| name | financial-machine-learning |
| description | Compétence en recherche en apprentissage automatique appliqué à la finance. Couvre la prédiction de séries financières, les transformers pour la finance, le deep learning pour la volatilité, le NLP financier, l'analyse de sentiment, la détection de fraudes, la scoring de crédit, l'explicabilité en finance, les modèles de fondation pour la finance et l'IA générative en finance. |
| category | research |
Compétence en Recherche — Machine Learning pour la Finance
Présentation
Cette compétence couvre la recherche académique en apprentissage automatique appliqué à la finance. Elle permet de naviguer sur arXiv (q-fin, cs, stat) et les conférences ML (NeurIPS, ICML, ICLR) pour trouver les articles les plus récents.
Prédiction de Séries Temporelles Financières
- LSTM, GRU et réseaux récurrents pour la finance
- Transformers pour séries temporelles financières
- Modèles de fondation temporels (Time Series Foundation Models)
- Forecasting Realized Volatility with Time Series Foundation Models (q-fin.ST)
Deep Learning pour la Volatilité
- LSTM vs modèles économétriques (GARCH, HAR)
- Neural GARCH et hybrides deep learning-économétrie
- Volatility forecasting avec réseaux de neurones
- Can LSTM outperform volatility-econometric models?
NLP et Analyse de Sentiment Financier
- Sentiment des news financières (45 years of economic news sentiment)
- Détection de sentiment de marché et analyse de rapports
- Analyse de discours des banques centrales et rapports annuels
- Extraction d'entités financières et relations
Détection de Fraude et Anomalies
- Transactions suspectes, blanchiment d'argent (AML)
- Détection de fraudes par ML (Random Forest, XGBoost, GNN)
- Anti-money laundering et systèmes de surveillance
- Réseaux de neuromes pour la détection d'anomalies
Scoring de Crédit et Underwriting
- ML pour le credit scoring (prêts, mortgages)
- Explainable credit models et régulation
- Modèles de défaut et scoring comportemental
- Underwriting automatisé et fairness
XAI en Finance (Explainable AI)
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- SHARC: SHAP-Based ML Risk Models for Regulatory Capital (ICAAP CCAR, q-fin.RM)
- Transparence et interprétabilité en finance
Transformers et LLMs pour la Finance
- LLM agents pour le trading et l'analyse financière
- NLP pour contrats financiers et documents
- Fine-tuning de LLMs pour la finance
- Governing Generative AI Across Financial Institutions
Modèles de Fondation pour la Finance
- Time Series Foundation Models (TimesFM, Lag-Llama, etc.)
- Modèles pré-entraînés pour séries financières
- Transfer learning pour les données financières
- Deep Learning for Dynamic Programming with Recursive Utility
Catégories arXiv
- q-fin.ST (Statistical Finance)
- q-fin.CP (Computational Finance)
- cs.LG (Machine Learning)
- stat.ML (Machine Learning)
- cs.CL (Computation and Language)
- q-fin.RM (Risk Management)
Articles Clés
- Forecasting Realized Volatility with TSFM (q-fin.ST)
- Can LSTM outperform volatility-econometric models?
- SHARC: SHAP-Based ML Risk Models for Regulatory Capital
- Governing Generative AI Across Financial Institutions
- Deep Learning for Dynamic Programming with Recursive Utility
