Prédiction des marchés financiers avec l'apprentissage profond

Les marchés financiers sont difficiles à prédire en raison de la dynamique complexe de leurs systèmes. Bien qu'il y ait eu certaines études récentes utilisant des techniques d'apprentissage automatique pour la prédiction des marchés financiers, elles n'offrent pas de performances satisfaisantes en termes de rendements financiers. Nous proposons un nouveau modèle de réseaux de neurones convolutionnels (CNN) unidimensionnels pour prédire les mouvements du marché financier. Les couches convolutionnelles unidimensionnelles personnalisées analysent les données de trading financières au fil du temps, tandis que différents types de données, telles que les prix et les volumes, partagent des paramètres (noyaux) entre elles. Notre modèle extrait automatiquement des caractéristiques plutôt que d'utiliser des indicateurs techniques traditionnels, évitant ainsi les biais causés par le choix d'indicateurs techniques et de coefficients prédéfinis dans les indicateurs techniques. Nous évaluons la performance de notre modèle de prédiction par des tests rigoureux sur des données de trading historiques de six contrats à terme de janvier 2010 à octobre 2017. Les résultats de l'expérience montrent que notre modèle CNN peut effectivement extraire des caractéristiques plus généralisées et informatives que les indicateurs techniques traditionnels, et obtient des performances financières plus robustes et rentables que les approches d'apprentissage automatique précédentes.