L’utilisation des réseaux de

Neurones artificiels en finance

Résumé
Depuis le début de la décennie 1990, les réseaux de neurones artificiels habituellement utilisés en physique appliquée font leur entrée dans les sciences de gestion en tant que méthode quantitative de prévision, à côté des méthodes statistiques classiques. Ils sont en particulier utilisés en finance, mais d’autres champs de la gestion sont aussi concernés.
L’objet du présent exposé est d’abord de présenter succinctement l’architecture et le mode de fonctionnement de la classe de réseaux les plus couramment utilisés en finances : les réseaux à couches. Il est ensuite de montrer l’intérêt de cet outil pour les applications de finance, face aux méthodes statistiques classiques, à travers un balayage des champs d’application déjà explorés.
Enfin, la dernière partie s’attache à recenser les imperfections dont souffre encore cet outil, aujourd’hui en plein développement.

3
INTRODUCTION
Depuis le début de la décennie 1990, les réseaux de neurones artificiels habituellement utilisés en physique appliquée font leur entrée dans les sciences de gestion en tant que méthode quantitative de prévision, à côté des méthodes statistiques classiques. Ils sont en particulier utilisés en finance, mais d’autres champs de la gestion sont aussi concernés.
Il existe sans doute deux raisons principales qui ont conduit les chercheurs en Sciences de Gestion à s’intéresser à cet outil. La première est que contrairement aux méthodes statistiques classiques les réseaux de neurones artificiels ne nécessitent aucune hypothèse sur les variables. La seconde est qu’ils sont tout à fait adaptés pour traiter des problèmes complexes non structurés, c’est-à-dire des problèmes sur lesquels il est impossible a priori de spécifier la forme des relations entre les variables utilisées.
C’est grâce à des algorithmes, que ces systèmes apprennent par eux-mêmes les relations entre les variables à partir