Machine Learning appliqué en Finance : Une lecture théorique des domaines d’application

Résumé

L’application du Machine Learning en finance a fait l’objet de diverses recherches, mais l’analyse de ses domaines d’application, ses apports économiques ainsi que les limites de sa mise en œuvre méritent d’être approfondies. Cet article propose une synthèse théorique visant à mettre en relation ces différentes dimensions afin de mieux apprécier les possibilités et les contraintes associées à l'intégration de ces technologies dans les activités financières. Il vise à présenter les principales contributions de ce domaine de recherche en plein développement, à examiner la diversité de ses domaines d’application et à identifier les enjeux ainsi que les perspectives susceptibles d’orienter les recherches futures. Ainsi, l'étude aborde les fondements conceptuels de l'intelligence artificielle, de l'apprentissage automatique et de l'apprentissage profond, ainsi que les applications de ces techniques aux activités financières. Le document aborde également les opportunités que ces méthodes offrent pour exploiter des données financières complexes, identifier des relations non linéaires et soutenir les processus de prise de décision, et en même temps les principales limitations de leur utilisation. Sur le plan méthodologique, cet article adopte une lecture conceptuelle et comparative des principales contributions, en vue d'identifier les domaines d'utilisation de ces technologies, leurs apports économiques ainsi que les limites associées à leur intégration dans les activités financières.

JEL Classification : O33, G17, C53

Type du papier : Recherche Théorique