Manuel Morales
Théories et processus mathématiques
- Professeur agrégé
-
Faculté des arts et des sciences - Département de mathématiques et de statistique
André-Aisenstadt, local 4215
Médias
Portrait
Expertise de recherche
Mes intérêts actuels de recherche se rattachent aux domaines des mathématiques financières et actuarielles. Ils se concentrent surtout sur l'étude et l'application de la théorie de processus stochastiques. En particulier, les processus de Lévy et d'autres processus à sauts ainsi que leurs applications en finance et en actuariat; la théorie de la crédibilité; les mesures du risque, la théorie de l'arbitrage et la théorie de ruine se trouvent parmi mes intérêts les plus récents.
Quant à l'enseignement, dans le passé j'ai enseigné des cours en théorie de l'intérêt et sur les distributions de pertes dans des programmes professionnels en actuariat. J'enseigne aussi un cours avancé en théorie de l'arbitrage.
Formation
- 2003 — Ph.D. — Actuariat (sciences mathématiques), Mathématiques appliquées — Concordia University
Pour en savoir plus…
- 14-05-2018 Une «bolle des maths» à la Banque Nationale
- 24-06-2018 Adobe set to join rush of foreign giants opening AI labs in Canada
- 0-03-2019 L’Université de Montréal reçoit un financement du programme FONCER du CRSNG
- 12-06-2020 AI is already in
- 19-08-2020 L’IA se met au service de la gestion de la pandémie
- 22-07-2021 Les mathématiques aident à la prise de décision dans la lutte aux maladies infectieuses
- 21-04-2023 Pour une IA responsable au service de l’intérêt public
Affiliations et responsabilités
Affiliations de recherche
Enseignement et encadrement
Enseignement
Cours siglés (session en cours uniquement)
Programmes
Encadrement
Thèses et mémoires dirigés (dépôt institutionnel Papyrus)
Limit order books in statistical arbitrage and anomaly detection
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Génération de données : de l’anonymisation à la construction de populations synthétiques
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
European day-ahead electricity price forecasting
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Financial time series analysis with competitive neural networks
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
On the design of customized risk measures in insurance, the problem of capital allocation and the theory of fluctuations for Lévy processes
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Estimation du modèle GARCH à changement de régimes et son utilité pour quantifier le risque de modèle dans les applications financières en actuariat
Cycle : Doctorat
Diplôme obtenu : Ph. D.
A class of bivariate Erlang distributions and ruin probabilities in multivariate risk models
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Some Applications of Markov Additive Processes as Models in Insurance and Financial Mathematics
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Les processus additifs markoviens et leurs applications en finance mathématique
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Densités de copules archimédiennes hiérarchiques
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Prédiction de l'attrition en date de renouvellement en assurance automobile avec processus gaussiens
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
On some aspects of coherent risk measures and their applications
Cycle : Doctorat
Diplôme obtenu : Ph. D.
Étude empirique de distributions associées à la Fonction de Pénalité Escomptée
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Les produits dérivés des marchés européens du carbone
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Convergence faible de processus de Lévy vers un processus hyperbolique généralisé pour l'évaluation d'options
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Projets
Projets de recherche
Centre de recherches mathématiques (CRM)
Développement durable du secteur des investissements - le rôle des solutions innovatrices propulsées par l’intelligence artificielle et la science des données
Attention RCTGAN
NSERC CREATE Program on Machine Learning in Quantitative Finance and Business Analytics
Beyond the Ruin Problem: Novel applications of Insurance Risk Models
Deep Semi-supervised Fraud Detection in Derivatives Market
Fraud Detection in Derivatives Market using Generative Adversarial Networks
INNOV Phase I: Leverage artificial intelligence to improve Environmental, Social, and Governance (ESG) data
Usages et valeur des données non traditionnelles en science actuarielle
Machine Learning and AI for the Global Futures Markets
Leverage artificial intelligence to improve Environmental, Social, and Governance (ESG) data and assess the quality of ESG reports
Leverage artificial intelligence to improve Environmental, Social, and Governance (ESG) data and assess the quality of ESG reports
Réseaux Mathematics for public health (MfPH)_Project 3_Risk Evaluation and Early Detection of Emerging Infectious Disease Outbreaks in Canada
Statistical Arbitrage of Internationally Interlisted Stocks
