Réseau neuronal de robot de trading.
Contenu
La question se pose aujourd'hui vivement Concernera-t-elle aussi les traders?
Il s'agirait d'un étonnant retour des choses, lorsque l'on sait que l'industrie financière fut l'une des premières à recourir aux big data à des fins d'analyse quantitative réseau neuronal de robot de trading méthodes mathématiques et statistiques permettant d'évaluer au plus près le prix d'un actif ou d'un risque financier. Par un exercice de simulation sur l'historique des cours de àle réseau neuronal a atteint par moment des performances records, se maintenant à deux chiffres y compris au plus fort de la crise financière deou lors de l'éclatement de la bulle internet en !
Les chercheurs ont ainsi voulu appliquer des techniques issues du deep learning et du machine learning à l'achat et vente d'actions boursières. L'objectif : apprendre au système à optimiser la relation entre les prix d'une action et ses performances futures, et donc à choisir l'action la plus rentable à acheter ou revendre à un horizon temporel donné.
Plus de millions de points sur l'historique ont ainsi été utilisés pour entraîner l'algorithme. Et les résultats ont de quoi surprendre : "Nos algorithmes quantitatifs ont été d'autant plus efficaces en périodes de forte volatilité, lorsque ce sont les émotions qui dominent les marchés financiers!
Etrangement, dans les dernières années, l'algorithme a rencontré beaucoup plus de difficultés.
Nous attribuons cela à l'influence de l'intelligence artificielle et du big data dans les pratiques actuelles de trading, et notamment la disponibilité croissante d'une puissance de calcul de plus en plus importante". Ces technologies étant potentiellement susceptibles eux-mêmes de modifier les comportements. Comme si la démocratisation d'outils de prédiction de plus en plus pointus technologiquement portait la possibilité, en somme, de rendre l'évolution des marchés financiers Les chercheurs continuent cependant de croire au potentiel du deep learning dans l'amélioration des prédictions financières, notamment en multipliant le nombre de couches des réseaux neuronaux artificiels.
Autant dire que l'analyse quantitative a encore de beaux jours devant elle. Quant à savoir si les algorithmes protègent l'économie ou accélèrent la survenue des crises financières, en revanche, la question est posée.