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

2017s-12 CS
Policy relevance of applied economist: Examining sensitivity and inferences
Maurice Doyon, Stéphane Bergeron et Lota Dabio Tamini
Voir le document

2017RP-03 RP
La surqualification professionnelle chez les diplômés des collèges et des universités : État de la situation au Québec
Brahim Boudarbat et Claude Montmarquette
Voir le document

2017s-11 CS
The social cost of contestable benefits
Arye Hillman et Ngo Van Long
Voir le document

2017s-09 CS
Fiscal Surprises at the FOMC
Dean Croushore et Simon van Norden
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 :