Prédiction du marché boursier à l'aide de techniques d'apprentissage automatique

Le marché boursier est une activité très importante dans le secteur financier. Sa demande augmente de façon constante. La prédiction du marché boursier est le processus de détermination de la valeur future des actions d'une entreprise ou d'autres instruments financiers échangés sur une bourse. Depuis quelques décennies, le Réseau de Neurones Artificiel (RNA), qui est une technique d'exploration de données intelligente, est utilisé pour la Prédiction des Prix des Actions. Il est considéré comme la considération la plus précise. Cet article examine différents modèles d'apprentissage automatique pour la prédiction des prix des actions. Nous avons formé les données boursières disponibles d'American Airlines pour ce projet. Le langage de programmation que nous avons utilisé dans cet article est Python. Les modèles d'Apprentissage Automatique (AA) utilisés dans ce projet sont : Arbre de Décision (AD), Régression par Support Vector (SVR), Forêt Aléatoire (FA), et RNA. Les données ici sont réparties en 70 % pour l'entraînement et 30 % pour le test. L'ensemble de données contient des données boursières des 5 dernières années. D'après les résultats de la simulation, il est montré que la Forêt Aléatoire fonctionne mieux par rapport aux autres. Ainsi, elle peut être utilisée dans l'implémentation en temps réel. Mots-clés : Apprentissage Automatique, Prix des Actions, Prédiction, American Airlines, Machine à Vecteurs de Support (SVR), Réseau de Neurones Artificiel (RNA), Forêt Aléatoire (FA), Arbre de Décision (AD).