Dans ce mémoire, nous nous intéressons à l’impact des agents chartistes machine learner sur la stabilité des marchés de change. Nous étudions cet impact en comparant les dynamiques générées par trois modèles à agents hétérogènes : un modèle « à la De Grauwe et Grimaldi » et deux extensions de ce modèle. Dans notre première extension, nous remplaçons l’heuristique chartiste du modèle de référence par une heuristique chartiste plus sophistiquée reposant sur des méthodes d’apprentissage automatique. Dans notre seconde extension, la nouvelle heuristique chartiste ne remplace pas l’ancienne heuristique, mais est ajoutée à l’ensemble des règles de prédiction pouvant être employées par les agents du modèle. Nos résultats indiquent que la présence d’agents chartistes machine learner permet en moyenne de stabiliser les marchés de change. Néanmoins, cette influence positive est réduite lorsque les agents machine learner cohabitent avec des agents chartistes n’employant pas de méthode d’apprentissage automatique.
Date of Award | 26 Aug 2022 |
---|
Original language | French |
---|
Awarding Institution | |
---|
Supervisor | Sophie Bereau (Supervisor) |
---|
Quel est l'impact des agents chartistes machine learner sur la stabilité des marchés de change ? - Simulations via un modèle à agents hétérogènes
Sluyters, V. (Author). 26 Aug 2022
Student thesis: Master types › Master in Business Engineering Professional focus in Data Science