Choisir les cibles de prédiction des modèles d’indicateurs techniques

Résumé

Cet article soutient que les performances de l’apprentissage automatique financier dépendent fortement de la définition de la cible de prédiction. Contrairement à une étiquette médicale fixe, une cible de trading peut représenter les rendements, la hausse des prix, la volatilité, le drawdown ou le mouvement relatif d’un actif sur différents horizons. L’auteur propose de tester d’autres cibles pour améliorer les modèles lorsque les progrès stagnent, plutôt que de supposer que davantage de données ou une plus grande complexité du modèle résoudront le problème.

L’exemple pratique construit un ensemble de données de marché à partir des prix OHLC et des moyennes mobiles, ainsi que des variations selon les horizons temporels et les niveaux de prix. L’article compare plusieurs approches de modélisation successives et rapporte que la modélisation d’une moyenne mobile sur plusieurs horizons, puis le trading de sa pente implicite, a donné les meilleurs résultats parmi les versions décrites. L’élargissement des données a réduit la rentabilité, tandis qu’un modèle non linéaire entraîné sur l’ensemble de données plus vaste a mieux fait que cette version élargie sans atteindre les résultats de l’approche précédente. Ces résultats de backtest proviennent de l’exemple de l’auteur et ne démontrent pas que la cible ou la stratégie se généralise à différents marchés ou périodes.

Idées clés

• Les modèles financiers peuvent être limités par la définition de la cible, autant que par la qualité des données ou le choix du modèle.
• Les cibles possibles comprennent les rendements, la volatilité, le drawdown, les variations de prix et les mouvements relatifs des actifs.
• L’exemple dérive des caractéristiques à partir des prix OHLC, des moyennes mobiles et des variations entre bougies et niveaux de prix.
• La meilleure version rapportée modélisait le comportement d’une moyenne mobile sur plusieurs horizons et prenait des positions en fonction de sa pente implicite.
• Les comparaisons de performance de l’article proviennent d’un backtest précis et ne démontrent pas une généralité étendue.

Étiquettes

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.