par Frank Rosenblatt. vignette|Réseau de neurones à propagation avant Le réseau de neurones à propagation avant est le premier type de réseau neuronal artificiel conçu. C'est aussi le plus simple.
Modélisation financièreLa modélisation financière consiste à représenter une situation financière grâce à un modèle mathématique, en fonction de différents paramètres. La modélisation financière facilite ainsi la prise de décision, en permettant de simuler divers scénarios et d’aboutir à des recommandations. La modélisation s’applique principalement à deux grands domaines de la finance, la finance d’entreprise et la finance de marché.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Deep belief networkIn machine learning, a deep belief network (DBN) is a generative graphical model, or alternatively a class of deep neural network, composed of multiple layers of latent variables ("hidden units"), with connections between the layers but not between units within each layer. When trained on a set of examples without supervision, a DBN can learn to probabilistically reconstruct its inputs. The layers then act as feature detectors. After this learning step, a DBN can be further trained with supervision to perform classification.
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.
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.
Bulle (économie)Une bulle économique (aussi appelée bulle de prix, bulle financière, ou encore bulle spéculative) est une situation où le niveau des prix d'un bien est anormalement élevé par rapport à sa valeur fondamentale, c'est-à-dire par rapport aux profits que le bien générera à l'avenir. Il existe ainsi, ex post, une décorrélation entre la valeur réelle du bien et le prix qui lui est assigné. Cette situation peut avoir lieu sur n'importe quel marché, qu'il s'agisse des marchés financiers (où s'échangent actions, obligations, devises), du marché immobilier ou encore du marché des matières premières.
Coefficient bêtaLe coefficient bêta est, en finance, une mesure de la volatilité du prix d'un actif par rapport à celle d'un marché financier. Il s'agit d'un coefficient clef du modèle d'évaluation des actifs financiers (MEDAF). Il est un indicateur utile dans la mise en place d'une stratégie de diversification des risques. Le bêta est le rapport entre la rentabilité de cet actif et celle du marché puisque la volatilité concerne les variations de cours qui sont un élément essentiel de rentabilité.
Neural networkA neural network can refer to a neural circuit of biological neurons (sometimes also called a biological neural network), a network of artificial neurons or nodes in the case of an artificial neural network. Artificial neural networks are used for solving artificial intelligence (AI) problems; they model connections of biological neurons as weights between nodes. A positive weight reflects an excitatory connection, while negative values mean inhibitory connections. All inputs are modified by a weight and summed.
Crise financièrethumb|Gravure du numéro du 24 mai 1884 du Harper's Weekly décrivant la situation à Wall Street le matin du 14 mai, lors de la . Une crise financière est un terme polysémique qui recouvre des réalités diverses dont le dénominateur commun est une chute abrupte d'une activité économique dématérialisée. Les crises monétaires, les crises bancaires et les crises boursières sont ainsi des crises financières. Le terme est aussi utilisé pour désigner les crises de la dette publique ou des crises qui affectent un marché à terme, voire un marché de produit agricole, comme celui touché au aux Pays-Bas par la tulipomanie.
Volatilité stochastiqueLa 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.
Modèle d'évaluation par arbitrageLe modèle d'évaluation par arbitrage ou MEA (en anglais, arbitrage pricing theory ou APT) est un modèle financier d'évaluation des actifs d'un portefeuille qui s'appuie sur l'observation des anomalies du MEDAF et considère les variables propres aux firmes susceptibles d'améliorer davantage le pouvoir prédictif du modèle d'évaluation. Pour lutter contre l'instabilité des bétas du MEDAF, le modèle MEA introduit des facteurs macroéconomiques et spécifiques.
Martingale localeDans la théorie des processus stochastiques, une martingale locale est un processus stochastique qui est localement une martingale, ce qui signifie qu'il y a une suite de localisation de temps d'arrêt et que le processus arrêté est une martingale. Soi un espace de probabilité filtré et un processus -adapté avec (zéro à zéro). S'il existe une suite non décroissante de temps d'arrêt de telle que et pour tout le processus arrêté défini par soit une martingale, alors on appelle une martingale locale et on écrit .
Mémoire à court termeLa mémoire à court terme (MCT) désigne en psychologie le type de mémoire qui permet de retenir et de réutiliser une quantité limitée d'informations pendant un temps relativement court, environ une demi-minute. Un grand nombre de recherches en psychologie cognitive ont cherché à déterminer les caractéristiques (capacité, durée, fonctionnement) et le rôle de la mémoire à court terme dans la cognition. Le concept de mémoire à court terme est assez ancien en psychologie scientifique.
