Un backtest donne un nombre, mais quelle confiance lui accorder ? L'inférence bayésienne répond par toute une plage de valeurs plausibles plutôt que par une seule estimation. Cette compétence l'explique en étapes simples, avec de courts exercices (nombres à calculer, étapes à ordonner, notions à associer) et des exemples de finance : comment une croyance préalable et quelques jours de résultats se combinent, pourquoi une stratégie qui a gagné 7 jours sur 10 n'est pas encore prouvée, comment lire un intervalle de crédibilité et en tirer une décision, comment un échantillonneur explore une loi a posteriori sans formule, pourquoi les rendements moyens de nombreuses actions doivent être rapprochés les uns des autres, et comment comparer deux modèles équitablement. Le projet final est un lab de code où vous écrivez vous-même l'échantillonneur et le rétrécissement et les utilisez sur de vrais rendements d'actions.
Les probabilités sont attendues (probabilité conditionnelle, lois usuelles) et des notions de statistique aident. Aucune connaissance bayésienne n'est nécessaire.
