Trading-Attitude
Les traders malins se forment ici

 

Laissez-moi votre adresse email. Je vous enverrai en moyenne une fois par semaine des emails éducatifs, informationnels et de temps en temps des offres commerciales. Je respecte vos données personnelles. Je m'engage à ne pas diffuser votre adresse email.

Le 1er blog boursier qui fait du deep learning

Pris de passion pour le deep learning j’ai décidé de faire de Trading Attitude le premier blog boursier spécialisé en deep learning. Le deep learning est une sous-branche du machine learning. Mais laissez-moi vous expliquer tout ça.

 

1er blog specialise en deep-learning

 

Pourquoi laisser faire la machine ?

Le machine learning… Pourquoi ?

Votre Iphone reconnaît votre tête ? C’est du machine learning.

Grâce aux réseaux de neurones, les ordinateurs sont maintenant capables d’apprendre comme un être humain.

Dans certaines tâches ils peuvent même être meilleurs.

 

Remplacer le trader

Dans le cadre de la bourse, tout trader un peu geek a essayé au moins une fois de coder un robot de trading.

Cela se fait, pour les particuliers, avec MetaTrader, par exemple.

Mais ces robots restent à base d’indicateurs et de croisements de courbes.

À vrai dire, c’est difficile à coder. D’une part, les indicateurs couramment utilisés sont pauvres. D’autre part, on a de très grandes difficultés à prendre en compte toutes les informations.

J’ai estimé qu’il y avait 17 principes physiques à exploiter dans les cours de bourse.

 

L’investisseur visuel

Comme l’écrivait Murphy, le trader est avant tout visuel.

Et c’est vrai que c’est comme ça que j’utilise mes indicateurs.

Le codeur de robots de trading utilise quelques trucs pour que le robot fonctionne dans certains cas. Mais les robots de trading MT4 ne fonctionnent pas dans toutes les situations. Ils ne sont pas holistiques.

Un algo d’intelligence artificielle raisonnant comme un humain sur les Indicateurs de Cohérence (formation GABI) fonctionnerait tout le temps.

Et plsu besoin d’analyser des tas de graphiques avec nos yeux !

 

Pourquoi un réseau de neurones est adapté ?

Tout simplement parce que notre cerveau est fait d’un réseau de neurones.

L’informatique a doté les machines de la vue. Typiquement, une image c’est une suite de pixels. Un algo d’IA est capable de lire une suite de pixels et de faire des calculs.

 

La différence entre machine learning et deep learning

Dans le machine leaning un expert humain doit extraire de l’image des axes d’analyse. L’ordinateur se contente de faire les calculs et d’appliquer des critères.

Dans le deep learning, c’est le réseau de neurones qui fait tout !

Plus besoin de spécialiste. Plus besoin d’expert en Analyse Technique. De trader !

On pourrait donner un graphique à un réseau de neurones deep learning et il ferait tout le boulot !

 

Quel réseau de neurones pour le deep learning en bourse ?

Le deep learning est encore peu appliqué en bourse.

Mais je pense qu’avec de très bons indicateurs comme les Indicateurs de Cohérence, on peut booster l’efficacité d’un NN. (NN : Neural Network).

Pour moi il y a un type de NN très adapté pour ce genre de chose.

Quand je regarde un graphique boursier je cherche des patterns sur les indicateurs. C’est typiquement ce que fait un CNN.

 

Un CNN c’est quoi ?

Ce n’est pas une chaîne de télé. Un CNN est un Convolutional Neural Network.

C’est un type de réseaux adapté à l’analyse d’image.

C’est ce qui permet de :

  • Reconnaître ta gueule sur une photo.
  • Trouver tes yeux dans un smartphone pour corriger les yeux rouges.
  • Différencier sur une photo un chat d’un chien.
  • Chercher des images dans Gougueule.
  • Conduire de façon autonome une voiture.

 

Les CNN sont des réseaux profonds qui reconnaissent des patterns. Tiens ! ça ne vous dit rien, ça ?

 

La reconnaissance de patterns

Mais que fait le chartiste ? À part chercher des patterns ?

Le CNN est super adapté pour ça.

Alors, pourquoi le faire à la main ? Alors que la machine peut le faire beaucoup plus vite ?

 

Découvrez le deep learning adapté à la bourse en vidéo

Je vous ai fait une petite vidéo sur ce sujet.

 

Un mastermind deep learning boursier ?

Si le sujet vous intéresse, j’ai eu l’idée de, peut-être, créer un mastermind sur le deep learning adapté au trading.

Ce serait pour apprendre ensemble et s’entraider.

Ce mastermind serait sous la forme d’un groupe FB, d’une mailing-list et peut-être d’un espace membre (comme les formations).

Il fonctionnerait par abonnement. 20 euros par mois. 10 si on s’abonne un an d’un coup.

Ce serait un accélérateur d’apprentissage.

À noter que maîtriser le deep learning, pour un développeur, c’est doubler son salaire. Voir aussi cette étude sur les salaires IT.

Si cela vous intéresse, inscrivez-vous sur cette liste. Je ne l’ouvrirai que si suffisamment de personnes sont intéressées.

Mais quand j’aurai monté ma startup, ce sera plus cher :-) !

 

 

Vignette : canva.com

Mots-clés: deep learning metatrader, machine learning et action bourse

Comments ( 2 )

  1. ReplyDiogène
    Bonjour Le sujet est plus qu'intéressant surtout pour le trading avec de petites unités de temps....le "robot" visualisant plus vite que l'humain .et de façon plus précise compte tenu de sa masse de connaissances......ce serait une aide énorme qui augmenterait de façon significative les bonnes prises de position et limiterait les mauvaises et surtout leur impact... Le trading deviendrait alors un long fleuve tranquille sans stress inutile... Une révolution pour les humains... et pour le monde des robots qui deviendrait très fortement concurrentiel. Cordialement Diogène ....
    • ReplyMichel
      Dans un premier temps ce ne sera pas en temps réel avec ce genre de réseaux de neurones (CNN) car il faut convertir le graphique en image. Mais il y a d'autres types de NN plus adaptés au temps réel. Une autre voie à explorer. Je n'en ai pas parlé car c'est moins "visuel" ! :-) Mais c'est une idée d'article !

Leave a reply

Your email address will not be published.

You may use these HTML tags and attributes:

<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>

CommentLuv badge