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 limitations dans les contextes financiers

Réseaux adversariels générateurs (GANs) pour la finance

  • Fonctionnement des GANs : générateurs contre discriminateurs
  • Applications dans la génération de données synthétiques et la simulation de fraudes
  • Étude de cas : génération de données de transactions réalistes pour les tests

Modèles à grande échelle (LLMs) et applications financières

  • Comment les LLMs comprennent et génèrent du texte financier
  • Conception de prompts pour la prévision et l'analyse des risques
  • Cas d'utilisation : synthèse de rapports financiers, KYC, détection des 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 en utilisant des données structurées et non structurées

Détection de la fraude et identification des anomalies

  • Utilisation des GANs pour la détection d'anomalies dans les transactions
  • Identification des motifs frauduleux émergents par le biais des workflows basés sur des prompts LLM
  • Évaluation du modèle : faux positifs contre indicateurs de risques véritables

Implications réglementaires et éthiques

  • Explicabilité et transparence des sorties des modèles génératifs IA
  • Risque de hallucination et de biais du modèle dans la finance
  • Conformité aux attentes réglementaires (par exemple, les directives Basel)

Concevoir des systèmes génératifs pour les institutions financières

  • Construction de cas d'affaires pour l'adoption interne
  • Équilibre entre innovation, risque et conformité
  • Cadres de gouvernance pour un déploiement responsable de l'IA

Résumé 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
  • La familiarité avec Python est un atout mais n'est pas obligatoire

Public cible

  • Gestionnaires des risques
  • Analystes de conformité
  • Auditeurs financiers
 14 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires