Prédire les cours des actions à l'aide d'algorithmes de machine Learning : « Étude comparative entre les réseaux LSTM (Long Short-Term Memory) simples et les LSTM optimisés par des algorithmes génétiques ».

Résumé

Résumé

Ces dernières années, les chercheurs se sont intéressés à l’utilisation de techniques avancées telles que l’apprentissage automatique pour prédire les cours des actions. L'informatique joue un rôle essentiel dans cette exploration, permettant aux analystes d'explorer des modèles non linéaires et complexes pour prédire les fluctuations du marché. En raison des développements technologiques, les outils basés sur l'intelligence artificielle tels que les réseaux de neurones artificiels (ANN), les réseaux de neurones convolutifs (CNN) et les réseaux de neurones récurrents (RNN) ont prouvé leur capacité à prédire les cours des actions. Ces algorithmes aident les traders et les investisseurs à prendre des décisions éclairées sur les marchés financiers.

Dans cet article, nous visons à évaluer la prévisibilité de 10 actions des deux indices suivants (S&P 500, MADEX Maroc). Pour ce faire, nous utiliserons deux modèles différents. Le premier modèle concerne les réseaux de neurones LSTM (Long Short-Term Memory), tandis que le deuxième modèle sera un LSTM optimisé par les paramètres des algorithmes génétiques. L’objectif est de comparer la prévisibilité des deux modèles. Cette prédiction revêt une importance cruciale pour de nombreuses décisions liées au financement et à l’investissement. Les résultats expérimentaux montrent que l’intégration des algorithmes génétiques dans le modèle LSTM donne de bons résultats sur les indices  MADEX et S&P500.

Mots clés : Prévisions, Cours boursiers, Marché boursier, Apprentissage Automatique, Les algorithmes génétiques, LSTM.

Abstract

In recent years, researchers have been interested in using advanced techniques such as machine learning to predict share prices. Computer science plays a key role in this exploration, allowing analysts to explore complex, non-linear models to predict market movements. As a result of technological developments, artificial intelligence-based tools such as artificial neural networks (ANNs), convolutional neural networks (CNNs) and recurrent neural networks (RNNs) have proven their ability to predict share prices. These algorithms help traders and investors to make informed decisions on the financial markets.

In this paper, we aim to evaluate the predictability of 10 stocks from the following two indices (S&P 500, MADEX Morocco). To do this, we will use two different models. The first model involves LSTM (Long Short-Term Memory) neural networks, while the second model will be an LSTM optimised by the parameters of genetic algorithms. The aim is to compare the predictability of the two models. This prediction is of crucial importance for many financing and investment decisions. The experimental results show that integrating the genetic algorithms into the LSTM model gives good results on the MADEX and S&P500 indices.

Keywords : Forecasting, Stock prices, Stock market, Machine learning, Genetic algorithms, LSTM.