L'apprentissage profond pour la finance

Chapitre 11. Techniques et stratégies avancées

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

À présent, tu devrais avoir une solide compréhension des algorithmes de Deep Learning et de la manière de développer un modèle pour prédire des données de séries temporelles. Même si ce n'est qu'une première étape vers le déploiement d'un algorithme rentable, tu dois savoir que tu as parcouru un long chemin depuis le début du livre. Ce chapitre est divisé en sections indépendantes qui abordent des façons intéressantes d'appliquer quelques techniques et méthodes avancées de Deep Learning pour la prédiction de séries temporelles et pour améliorer le processus.

Utiliser les données COT pour prédire les tendances à long terme

Le rapport Commitments of Traders (COT) est une publication hebdomadaire diffusée par la Commodity Futures Trading Commission (CFTC) américaine. Il fournit des informations sur les positions détenues par les différents acteurs des marchés à terme. Le rapport est basé sur des données recueillies auprès des bourses de contrats à terme, notamment le Chicago Mercantile Exchange (CME) et l'Intercontinental Exchange (ICE). Le rapport COT classe les négociants en trois catégories principales :

Les négociants commerciaux (également appelés dealers ou hedgers)

Il s'agit généralement d'entreprises qui utilisent le marché à terme pour couvrir leurs principales activités commerciales. Par exemple, ...