Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction aux modèles génératifs en finance
- Aperçu des modèles génératifs et leur pertinence pour la finance
- Types de modèles génératifs : LLMs, GANs, VAEs
- Avantages et limites dans les contextes financiers
Réseaux Adversariaux Génératifs (GANs) pour la finance
- Fonctionnement des GANs : générateurs vs discriminators
- Applications à la génération de données synthétiques et à la simulation de fraude
- Cas d'étude : génération de données transactionnelles réalistes pour le test
LLMs en finance
- Fonctionnement des LLMs pour comprendre et générer du texte financier
- Conception de prompts pour la prévision et l'analyse des risques
- Cas d'utilisation : synthèse de rapports financiers, KYC, détection de signaux d’alarme
Prévisions financières avec les modèles génératifs
- Prévision des séries temporelles avec des modèles hybrides LLM et ML
- Génération de scénarios et tests de résistance
- Cas d'utilisation : prévision des revenus à partir de données structurées et non structurées
Détection de la fraude et identification des anomalies
- Utilisation des GANs pour la détection d'anomalies dans les transactions
- Détection des modèles émergents de fraude via des workflows basés sur LLM
- Évaluation du modèle : faux positifs vs indicateurs réels de risque
Implications réglementaires et éthiques
- Explicabilité et transparence dans les sorties des modèles génératifs IA
- Risque d'hallucination du modèle et de biais en finance
- Conformité aux attentes réglementaires (par exemple, GDPR, lignes directrices de Basel)
Conception de modèles génératifs pour les institutions financières
- Mise en place de cas d'affaires internes pour l'adoption des modèles génératifs
- Équilibre entre innovation, risques et conformité
- Cadres de gouvernance pour un déploiement responsable de l'IA
Récapitulatif et prochaines étapes
Pré requis
- Une compréhension des concepts de base en finance et en gestion des risques
- Expérience avec les tableurs ou l'analyse de données de base
- L'amiliarité avec Python est utile mais non obligatoire
Public cible
- Gestionnaires des risques
- Analystes de conformité
- Auditeurs financiers
14 Heures