Sélection de portefeuille basée sur une approche prédictive
DOI :
https://doi.org/10.5281/zenodo.6537475Mots-clés :
Sélection de Portefeuille, Décisions d’investissement, Gestion d’actif, Machine Learning, Arbre de Décision, Investissement dans la ValeurRésumé
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.
Téléchargements
Publiée
Comment citer
Numéro
Rubrique
Licence
(c) Tous droits réservés African Scientific Journal 2022
Ce travail est disponible sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.