Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.
Cette séance de cours traite de la prévision du retour des stocks à l'aide de techniques d'apprentissage supervisées. Il couvre des défis tels que le faible rapport signal-bruit, peu d'observations et le problème de la cible mobile. L'objectif est d'approximativement les rendements attendus conditionnels en cadrant les caractéristiques observables du niveau des actifs dans les attentes en matière de rendements. La séance de cours explique également l'utilisation de la régression des crêtes avec une validation croisée de sortie d'un an pour prédire le rendement des stocks. Les coefficients importants pour les retours passés, les retours passés au carré et la troisième puissance des retours passés sont analysés. La séance de cours se termine par des remarques sur la performance prédictive du modèle et les défis à relever pour maximiser le rendement du portefeuille.