Une approche hybride pour l'analyse de la qualité des données des déclarations réglementaires des produits financiers

A Hybrid Approach for Analyzing the Data Quality of Financial Products in Regulatory Reports

• Auteur / Autrice : Ramy Mezhoud
• Direction : Zahia Guessoum
• Type : Projet de thèse
• Discipline(s) : Info - Informatique
• Date : Inscription en doctorat le 13/05/2024
• Etablissement(s) : Reims
• Ecole(s) doctorale(s) : Ecole doctorale Sciences du Numérique et de lu2019Ingénieur
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique

Mots clés

Mots clés libres

Apprentissage automatique

Qualité de données

Détection d'anomalies

Déclarations réglementaires

Machine learning

Data quality

Anomaly detection

Regulatory Reports

Résumé

Le thème de la thèse porte sur le développement d'une approche hybride combinant différentes techniques d'intelligence artificielle et d'apprentissage automatique pour améliorer la qualité de données des déclarations réglementaires financières chez Natixis. L'objectif est d'automatiser la détection et la correction des anomalies dans ces déclarations, aspect crucial pour garantir la conformité aux exigences réglementaires. La thèse explore l'utilisation des techniques avancées afin de créer des systèmes capables de traiter d'une manière rapide et efficace des données volumineuses et complexes, tout en s'adaptant aux évolutions réglementaires.

The thesis focuses on the development of a hybrid approach combining various artificial intelligence and machine learning techniques to improve the quality of financial regulatory reports at Natixis. The objective is to automate the detection and correction of anomalies in these reports, which is crucial for meeting regulatory requirements. The thesis explores the use of advanced techniques to create systems capable of processing large and complex data quickly and efficiently, while adapting to regulatory changes.