Ce rapport présente une application des algorithmes d'apprentissage aux séries chronologiques financières. L'approche traditionnelle est basée sur l'estimation d'un modèle de prédiction, qui minimise par exemple l'erreur quadratique entre les prédictions et les réalisations de la variable à prédire, ou qui maximise la vraisemblance d'un modèle conditionnel de la variable dépendante. Nos résultats sur des séries financières montrent que de meilleurs résultats peuvent être obtenus quand les paramètres du modèles sont plutôt choisis de manière à maximiser le critère financier voulu, ici les profits en tenant compte des pertes attribuables aux transactions. Des expériences réalisées avec 35 titres canadiens sont décrites.

Voir le document

Dernières publications

2017MO-03 MO
Méthodes avancées d’évaluation d’investissements / Advanced Methods of Investment Evaluation - Tome 2
Marcel Boyer
Voir le document

2017MO-02 MO
Méthodes avancées d’évaluation d’investissements / Advanced Methods of Investment Evaluation - Tome 1
Marcel Boyer
Voir le document

2017s-08 CS
An experimental investigation of rating-market regulation
Claudia Keser, Asri Özgümüs, Emmanuel Peterlé et Martin Schmidt
Voir le document

2017s-07 CS
Statistical tests of the demand for insurance: an “all or nothing” decision
Anne Corcos, François Pannequin et Claude Montmarquette
Voir le document

2017RP-02 RP
Politiques favorables à l’innovation en santé
Nadia Benomar, Joanne Castonguay, Marie-Hélène Jobin et François Lespérance
Voir le document


Centre interuniversitaire de recherche en analyse des organisations
1130 rue Sherbrooke Ouest, suite 1400
Montréal, Québec (Canada) H3A 2M8
(514) 985-4000
(514) 985-4039
reception@cirano.qc.ca

© 2017 CIRANO. Tous droits réservés.



Partenaire de :