Pourquoi les réseaux de neurones?

La technologie et l'intelligence artificielle

Comme leur nom l'indique, les réseaux de neurones sont organisés autour d'un ensemble de cellules ou neurones. Le principe de fonctionnement est le suivant : on dispose d'une base de connaissances constituée de couples (entrées,sortie) et on veut utiliser cette base pour entrainer une mémoire informatique à raisonner en prenant comme référence cette base empririque.Cette approche s'appelle phase d'apprentissage.

En ce qui concerne la prédiction de valeurs, les réseaux de neurones peuvent,par apprentissage, déterminer la relation entre une valeur (cours d'une action, indice,...) et l'ensemble des paramètres dont on suppose qu'elle dépend (indices, volumes, valeurs des jours précédents, etc.).

Le réseau de neurones, "ignorant" au départ, réalise un "apprentissage" à partir de ces exemples et devient, par modifications successives, un modèle rendant compte du comportement observé en fonction des variables descriptives.

La construction du modèle est automatique et directe à partir des données, elle ne nécessite pas d'intermédiaire rare ou coûteux comme un expert ou un "cogniticien".

Dans le domaine bancaire, nous obtenons de bons résultats dans l'anticipation de cours (actions, marchés à terme, finance) et la prédiction d'indices boursiers .
Nos réseaux réalisent des prédictions avantageuses même à partir de peu de données (valeurs précédentes).

Pour la prise de décision (acheter ou vendre et à quel prix) pour le trading, nous obtenons d'excellents résultats sur la prise d'action ainsi que sur la prédiction des prix d'achat et de vente. Ici encore les pourcentages de prédictions exactes (de l'ordre de 90 %) se traduisent en bénéfices (spéculation) ou en une meilleure appréhension des mécanismes du marché, permettant des décisions plus avisées (modélisation).

La plupart des modèles les plus performants de Trader Workstation développés à ce jour appartiennent à la classe des réseaux de neurones connus sous le nom de " réseaux récurrents décalés dans le temps " ou TLRN's.
Ils utilisent un algorithme d'apprentissage sophistiqué connu sous le nom de rétro propagation au travers du temps.