Man Group explore l'IA pour la prévision de séries temporelles financières

L'Oxford Man Institute of Quantitative Finance de Man Group PLC a publié une recherche utilisant les Réseaux Antagonistes Génératifs (GAN) pour prévoir les données de séries temporelles financières. L'étude, présentée par l'étudiante diplômée Milena Vuletić, introduit une approche novatrice appelée Fin-GAN pour la prédiction et la classification des séries temporelles financières.

Allant au-delà des méthodes de prévision traditionnelles qui s'appuient souvent sur des estimations ponctuelles, la méthodologie Fin-GAN génère des distributions de probabilité conditionnelles complètes pour les prévisions de rendement. Cela permet d'intégrer l'incertitude basée sur les valeurs historiques passées et positionne les GAN dans un cadre d'apprentissage supervisé adapté aux tâches de classification.

Des expériences numériques menées sur des données d'actions ont démontré l'efficacité de l'approche Fin-GAN. La recherche indique que cette méthode a atteint des ratios de Sharpe plus élevés par rapport aux modèles conventionnels d'apprentissage supervisé tels que les LSTM (Long Short-Term Memory) et ARIMA (Autoregressive Integrated Moving Average).

Cette recherche fait partie des collaborations continues de Man Group avec des institutions universitaires visant à faire progresser la finance quantitative. Le développement suggère un potentiel pour des stratégies d'investissement et des outils de gestion des risques améliorés qui tiennent compte de la volatilité du marché grâce à des techniques d'IA avancées.