Sélection de portefeuille basée sur une approche prédictive

Auteurs

  • Daname KOLANI
  • Saad BENBACHIR

DOI :

https://doi.org/10.5281/zenodo.6537475

Mots-clés :

Sélection de Portefeuille, Décisions d’investissement, Gestion d’actif, Machine Learning, Arbre de Décision, Investissement dans la Valeur

Résumé

L'article analyse le comportement conceptuel d’un investisseur dans la valeur qui utilise les fondamentaux des sociétés cotées pour prédire le portefeuille le plus performant en fonction des connaissances dont il dispose sur les périodes précédentes. Pour se faire, une classe d'algorithmes d'apprentissage automatique basée sur l'apprentissage inductif est utilisée pour apprendre des données passées et prédire par des règles induites quels actions sélectionnés pour construire le portefeuille final. Cette approche a conduit non seulement à corroborer avec d'autres recherches sur la pertinence des fondamentaux financiers à expliquer les rendements futurs des actions mais aussi à concevoir une stratégie générant des rendements excédentaires significatifs par rapport à l’indice du marché considéré, le S&P 500.

Bibliographies de l'auteur

Daname KOLANI

(ORCID*,  PhD Student)

1 Mohammed V University - FSJES-Agdal, Morocco

E- Mail : [email protected]

Saad BENBACHIR

(ORCID*,  PhD Professor)

2 Mohammed V University - FSJES-Agdal, Morocco

E- Mail : [email protected]

Téléchargements

Publiée

2022-05-10

Comment citer

Daname KOLANI, & Saad BENBACHIR. (2022). Sélection de portefeuille basée sur une approche prédictive. African Scientific Journal, 3(11), 326. https://doi.org/10.5281/zenodo.6537475

Numéro

Rubrique

Articles