| Titre : | Élaboration de modèles prédictifs sur des actifs nanciers | | Type de document : | projet fin études | | Auteurs : | Hamza AL ABKADRI, Auteur | | Langues : | Français (fre) | | Catégories : | Systèmes embarqués et mobiles
| | Index. dĂ©cimale : | 2005/18 | | RĂ©sumĂ© : | Le présent document est le fruit de notre projet de n d'études eectué au sein de
Nimble ways, une jeune start-up de conseil et réalisation en digital et intelligence arti
cielle. Le PFE s'inscrit dans le cadre d'un projet client, réalisé en faveur d'un acteur
majeur du secteur nancier BMCE Capital. L'objectif de notre projet est l'enrichissement
du processus d'aide à la décision du client, en intégrant des données externes,
permettant d'appréhender l'entreprise dans son milieu ambiant interne et externe.
Le processus d'aide à la décision étudié est celui de l'analyse du comportement des
acteurs nanciers, avec pour objectif de proposer une solution permettant de traiter les
données et de prédire le taux d'intérêt dé nis par Bank AL-Maghrib pour les bons de
trésor de l'état et le comportement de rachat et souscriptions des clients de la banque.
Pour cela, on traitera les données du client avant d'élaborer des modèles prédictifs pour
le taux de bon de trésor et le comportement des clients. Ensuite, on automatisera le
processus de prédiction par l'automatisation de l'extraction des données et de transfert
des rapports de prédiction aux diérents parties prenantes
Le projet respecte les étapes du cycle de vie d'un projet de Data Science, qui commence
par une compréhension du problème métier, suivie d'une phase d'identi cation
des sources de données potentielles, à laquelle succèdent la collecte et la préparation des
données. Finalement, vient la partie d'élaboration des modèles de prédiction, puis le dé-
ploiement et l'industrialisation de la solution.
Le projet s'est réalisé en trois grandes parties : La première partie concerne la pré-
paration des données non structurées recueillies du client, il a pour but le pré-traitement
et le nettoyage de données en appliquant diérentes méthodes avant de procéder à la
modélisation. La deuxième partie, quant à elle, concerne l'élaboration des modèles : le
premier est la classi cation multiple qui permet la prédiction du comportement de rachat
et souscription des clients, le deuxième est la régression permettant la prédiction des "taux
5 ans" du bon du trésor. en n on implémente la solution qui automatise l'extraction des
données et la prédiction des valeurs cibles. |
Élaboration de modèles prédictifs sur des actifs nanciers [projet fin études] / Hamza AL ABKADRI, Auteur . - [s.d.]. Langues : Français ( fre) | Catégories : | Systèmes embarqués et mobiles
| | Index. dĂ©cimale : | 2005/18 | | RĂ©sumĂ© : | Le présent document est le fruit de notre projet de n d'études eectué au sein de
Nimble ways, une jeune start-up de conseil et réalisation en digital et intelligence arti
cielle. Le PFE s'inscrit dans le cadre d'un projet client, réalisé en faveur d'un acteur
majeur du secteur nancier BMCE Capital. L'objectif de notre projet est l'enrichissement
du processus d'aide à la décision du client, en intégrant des données externes,
permettant d'appréhender l'entreprise dans son milieu ambiant interne et externe.
Le processus d'aide à la décision étudié est celui de l'analyse du comportement des
acteurs nanciers, avec pour objectif de proposer une solution permettant de traiter les
données et de prédire le taux d'intérêt dé nis par Bank AL-Maghrib pour les bons de
trésor de l'état et le comportement de rachat et souscriptions des clients de la banque.
Pour cela, on traitera les données du client avant d'élaborer des modèles prédictifs pour
le taux de bon de trésor et le comportement des clients. Ensuite, on automatisera le
processus de prédiction par l'automatisation de l'extraction des données et de transfert
des rapports de prédiction aux diérents parties prenantes
Le projet respecte les étapes du cycle de vie d'un projet de Data Science, qui commence
par une compréhension du problème métier, suivie d'une phase d'identi cation
des sources de données potentielles, à laquelle succèdent la collecte et la préparation des
données. Finalement, vient la partie d'élaboration des modèles de prédiction, puis le dé-
ploiement et l'industrialisation de la solution.
Le projet s'est réalisé en trois grandes parties : La première partie concerne la pré-
paration des données non structurées recueillies du client, il a pour but le pré-traitement
et le nettoyage de données en appliquant diérentes méthodes avant de procéder à la
modélisation. La deuxième partie, quant à elle, concerne l'élaboration des modèles : le
premier est la classi cation multiple qui permet la prédiction du comportement de rachat
et souscription des clients, le deuxième est la régression permettant la prédiction des "taux
5 ans" du bon du trésor. en n on implémente la solution qui automatise l'extraction des
données et la prédiction des valeurs cibles. |
|
200/00 
Faire une suggestion Affiner la recherche
Élaboration de modèles prédictifs sur des actifs nanciers / Hamza AL ABKADRI
