Trouvez votre emploi idéal
Espace Recruteurs

Machine learning ou économie : quel cursus pour les postes de trading en finance ?

Si vous visez un poste en trading dans les services financiers, vous vous demandez peut-être s'il faut opter pour des études d’économétrie ou vous diriger vers le machine learning, un domaine en pleine croissance. Un nouvel article offre quelques pistes de réflexion.

Joseph Simonian, fondateur d’Autonomous Investment Technologies - cabinet de conseil en IA quantitative, a publié cette semaine un article de recherche qui se penche sur les principales différences entre l'économétrie et le machine learning. Pour parvenir à la conclusion suivante : l’économétrie est plus utile pour expliquer le passé, alors que le machine learning est meilleur pour prédire l'avenir.

L'article souligne un avantage-clé de l'économétrie : elle permet aux chercheurs de « comprendre la relation entre les variables et de procéder à des déductions économiques représentatives ». L'économétrie adopte davantage une 'culture de la modélisation des données', dans laquelle les données sont utilisées pour fournir « des informations sur les relations existantes entre les variables d'entrée et de réponse ».

Cette approche peut poser problème dès lors qu’il s'agit de prédire l'avenir, car les relations de causalité sont rarement linéaires. Les stimuli externes, visibles comme invisibles, agissent en permanence sur les variables étudiées. Les variables sont sélectionnées manuellement, et il est donc possible que des variables potentiellement importantes soient négligées.

Les modèles de machine learning sont quant à eux « hautement flexibles » et capables d’appréhender les liens de causalité complexes cachés dans les données. Ils sont également suffisamment robustes pour gérer les données manquantes, alors que les modèles économétriques nécessiteraient un « traitement explicite » de ces données, susceptible d’introduire des biais. Le principal problème des modèles de machine learning tient souvent au manque de clarté sur la manière d’arriver à la solution, même quand celle-ci est correcte.

Si vous visez un poste dans les hedge funds et établissements de trading plus petits, mais aux rémunérations très généreuses, mieux vaut sans doute donner la priorité au machine learning. Ce sont en général des entreprises privées, donc moins susceptibles d’attirer l’attention du public et du régulateur. C’est pourquoi elles privilégient les résultats, domaine où le machine learning est plus performant.

Les banques et les gestionnaires d’actifs sont des entreprises qui traitent avec des clients. Les métiers du trading y sont donc sensiblement différents. Joseph Simonian a déclaré par le passé, lors d'un panel pour le CFA Institute, que ces entreprises avaient « un besoin très fort d'expliquer leurs produits à leurs clients ». Dans ce type de contexte, utiliser l'économétrie dans vos modèles les rendra beaucoup plus faciles à expliquer qu'un algorithme d’IA soi-disant 'magique'.

Have a confidential story, tip, or comment you’d like to share? Contact: +44 7537 182250 (SMS, WhatsApp or voicemail). Telegram: @AlexMcMurray. Click here to fill in our anonymous form, or email editortips@efinancialcareers.com. Signal also available.

Bear with us if you leave a comment at the bottom of this article: all our comments are moderated by human beings. Sometimes these humans might be asleep, or away from their desks, so it may take a while for your comment to appear. Eventually it will – unless it’s offensive or libelous (in which case it won’t.)

author-card-avatar
AUTEURAlex McMurray

Abonnement newsletter

Recevez les derniers conseils carrière et toute l'actu emploi finance directement dans votre boîte mail

Donnez un nouvel élan à votre carrière

Trouvez des milliers d'opportunités emploi en vous inscrivant sur eFinancialCareers dès aujourd'hui.
À lire aussi
Offres recommandées

Abonnement newsletter

Recevez les derniers conseils carrière et toute l'actu emploi finance directement dans votre boîte mail