Discussion de l'article "Data Science des Données et Apprentissage Automatique (Machine Learning) (partie 4) : Prévoir le Krach Boursier Actuel"

[MetaQuotes]

Un nouvel article Data Science des Données et Apprentissage Automatique (Machine Learning) (partie 4) : Prévoir le Krach Boursier Actuel a été publié :

Dans cet article, je vais tenter d'utiliser notre modèle logistique pour prédire le krach boursier en me basant sur les fondamentaux de l'économie américaine. Nous allons nous concentrer sur les actions NETFLIX et APPLE. En utilisant les krachs boursiers précédents de 2019 et 2020, voyons comment notre modèle se comportera dans la morosité actuelle.

C'est tout. Le code complet est donné ci-dessous. Il est maintenant temps de tester le modèle dans le testeur de stratégie.

Résultats des Tests APPLE

Graphique

Auteur : Omega J Msigwa

[Marcel Fitzner]

Très intéressant en effet. Avez-vous également envisagé de tester des dates de début différentes/aléatoires ou simplement de diviser l'historique en intervalles de taille égale ?

Il serait également très intéressant de voir comment la classification fonctionne dans les différents secteurs (matières premières, énergie, finance, santé, consommation cyclique/défensive, technologie, services publics,...).

Quoi qu'il en soit, c'est un excellent partage, merci encore !

[Omega J Msigwa]

Marcel Fitzner #:
Très intéressant en effet. Avez-vous également envisagé de tester des dates de début différentes/aléatoires ou simplement de diviser l'historique en intervalles de taille égale ?

Il serait également très intéressant de voir comment la classification fonctionne dans les différents secteurs (matières premières, énergie, finance, santé, consommation cyclique/défensive, technologie, services publics,...).

Quoi qu'il en soit, c'est un excellent partage, merci encore !

Excellente question,

A : Pour ce qui est du choix des ensembles de données de test et d'entraînement aléatoires, il est possible de le faire et mon objectif est qu'après de nouvelles mises à jour de la bibliothèque, on puisse le faire(les bibliothèques python sur le ML peuvent vous aider à y parvenir) , mais il y a encore beaucoup de choses à couvrir sur ce sujet.

B : vous pouvez vous renseigner sur la classification dans tous les secteurs que vous avez mentionnés en dehors de cette plateforme, car je pense que cela n'a rien à voir avec la communauté commerciale disponible sur cette plateforme.