pen icon Communication
quote

Structurer le Big Data : comment les modèles financiers peuvent aider

WS

Membre a labase

William Sanger : Polytechnique Montréal

Résumé de la communication

De plus en plus d’êtres humains sont connectés entre eux depuis la démocratisation d’Internet et l’avènement des médias sociaux, entraînant l’augmentation du stockage des données personnelles des usagers. Ces données ont pour caractéristiques d’être massives, générées en temps réel, et sont non structurées (messages publiés sur Twitter, recherches effectuées à travers Google, applications mobiles...). L’objectif de notre recherche est de proposer une méthodologie robuste issue de l’industrie financière afin d’extraire l’information pertinente de ces données, l’industrie financière étant une industrie adaptée au traitement massif de données en temps réel.

La méthodologie employée se fonde sur les travaux initiés par Sharpe (1964) avec l’utilisation du Modèle d’évaluation des actifs financiers (MÉDAF). Ces modèles permettent de quantifier un actif en fonction de sa croissance et de sa volatilité.

En termes de résultats, l’utilisation de ce cadre d’analyse permet de quantifier l’évolution du niveau de risque perçu par la population québécoise à partir des données mises en ligne sur Twitter. 9 catégories de risques peuvent être ainsi évaluées en temps réel.

L’originalité de la recherche réside dans le fait que nous n’utilisons pas les données massives non structurées afin d’ajouter de l’information aux analyses financières ; au contraire, nous utilisons des modèles financiers afin de structurer les données massives pour en extraire l’information pertinente.

Contexte

section icon Thème du congrès 2014 (82e édition) :
La recherche : zones de convergence et de créativité
section icon Date : 13 mai 2014

Découvrez d'autres communications scientifiques

Autres communications du même congressiste :