Mesure d'un score de maturité basé sur le Transition Pathway Initiative’s (TPI)
Exploiter l'intelligence artificielle pour améliorer les données environnementales, sociales et de gouvernance (ESG)
Leveraging artificial intelligence to improve Environmental, Social, and Governance (ESG) data and assess the quality of ESG reports
Fraud Detection in Derivatives Market using Graph Neural Network (GNN)
CENTRE DE RECHERCHES MATHEMATIQUES (CRM)
Anomaly detection to identify insider threats in the banks and companies
Development of Machine Learning Methods to Improve ESG Scores and Responsible Investment Decisions
Fraud Detection in Derivatives Market using Deep Unsupervised Anomaly Detection and NLP
Anonymisation et désensibilisation de données
Futures First Algorithmic Derivatives Trading
Supplément COVID-19 CRSNG_Beyond the Ruin Problem: Novel applications of Insurance Risk Models
Deep Unsupervised Anomaly Detection in Options Markets
Axionable_Prog de démarrage de projets de rech collaborative avec les membres insustriels d'IVADO_PROJET DE DÉTECTION DE TRANSACTIONS ANORMALES DANS LE MARCHÉ DES OPTIONS
Programme de démarrage de projet de recherche collaborative d'Axionable
Apogée Canada fonds d'excellence en recherche // Programme de démarrage de projets de recherche collaborative Holt Accelerator
Apogée Canada fonds d'excellence en recherche / Compte pour le paiement des salaires de Gabriel Yergeau
Conception d’analytique avancée à la Banque Nationale (BNC) / Stagiaire(s) : Megan Cao, Amirreza Mafi, Marzieh Mehdizadeh, Mohamed Abdelsalam, Farnaz Arezi
Machine Learning Strategies in the Physical North American Power Markets / Stagiaire(s) : Marie-Ève Malette
Investment Portfolio Design and Optimal Execution of Automated Trading Strategies : An Exploratory Research Program.
Modeling regime changes to improve portfolio diversification and performance
Credit Card Fraud Detection Using Machine Learning.
Application des méthodes d'apprentissage machine au problème d'inventaire dans les stratégies algorithmiques à haute fréquence: Une approche via un simulateur du marché
Application des méthodes d'apprentissage machine au problème d'inventaire dans les stratégies algorithmiques à haute fréquence: Une approche via un simulateur du marché.
DESIGNING TAILOR-MADE RISK MEASURES FOR INSURANCE AND FINANCIAL APPLICATIONS
Credit Card Fraud Detection Using Machine Learning
Méthodes de prévision non-parametriques dans la modélisation des prix d'électricité et leurs applications au design des portefeuilles optimaux des contrats "day-ahead"
Méthodes de prévision non-parametriques dans la modélisation des prix d'électricité et leurs applications au design des portefeuilles optimaux des contrats "day-ahead"
Méthodes de prévision non-paramétriques dans la modélisation des prix d’électricité et leurs applications au dseign des portefeuilles optimaux des contracts day-ahead»
Implementing Factor Models in Investment Management.
Implementing Factor Models in Investment Management.
Automated Transaction Classification Using Machine Learning Algorithm.
Exploring Optimal Trading Rules in a High-Frequency Portfolio
Automated Transaction Classification Using Machine Learning Algorithm.
Évaluation de la performance et l'impact de marché d'une stratégie "market making" à haute fréquence avec un simulateur de bourse.
Conception et implémentation d'un modèle d'évaluation pour les prix des contrats à terme dans les marchés d'électricité
Conception d'un modèle de simulateur de bourse et son application dans le ''trading'' algorithmique: le défi de la réplication de la microstructure des marchés à haute fréquence
CENTRE DE RECHERCHES MATHEMATIQUES (CRM)
Développement d'approches statistiques pour l'analyse de portefeuilles d'investissements alternatifs.
DESIGN AND IMPLEMENTATION OF A VIABLE REGIME-SWITCHING MODEL FOR ASSET PRICES WITH A VIEW TOWARDS PORTFOLIO MANAGEMENT
(BOURSE OLIVIER LECOMPTE) ETUDE COMPARATIVE DE LA PERFORMANCE DES MODELES NON-GAUSSIEN DANS L'EVALUATION DES PRODUITS DERIVES
SOME ASPECTS OF THE INTERPLAY BETWEEN INSURANCE AND FINANCIAL RISKS
IA et finance durable
Description
Depuis 2021, notre équipe de recherche, à Algora Lab, travaille sur un vaste projet nommé IA et finance durable qui se situe dans le contexte de l’investissement durable au Québec et de l’établissement de normes d’évaluation et de divulgation ESG.
La première phase du projet de recherche visait à explorer la dimension environnementale (E) du cadre (ESG) propre à la finance durable. L’objectif était de produire un état des lieux des besoins autour de la finance durable, de comprendre le rôle des sciences de données dans les analyses et de produire des applications intelligentes pouvant contribuer à ce domaine. Pour atteindre ces objectifs, nous avons établi une revue de littérature des processus de notation d’entreprises, des cadres normatifs et de leurs indicateurs, du contexte de la transition au Québec, des réglementations futures autour de la divulgation environnementale, ainsi que des défis sectoriels. Nous avons également étudié les méthodes et les outils intelligents existants.
