From
Horaires à
Lieu 1B56, ENS Paris-Saclay
Anne ZHAO
Méthodes de Machine Learning appliquées à la détection de manipulation de marchés financiers
Résumé de la thèse
Cette thèse porte sur l’application de l’apprentissage automatique à la détection des manipulations de marché, en collaboration avec l’Autorité des Marchés Financiers (AMF). Elle aborde plusieurs défis majeurs : données financières haute fréquence, rareté des cas annotés, complexité des comportements et contraintes propres aux environnements industriels. L’approche proposée associe une revue des travaux existants à la conception d’un système modulaire fondé sur l’ensemble learning. Les expérimentations menées sur des cas de layering issus des enquêtes de l’AMF montrent que les modèles entraînés sur des dossiers spécifiques surpassent les algorithmes déterministes actuellement utilisés. Toutefois, la mise en place d’un système global de surveillance suppose encore des avancées en matière de combinaison de règles de détection, de protocoles d’évaluation et d’intégration opérationnelle.
Direction de thèse
- Nicolas VAYATIS, Professeur, Centre Borelli, ENS Paris-Saclay (Directeur)
- Theodoros EVGENIOU, Professeur, Institut européen d'administration des affaires (INSEAD) (Codirecteur)
- Iris LUCAS, Ph.D., Autorité des Marchés Financiers (Tutrice en entreprise)
Composition du jury
- Gianluca BONTEMPI, Professeur, Université Libre de Bruxelles (Rapporteur & Examinateur)
- Christophe HURLIN, Professeur, Université d'Orléans (Rapporteur & Examinateur)
- Charles-Albert LEHALLE, Professeur, École Polytechnique (Examinateur)
- Mathilde MOUGEOT, Professeure, Université Paris-Saclay, École Normale Supérieure Paris-Saclay (Examinatrice)
- Denisa RADU-BANULESCU, Maîtresse de conférences, Université d'Orléans (Examinateur)