IA et trading algorithmique
Le machine learning appliqué aux marchés promet beaucoup et échoue souvent, pour des raisons précises : peu de signal, beaucoup de bruit, et des données dont les propriétés changent dans le temps.
Ces articles font le tri entre les usages qui tiennent et ceux qui relèvent du discours commercial.
IA trading algorithmique : usages réels vs marketing
Entre promesses marketing et usages réels, où en est vraiment l'IA trading algorithmique aujourd'hui ? Un état des lieux sans hype des apports concrets et des limites structurelles.
Overfitting en machine learning trading : pourquoi tant de modèles échouent
Un modèle qui prédit parfaitement le passé et s'effondre en conditions réelles : l'overfitting est le piège numéro un du machine learning appliqué au trading. Comprendre pourquoi, et comment s'en prémunir.
Robo-advisors : comment fonctionne réellement l'allocation automatisée
0,25 % de frais annuels contre 1,5 % : sur 30 ans, l'écart représente 57 100 € sur un capital de 247 454 €, calculé sur un investissement régulier. Ce que fait vraiment un robo-advisor, avec trois calculs réels sur les frais, l'instabilité de Markowitz et le rééquilibrage.