12
Avr
12 avril 2022
in Publications, Rapports
La précision des algorithmes d'apprentissage automatique dédiés à la prévision de séries temporelles financières peut être instable au cours du temps. Nous proposons d'adapter l'agrégation d'experts en ligne pour remédier à cette difficulté. En combinant plusieurs modèles de prévisions, nous construisons un portefeuille qui s'ajuste dynamiquement aux conditions de marché. Nous mettons en évidence comment l'agrégation en ligne surpasse les modèles individuels sur des stratégies long-court d'actifs, à la fois en termes de rentabilité et de stabilité.