Abstract:
Dans ce mémoire, nous abordons la problématique cruciale de la prédiction de la volatilité des marchés financiers, essentielle pour les investisseurs et les gestionnaires de risques.
Nous comparons la performance des modèles traditionnels tels que GARCH, avec des modèles d'apprentissage automatique modernes, notamment le réseau de neurones artificiels
(ANN), XGBoost, LightGBM et CatBoost. Notre travail repose sur l'analyse de données provenant de cinq secteurs industriels distincts, et nous évaluons l'efficacité de chaque modèle
en utilisant des métriques fiables telles que MAE, MSE et RMSE. En identifiant le modèle
le plus précis pour chaque secteur, nous proposons des recommandations concrètes pour
améliorer la gestion des risques financiers et optimiser les stratégies d'investissement. Notre
étude met en lumière l'importance des approches innovantes pour prédire les fluctuations
du marché et offrir des outils fiables aux décideurs financiers.
