@Alex44
Il n'y a aucune formule magique globale pour prédire le marché, même si je n'exclus pas définitivement cette idée. On peut imaginer comme pour la physique une sorte de M-théorie, qui serait une sorte de fourre-tout pour unifier les méthodes déjà connues (mais pour l'instant c'est du domaine de la fiction). Si on se concentre sur la recherche on sait déjà qu'il y a des choses qui marchent si on prend la bourse dans sa totalité, quelques exemples en vrac:
-il est possible de prédire les évolutions de certaines obligations et pour d'autres de faire des arbitrages (obligations convertibles)
-Faire de l'arbitrage de
volatilité sur les options
-Faire du pair trading sur tout
sous-jacent co-intégrer (ce qui revient à refaire du mean reverting sur une série temporelle créer à partir des 2 titres, qui elle est stationnaire)
-Faire du mean reverting sur certains titres ayant subi un décalage de cour très violent suite à une news (plusieurs écart type de mouvement)
-Faire des arbitrages sur
OPA
-etc...
En gros il y a des trucs qui sont connus pour bien fonctionner (et je n'ai jamais évoqué mon garde-manger) en ayant une part de hasard négligeable ou inexistant. Après il ne faut pas chercher à prédire l'ensemble, il faut choisir son terrain de chasse, il y a plein de choses possibles, de cas différents sur les marchés et des fois des choses évidentes mais n'intéressant pas les pros à cause des faibles
volumes. Et ensuite ne pas travailler pour rien, il ne faut pas oublier qu'il est facile de faire plus de 20% par ans sans se prendre la tête. L'humain n'est pas si aléatoire et imprévisible que ça (on entre dans un autre débat mais il y a des travaux intéressants sur le sujet de personne comme Khaneman, Cialdini, Arkes, Blumer, Thaller , Shiller etc…), et en plus il y a des algorithmes pour raisonner dans l'incertain grâce à notre bon révérant Bayes. Après les marchés rentre clairement dans la théorie du chaos >> forte sensibilité aux conditions initiales, mais encore une fois pourquoi chercher à tout contrôler si on peut trouver juste quelques situations profitables (d'après
ib j'ai 1.8 millions de produits financiers sous la main, ça m'étonnerait fort que tout sois pricer correctement).
Concernant l'adaptation du robot, c'est surtout du fait d'une mauvaise création qu'intervient le problème. Si on veut valider un programme avec une rigueur scientifique, il faudrait développer le robot sur un historique de développement, ensuite le tester sur un historique de test et avoir recours sur ce même historique de test à un robot témoin tradant lui au hasard, mais avec le même
money management, afin de comparer les résultats. Si on va plus loin pour s'assurer de la solidité de l'expérience on pourrait partir sur un système multi-agent avec 1000 vrais robots traders et 1000 robots témoins, tradant dans tous les sens (mais c'est too much). Il faudrait aussi le garder secret, les formules ARIMA/GARCH etc.... fonctionne en backtest, jusqu'à leurs dates de publication officielle, ce qui laisse entendre qu'un modèle une fois connu peut ne plus avoir d'effet (vu sur un site de quant et reproduit sur R).
Le deep learning est plus simple qu'il n'y parait, les premières couches subissent un apprentissage non supervisé, le but est d'apprendre à recréer leurs entrées en sorties en passant par des neurones artificiels moins nombreux, en fait il s'agit d'une compression de donnée. Les couches supérieures sont généralement un réseau de neurones classiques à une couche caché comme un TDNN, Perceptron multicouche etc... Le but d'un réseau de neurones n'est pas d'apprendre par cœur (là on tombe dans le sur-apprentissage et il ne marchera plus), mais d'arriver à généraliser sur des cas non vue dans la base d'apprentissage, d'où l'intérêt de la chose.
@xxxx Je n'ai pas de lien intéressant, je ne suis plus en recherche d'idée, donc en vrac :IDEAS,
google scholar, pas mal d'université publie des bons documents aussi etc… Pour les codes sources GitHub et un autre site dont j'ai oublié le nom (interface graphique orange) . Pour l'equity curve je ne partage rien, ça serait trop facile de faire un retro engineering sur ce que je fais, mais on peut trouver des choses intéressantes sur le net avec de la patience.