Machine Learning pour l’estimation de la volatilit.

Abstract

Ce mémoire se concentre sur l’application du Machine Learning pour estimer la volatilité des actifs financiers dans le contexte des marchés volatils et incertains. Dans notre étude sur la volatilité, nous avons choisi de nous concentrer principalement sur la volatilité historique, et d’utiliser la régression linéaire comme méthode de "machine learning" qui a gagné en popularité ces dernières années dans ce contexte. Ces choix ont été faits en raison de leur simplicité, de leur interprétabilité et de leur utilisation répandue dans le domaine financier. La régression linéaire nous permet de modéliser la relation entre la volatilité et les données historiques de manière simple et compréhensible. This dissertation focuses on the application of Machine Learning to estimate the volatility of financial assets in the context of volatile and uncertain markets. In our study on volatility, we chose to primarily focus on historical volatility and to use linear regression as a Machine Learning method that has gained popularity in recent years in this context. These choices were made due to their simplicity, interpretability, and widespread use in the financial domain. Linear regression allows us to model the relationship between volatility and historical data in a simple and understandable way.