Pourquoi faire apprendre des systèmes de trading sur des données générées aléatoirement ?
L’idée peut paraître saugrenue, déjà que faire des systèmes de trading de façon classique (et qui fonctionnent longtemps), ce n’est pas forcément évident.
Celle ci provient d’un livre critique sur l’analyse technique (1), publié en 2004, où j’y avais montré que le logiciel d’intelligence artificielle Safir-Xp pouvait apprendre sur des cours de bourse fictifs, générés à partir de données certifiées aléatoires ( séries de 0 et 1, acquises pour l’occasion), et transformées en cours de bourse par concaténation ( en faux tick by tick donc).
Les systèmes de trading ainsi produits, ne devant pourtant rien à la magie de la Finance et de l’analyse technique réunies pouvaient fonctionner de façon relativement acceptable sur des contrats de futures.
Au choix, l’expérience confirmait que les données de marché ne sont pas aléatoires, que le logiciel Safir-Xp fonctionnait, et suggérait que l’analyse technique empirique reposait sur une croyance pour partie légitime, mais pas que…
Depuis, l’approche a été raffinée et avec la version SAFIR-Xp 2020, les résultats sont exploitables plus facilement. Cette section du site vous propose des videos en haute définition (UHD 4K) montrant les différents aspects du concept et son application pratique ( la mise en place des différentes phases lors du fonctionnement filmé de la suite logicielle).
(1)Les systèmes de trading et quelques controverses sur l’analyse technique des marchés financiers
367 pages Edition: Paris: Gualino, 2004 –Auteur du texte: Pierre Orphelin
Les avantages sont multiples:
Plus besoin de choisir les données d’apprentissage : Toutes vos données de marché même les plus anciennes sont des données non vues utilisables en test, l’apprentissage sur données aléatoires ne peut pas les avoir vues, et elles ne sont pas reproductibles.
Pas besoin de version de démonstration du logiciel, les vidéos montrant le fonctionnement du logiciel suffisent.
Il y en aura ici assez et variées.
Le track record, preuve reine de la validité d’un système de trading peut être avantageusement remplacé par un track record simulé, y compris sur un passé ancien.
Plus d’explications à venir sur cet avantage.
Et donc, pas besoin de publier des résultats en temps réel, les vidéos de développement et de backtest sur données de marché vraiment non vues doivent permettre de se faire une idée de la validité des systèmes beaucoup plus rapide que d’attendre des mois ou des années de mise en production.
Mais attention, tout ceci est conditionné par des tests exhaustifs sur les données de marché, obligatoires et extrêmement soignés ( pas de data snooping).
Les biais cognitifs habituels ne sont pas supprimés si vous choisissez des systèmes qui ne généralisent pas suffisamment.
L’utilisation du money management dynamique du portefeuille atténue cet inconvénient, mais ne le supprimera jamais complètement.
Les expériences réalisées en vidéo
Apprentissage de systèmes de trading sur données aléatoires par intelligence artificielle et test sur données de marché
Première video sur une série concernant le trading automatique par intelligence artificielle en utilisant des données synthétiques pour l’apprentissage avec SAFIR-Xp 2020.
Ici l’apprentissage est fait non pas sur des données de marché , mais sur des cours synthétiques générés par des fonctions aléatoires.
Les systèmes ainsi obtenus sont ensuite appliqués à des vraies données de marché.
L’expérience est faite en vidéo au format 4k, tous les détails sont bien visibles.
Les enregistrements ont été faits en une seule prise, vous comprendrez pourquoi, cela fait partie de la démonstration et de l’explication de l’approche de la suite logicielle TTSF qui cherche dans sa méthodologie à éviter les problèmes d’optimisation, de data snooping et autres biais cognitifs.
Nouvelles données aléatoires sur portefeuille de test (entraîné sur d'autres données aléatoires) : Vérification de l'impossibilité à obtenir des résultats
Voici une preuve expérimentale que l’inverse ne peut pas fonctionner, sauf par hasard. Il est possible d’apprendre les systèmes de trading à partir de données aléatoires (une fois sélectionnées). Ils pourraient alors fonctionner sur des données réelles du marché, mais pas sur un autre ensemble de données aléatoires.
Ceci est interdit par le Théorème central limite.
Ont été ajoutées à la fin quelques remarques sur la différence indécelable visuellement entre les données aléatoires et les données de marché. Une bonne raison d’être prudent avec l’analyse technique graphique des marchés financiers. Ce que vous voyez sur le graphique n’est peut-être pas ce que vous croyez y voir…
Systèmes de trading apprenant sur données aléatoires OU sur données de marché: Comparaison des deux approches (PARTIE 1/2)
La suite logique de la série sur l’apprentissage de systèmes de trading par intelligence artificielle.
La possibilité d’apprendre sur des cours synthétiques est bien réelle et permet d’obtenir des systèmes de trading qui généralisent de façon inattendue ( pour nombre de personnes) sur des vraies données de marché.
Mais alors, comment se positionne cette approche par rapport à la démarche classique ? Il suffit de regarder les deux vidéos ( PART 1 et 2, ), enregistrées en direct sans présélection et dans moins de 16 minutes vous aurez plus qu’un embryon de réponse.
Systèmes de trading apprenant sur données aléatoires OU sur données de marché: on compare (PARTIE 2/2)
La suite logique de la série sur l’apprentissage de systèmes de trading par intelligence artificielle. La possibilité d’apprendre sur des cours synthétiques est bien réelle et permet d’obtenir des systèmes de trading qui généralisent de façon inattendue ( pour nombre de personnes) sur des vraies données de marché. Mais alors, comment se positionne cette approche par rapport à la démarche classique ? Il suffit de regarder les deux vidéos ( PART 1 et 2, celle ci est la seconde), enregistrées en direct sans présélection et dans moins de 16 minutes vous aurez plus qu’un embryon de réponse.