Modèles de fondation et IA générative pour les séries temporelles financières

Présentation

Cet axe de recherche porte sur la prédiction des séries temporelles financières à l’aide de modèles de fondation. La grande variété de ces séries, allant des données du carnet d’ordres aux données historiques sur les actions, les obligations ou les produits dérivés, et l’inclusion de variables explicatives externes, rendent ce problème particulièrement complexe en pratique.

Les transformeurs ont été utilisés avec succès pour construire des modèles de langage de grande taille (LLM) en tirant parti du mécanisme d’attention afin de renforcer les fortes relations de dépendance au sein du langage. Cependant, la structure de dépendance des séries temporelles financières s’avère beaucoup plus difficile à modéliser en raison de la variabilité des comportements statistiques entre les ensembles de données et au fil du temps au sein d’un même ensemble. Nous explorons donc plusieurs pistes de recherche, notamment des aspects plus théoriques des modèles de fondation, afin de mieux appréhender les comportements à basse et haute fréquence des séries temporelles financières tout en garantissant l’évolutivité du modèle.

Responsables de l’axe

Laurent Carlier

Head of AI Lab at BNP Paribas Global Market

Laurent Carlier est diplômé d’un master en mathématiques appliquées de Centrale Paris ainsi que d’un master en finance quantitative de Sorbonne Université. Il possède plus de vingt-cinq ans d’expérience dans le secteur bancaire. Il a d’abord dirigé plusieurs équipes de recherche quantitative à Londres, Tokyo et New York. Depuis dix ans, il pilote depuis Paris le Data and AI Lab dédié aux activités de Corporate and Investment Banking – Global Markets de BNP Paribas. Ses principaux domaines d’intervention consistent à concevoir et déployer des projets visant à automatiser des tâches, accroître la productivité et améliorer la tarification ainsi que la gestion des risques des produits financiers grâce à l’intelligence artificielle, qu’elle soit traditionnelle ou générative.

François Roueff

Professeur à Télécom Paris

François Roueff a obtenu une maîtrise à l'École Polytechnique en 1995, puis un doctorat en traitement du signal à l'École Nationale Supérieure des Télécommunications, en 2000. Il est actuellement professeur à Télécom Paris, Institut Polytechnique de Paris, au sein du groupe S2A du laboratoire LTCI. Ses recherches portent sur la modélisation des séries temporelles, avec des thèmes spécifiques liés à la modélisation des données financières à basse ou haute fréquence : inférence statistique pour les modèles à mémoire longue, prévision dans un contexte variable dans le temps et modélisation des processus ponctuels.