Régression par processus gaussien : noyaux linéaires et de Matérn pour les prévisions

Résumé

L’article présente les noyaux de covariance linéaire et de Matérn pour la régression par processus gaussien (GPR) et examine leur utilisation possible avec des séries temporelles financières. Un noyau linéaire représente des relations linéaires simples et demande peu de calcul, ce qui en fait une référence pratique pour la modélisation des tendances. Le noyau de Matérn permet d’ajuster la régularité avec son paramètre ν, afin de représenter des configurations plus ou moins irrégulières. L’article compare ces choix au noyau à fonction de base radiale et indique que les processus gaussiens peuvent fournir à la fois des prévisions et des estimations d’incertitude.

Les exemples comprennent la mise en relation des frais d’expédition avec un fonds indiciel coté du secteur maritime ETF et l’utilisation de méthodes à noyaux dans un Expert Advisor MQL5. La discussion porte aussi sur la composition des noyaux et les moyens d’évaluer la pertinence des variables d’entrée. Les noyaux sont présentés comme des outils de modélisation, et non comme la preuve d’une stratégie de trading rentable : l’extrait ne fournit ni résultats de trading comparatifs ni mesures chiffrées des performances de prévision. Le choix du noyau dépend des données ; l’article avertit que les noyaux linéaires imposent des hypothèses restrictives, tandis que les modèles plus flexibles peuvent demander davantage de calcul.

Idées clés

• La régression par processus gaussien utilise des noyaux pour représenter la similarité entre observations et peut fournir des estimations d’incertitude avec les prévisions.
• Un noyau linéaire offre une base de référence simple, peu coûteuse en calcul, pour modéliser des relations et des tendances linéaires.
• Le noyau de Matérn ajuste la régularité avec ν et peut représenter des configurations plus ou moins irrégulières.
• Le choix du noyau doit tenir compte de la structure de la série temporelle ; plusieurs noyaux peuvent être combinés pour modéliser différents comportements.
• L’article décrit des possibilités de modélisation, mais n’établit ni la rentabilité du trading ni l’exactitude des prévisions.

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.