Un mathématicien découvre des méthodes pour réduire les erreurs d’échantillonnage dans les ensembles de données de grande dimension. Cette découverte révolutionnaire permettra aux scientifiques de réduire les erreurs d’échantillonnage concernant les données financières à haute dimension. L’équipe de recherche s’est appuyée sur les concepts antérieurs de Charles Stein, un chercheur de l’Université de Californie à Berkeley.
Réduire les erreurs d’échantillonnage
Un professeur du département de mathématiques de l’université d’État de Floride a réalisé une percée pour réduire les erreurs d’échantillonnage. Cette découverte révolutionnaire va permettre aux scientifiques et aux institutions financières de réduire les erreurs sur les données financières à haute dimension.
Apparemment, Alec Kercheval, professeur de mathématiques, et Lisa Goldberg, coauteur de l’étude, parviennent à mettre au point une nouvelle méthode statistique. Ces professeurs de l’université de Californie à Berkeley parviennent à améliorer les mesures de performance et réduire les erreurs d’estimation
Les ensembles de données de grande dimension
En effet, cette découverte permet de réduire les erreurs d’échantillonnage dans les ensembles de données de grande dimension. Dans le cas d’une utilisation d’un petit nombre d’observations pour estimer de grandes quantités de données. Plus communément appelées données à haute dimension.
Dans ce sens, la revue Proceedings of the National Academy of Sciences (PNAS) rapporte cette découverte révolutionnaire du mathématicien. Ces méthodes concernent particulièrement la gestion financière et la gestion des risques.
Notamment, M. Kercheval affirme qu’il voulait étudier le risque des portefeuilles d’investissement financier impliquant des changements estimés dans les rendements des investissements de sécurité. La technologie de l’intelligence artificielle utilise ce principe dans la reconnaissance automatique des formes et le traitement du langage naturel.
La découverte révolutionnaire d’un mathématicien
En effet, un analyste financier peut observer les variations de prix mensuelles de chacune des 3 000 actions de l’indice Russell 3000. Les variations de prix survenues trop loin dans le passé ne permettent plus une bonne estimation dans quelques années. Par conséquent, l’historique observé se limite généralement à deux ou trois années de rendements mensuels.
Cependant, la recherche de M. Kercheval permet à l’analyste de mieux estimer le risque futur des portefeuilles d’actions proposés en réduisant les erreurs. Une nouvelle méthode particulièrement utile pour les gestionnaires de portefeuilles financiers qui rencontrent souvent des difficultés. Elle peut également s’appliquer dans d’autres contextes pour comprendre les corrélations entre de nombreuses variables.
