Etudiant : MADMOUNE HAMZA

Filière : Master Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. SATORI HASSAN

Annèe : 2023

Résumé : Les délits d'initiés illégaux (Illegal Insider Trading) sont fondés sur la publication d'informations non publiques (par exemple, lancement de nouveaux produits, rapport financier trimestriel,) avant que les informations ne soient rendues publiques. La détection des délits d'initiés illégaux est difficile en raison de la nature complexe, non linéaire et non stationnaire du marché financier (Stock Market). Dans ce travail, nous présentons une approche qui détecte et prédit proactivement les délits d'initiés illégaux en temps réel en se basant sur l’ETL avec Data Warehousing et en utilisant une approche basée sur Deep Learning sur les données de séries chronologiques (Time Series). En utilisant notre données extraites, nous avons découvert que notre approche a un bon taux de réussite pour détecter les schémas de délits d'initiés illégaux en temps réel. Keywords-Stock Market; Deep Learning; Time Series; Illegal Insider Trading; ETL; Data Warehousing;