Par le fruit de ces connaissances et en alliant nos expertises intersectorielles, nous avons créé un modèle d’intelligence artificielle issu du traitement du langage naturel (NLP) pour automatiser à grande échelle la lecture et l’analyse des rapports des entreprises, sur leurs risques climatiques et selon les cadres de divulgation (TCFD, TPI). À partir de ce modèle, nous avons conçu un outil web d’aide à la décision pour l’analyse des divulgations de transition liées au carbone.
Ensuite, nous avons poursuivi notre recherche en expérimentant la capacité des modèles de langage de grande taille (LLM), comme ChatGPT, à évaluer en temps quasi réel les efforts (E) environnementaux d’une entreprise selon les questions du cadre TPI. Après ces expérimentations, nous avons conçu un second outil web d’aide à la décision dans le cadre des exigences ESG. Ce dernier modèle est entraîné par une méthodologie spécifique de prompt engineering dans le but d’encadrer sa recherche sémantique.
En plus de sa facilité d’utilisation, cet outil constitue une robuste aide à la décision, fiable et à faible coût. Il est bâti au moyen de technologies à la fine pointe de l’état de l’art et possède également l’agilité requise pour l’amélioration de ses performances.
La seconde phase du projet IA et finance durable vise à développer la dimension sociétale (S) des efforts ESG propres à la finance durable. Parmi les cadres existants, le cadre EDI pour Diversité, Équité et Inclusion (DEI en anglais pour, Diversity, Equity, and Inclusion) présente des avantages pour l’analyse sociétale des efforts ESG d’une entreprise. En effet, ce cadre vise à mesurer, entre autres, la présence de discrimination, le niveau de représentativité des groupes sous-représentés, l’égalité des chances ou encore, la présence de préjugés dans le but de favoriser un environnement de travail inclusif. Lorsque ces efforts sont mesurables, les initiatives EDI se révèlent être un véritable levier financier. Nous souhaitons donc produire un outil web d’aide à la décision pour l’analyse des divulgations EDI des entreprises basé sur les modèles mathématiques et les technologies d’IA, dans le cadre des exigences ESG.
La méthodologie s’articule autour de plusieurs axes principaux. Dans un premier temps, notre but consiste à agglomérer et harmoniser les données ESG et EDI pour une analyse cohérente et suffisamment représentative. Les données sont collectées à partir des rapports d’entreprises, des organismes de réglementation et des bases de données publiques. Puis les données sont standardisées, car elles sont souvent hétérogènes et les méthodes mathématiques nécessitent souvent un format très spécifique : cette uniformisation est une étape cruciale pour permettre à notre IA de traiter efficacement les informations. Puis nous transformons les informations textuelles en représentations numériques pour une analyse plus affinée. Cette étape de vectorisation facilite une analyse sémantique fine. Le modèle est ensuite affiné pour gérer des requêtes complexes et offrir une flexibilité maximale aux utilisateurs. L’intégration dans les LLM de type GPT représente un atout majeur en offrant des réponses en langage naturel et l’extension chatGPT propose un outil conversationnel très puissant. Associé à une base de données vectorielles, il peut répondre de manière extrêmement précise à des questions approfondies. Pour la vérification des faits, des mécanismes robustes sont instaurés pour assurer la véracité des informations fournies. Nous proposons donc une interface utilisateur intuitive pour analyser en profondeur les divulgations EDI, offrant une vision complète des efforts sociétaux des entreprises.
Par la suite, nous envisageons également d’étudier la dimension de gouvernance (G) du cadre financier (ESG) afin de produire un outil web complet d’analyse ESG, qui traite les trois grandes dimensions du cadre financier.
En somme, notre démarche est rigoureuse, innovante et centrée sur l’utilisateur. Chaque étape a été minutieusement élaborée pour répondre aux défis spécifiques posés par l’analyse des divulgations ESG. L’objectif de notre projet est de mettre l’IA au service de la finance durable, en offrant un outil d’analyse avancée des divulgations ESG. En conclusion, notre proposition rigoureuse et avant-gardiste est axée sur les besoins des utilisateurs et démontre notre positionnement en faveur de la finance durable au Canada.
Rayonnement
Publications et communications
Disciplines
- Mathématiques appliquées
- Statistiques
- Actuariat (sciences mathématiques)
- Finance
Champ d’expertise
- Études actuarielles
- Marché monétaire et taux d'intérêt
- Processus stochastiques
- Produits dérivés
- Statistiques théoriques
- Théorie de la probabilité
- Gestion des risques
- Instruments financiers
- Modélisation
- Théorie du calcul
- Assurances
Aide en ligne pour votre profil | Nous joindre
Le Répertoire des professeurs est propulsé par les données du SADVR et est un projet du CENR.