Les grands progrès réalisés en matière de big data et de machine learning (ML) repoussent les limites de l'investissement quantitatif. Ces avancées sont facilitées par l'amélioration de la puissance de calcul, qui permet de déployer et d'utiliser des modèles de ML . Contrairement aux modèles basés sur des règles, le machine learning repose entièrement sur les données, et il est capable de modéliser des relations non linéaires complexes. Il peut détecter des schémas systématiques et répétitifs que les simples modèles linéaires ne captent pas.
Ainsi, éviter d'investir dans les sociétés qui connaissent des difficultés financières peut améliorer les performances des stratégies actions quantitatives. Cela dit, repérer les firmes les plus susceptibles de se retrouver en détresse est loin d'être simple. De nombreux critères peuvent aider à prédire ce genre de situation, mais la façon la plus efficace de le faire est peut-être de manière non linéaire ou dans des combinaisons spécifiques. Les techniques de ML sont justement conçues pour surmonter ces difficultés.
Notre livre blanc examine en profondeur la façon dont les techniques de ML peuvent être utilisées pour prédire l'effondrement du cours d'une action.