Réseaux de neurones et backtesting de stratégies temporelles
Un programme centré sur l'application concrète du machine learning dans le backtesting de stratégies de trading — des outils réels, des données réelles, des résultats mesurables.
Ce que couvre ce programme
Les réseaux récurrents et les Transformers ont montré des résultats intéressants sur la modélisation de séries temporelles longues. En finance, leur utilisation demande des précautions spécifiques que les tutoriels génériques n'abordent pas.
Pourquoi les architectures séquentielles sont pertinentes ici
Un LSTM peut capturer des dépendances temporelles sur plusieurs dizaines de périodes. Pour une stratégie de swing trading sur actions, cela correspond à des configurations de marché qui s'étalent sur plusieurs semaines.
Les Transformers, via leur mécanisme d'attention, identifient quelles périodes passées influencent le plus la prédiction actuelle. Cette propriété facilite l'interprétation des signaux générés.
Ce que cette formation ne promet pas
Les réseaux de neurones profonds ne sont pas systématiquement supérieurs aux modèles plus simples en finance. Ils sont plus coûteux à entraîner, plus difficiles à déboguer, et souvent plus fragiles face aux changements de régime.
- Prérequis : maîtrise de Python, notions de PyTorch ou Keras
- Données : actions du SBF 120, fréquence journalière
- Environnement : Google Colab avec GPU fourni
Déroulement du programme
Chaque étape est structurée pour progresser sans sauter d'étapes — de la préparation des données jusqu'à l'évaluation des modèles en conditions réelles.
Structure de la formation
-
Session 1 — Préparation des données pour les modèles séquentiels
Création de séquences, normalisation par fenêtre, gestion du padding.
-
Session 2 — Architecture LSTM pour la prédiction de direction
Construction et entraînement d'un LSTM sous PyTorch. Analyse des courbes de perte.
-
Session 3 — Transformer sur séries financières
Adaptation d'une architecture Transformer légère. Visualisation des poids d'attention.
-
Session 4 — Backtesting des signaux générés
Transformation des prédictions en règles de trading. Évaluation avec backtrader.
-
Session 5 — Comparaison avec des baselines
Mise en regard avec Random Forest et stratégie momentum classique. Discussion des résultats.
-
Session 6 — Atelier libre encadré
Travail sur un jeu de données personnel ou fourni, avec retours en temps réel.
Sessions en direct, pas de contenu enregistré
Chaque session se déroule en temps réel avec un formateur disponible pour répondre aux questions au fil de la pratique. Les échanges font partie de l'apprentissage.