Projet de fin d'étude : Machine learning et Deep learning pour le trading utilisant les indicateurs volatils
Etudiant : ENNAGOURA DRISSIA
Filière : Master Big Data Analytics & Smart Systems (BDSaS)
Encadrant : Pr. BENNANI MOHAMED TAJ
Annèe : 2024
Résumé : Ce projet explore la prévision du marché boursier en utilisant des techniques d'apprentissage automatique et de Deep Learning, surpassant les méthodes traditionnelles. Des modèles tels qu'ARIMA, Random Forest, Linear Regression, XGBoost Regressor et LSTM ont été entraînés avec des indicateurs comme les Bollinger Bands, Hull Moving Average, Relative Strength Index, Weighted Moving Average et Volume-Weighted Average Price. Ces modèles, intégrés dans une application, permettent de prédire les prix des actions et offrent une solution pratique pour anticiper les mouvements du marché boursier, répondant ainsi aux défis posés par la grande dimensionnalité, la quantité et la mise à jour continue des données de séries temporelles.