Pour que j'analyse votre propre actif : letraderquant.systeme.io/analyse/actif Dites-moi en commentaire quelle action vous voulez que j'analyse ensuite 👇
Vidéo très intéressante et pédagogique. Il manque juste la présentation du code de prédiction pour comprendre la dernière étape. Encore merci pour cette vidéo très instructive !
Super contenu, vraiment très intéressant. J'aurais 2 questions / remarques : pour rendre la série stationnaire, si j'ai bien compris tu utilises la différence (fonction numpy diff). Ensuite tu fais tourner le modèle ARIMA sur cette série de différences ? puis la prévision de différences redevient une prévision de valeur ? Deuxième point : pour tester la fiabilité du modèle sur ce titre, pourrait-on décaler la série temporelle de 3 mois dans le passé ? Curieux de voir ce qui était prévu il y a 3 mois... Ensuite il faudrait le faire successivement sur quelques années pour avoir une vraie idée de la fiabilité. En tout cas bravo pour cette vidéo, c'est du contenu de qualité (et j'ai appris des choses).
Salut, tout d'abord, merci pour le commentaire ! Pour la première question, non, en réalité je rends la série stationnaire, et le modèle ARIMA est appliqué sur cette série en question, et non sur la différence. C'est une bonne remarque, il n'était pas forcément nécessaire de passer par cette étape intermédiaire. Ensuite, pour la 2ᵉ question, c'est très pertinent en effet, et des backtests seront mis en place pour les prochaines vidéos, ainsi les résultats obtenus seront appuyés par la véracité de ces backtests. Un grand merci pour ton commentaire constructif ;)
J'ai tenté de reproduire le modèle mais j'obtiens constamment une prédiction linéaire avec auto_arima. J'ai compris qu'il faut s'assurer que le modèle ARIMA soit bien ajusté aux données. Est-ce qu'il est plutôt préférable d'ajuster les bornes p et q manuellement pour mieux capturer les variations ?
Bonjour, pourquoi tu n'évalues pas ton modèle sur des périodes antérieures afin de vérifier que ta prédiction est proche de ce qui s'est réellement passé ?
Pour que j'analyse votre propre actif : letraderquant.systeme.io/analyse/actif
Dites-moi en commentaire quelle action vous voulez que j'analyse ensuite 👇
Vidéo très intéressante et pédagogique. Il manque juste la présentation du code de prédiction pour comprendre la dernière étape. Encore merci pour cette vidéo très instructive !
Super contenu, vraiment très intéressant. J'aurais 2 questions / remarques : pour rendre la série stationnaire, si j'ai bien compris tu utilises la différence (fonction numpy diff). Ensuite tu fais tourner le modèle ARIMA sur cette série de différences ? puis la prévision de différences redevient une prévision de valeur ? Deuxième point : pour tester la fiabilité du modèle sur ce titre, pourrait-on décaler la série temporelle de 3 mois dans le passé ? Curieux de voir ce qui était prévu il y a 3 mois... Ensuite il faudrait le faire successivement sur quelques années pour avoir une vraie idée de la fiabilité. En tout cas bravo pour cette vidéo, c'est du contenu de qualité (et j'ai appris des choses).
Salut, tout d'abord, merci pour le commentaire ! Pour la première question, non, en réalité je rends la série stationnaire, et le modèle ARIMA est appliqué sur cette série en question, et non sur la différence. C'est une bonne remarque, il n'était pas forcément nécessaire de passer par cette étape intermédiaire. Ensuite, pour la 2ᵉ question, c'est très pertinent en effet, et des backtests seront mis en place pour les prochaines vidéos, ainsi les résultats obtenus seront appuyés par la véracité de ces backtests. Un grand merci pour ton commentaire constructif ;)
La vidéo est super quali merci pour ton analyse
Merci à toi 😊
Très intéressant merci!
Merci ! :)
merci pour cette vidéo, j'ai hâte de voir les prochaines.
Merci ! N'hésite pas à t'abonner ;)
Merci pour ta vidéo c'est très interessant !
Merci ! N'hésite pas à t'abonner :)
Merci très intéressant
Avec plaisir ! :)
Ou peut ton trouver le programme python ? Pourrais tu le mettre à disposition ?
Ok, merci ! Je penserai à ça pour les prochaines fois ;)
J'ai tenté de reproduire le modèle mais j'obtiens constamment une prédiction linéaire avec auto_arima. J'ai compris qu'il faut s'assurer que le modèle ARIMA soit bien ajusté aux données. Est-ce qu'il est plutôt préférable d'ajuster les bornes p et q manuellement pour mieux capturer les variations ?
Très bonne vidéo sur le fond. Je pense qu’une analyse de NVIDIA pourrait être pertinente…? Bon dimanche
Merci ! Ok la prochaine sera sur NVIDIA ;)
super. est-ce possible d’avoir accès au code stp?
Donc si on suit ce modèle, on devrait shorter l’action jusqu’à la fin d’année puis long début 2025 ?
Oui même déjà en décembre
Bonjour, pourquoi tu n'évalues pas ton modèle sur des périodes antérieures afin de vérifier que ta prédiction est proche de ce qui s'est réellement passé ?
Hello, effectivement, un backtest du modèle arrivera dans la prochaine vidéo ;)