Apprentissage de systèmes de trading sur données synthétiques aléatoires

Et bien entendu, la question principale est :
Mais  comment cela  est - il  possible  ?
La réponse, détaillée, se  trouvera dans ces  pages, texte et vidéo à l'appui.

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.

Play Video

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…

Play Video

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.

Play Video

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.

Play Video