L’analyse des données topologiques peut aider à prédire les krachs boursiers

L'analyse des données topologiques peut aider à prédire les krachs boursiers

En surveillant de près les nuages ​​de points de données d’un système, les scientifiques peuvent identifier l’état normal du système. Crédit: DR

Les scientifiques de l’EPFL, en collaboration avec la startup locale L2F, ont développé un modèle robuste capable de prédire le moment où un changement systémique est sur le point de se produire, basé sur des méthodes issues d’une branche des mathématiques appelée analyse de données topologiques.

L’analyse des données topologiques (TDA) consiste à extraire des informations de nuages ​​de points de données et à utiliser ces informations pour classer les données, reconnaître des modèles ou prédire des tendances, par exemple. Une équipe de scientifiques du Laboratoire de topologie et neurosciences de l’EPFL, L2F (une spin-off de l’EPFL) et HEIG-VD, travaillant sur un projet financé en partie par une subvention Innosuisse, a utilisé TDA pour développer un modèle permettant de prédire quand un système est sur le point de subir un changement majeur. Leur modèle, appelé giotto-tda, est disponible en tant que bibliothèque open-source et peut aider les analystes à identifier quand des événements comme un crash boursier, un tremblement de terre, un embouteillage, un coup d’État ou un dysfonctionnement du moteur de train sont sur le point de se produire.

Les catastrophes et autres événements inattendus sont par définition des aberrations – c’est ce qui les rend difficiles à prévoir avec les modèles conventionnels. L’équipe de recherche s’est donc appuyée sur des méthodes de TDA pour proposer une nouvelle approche basée sur le fait que lorsqu’un système atteint un état critique, comme lorsque l’eau est sur le point de se solidifier en glace, les points de données représentant le système commencent à former des formes. qui modifient sa structure globale. En surveillant de près les nuages ​​de points de données d’un système, les scientifiques peuvent identifier l’état normal du système et, par conséquent, quand un changement brusque est imminent. Un autre avantage de TDA est qu’il est résilient au bruit, ce qui signifie que les signaux ne sont pas déformés par des informations non pertinentes.

Jusqu’à présent, TDA a été principalement utilisé pour des ensembles de données avec une structure topologique claire, comme dans l’imagerie médicale, la mécanique des fluides, la science des matériaux et la modélisation 3D (par exemple, en chimie moléculaire et biologie cellulaire). Mais avec giotto-tda, la méthode peut être utilisée pour modéliser à peu près n’importe quel type d’ensemble de données (comme les ondes gravitationnelles), et les données contenues dans ces ensembles alimentent l’algorithme d’apprentissage automatique du modèle, améliorant la précision de ses prédictions et fournissant panneaux de signalisation.

Bruit et signaux confus

Les scientifiques ont testé giotto-tda sur les krachs boursiers en 2000 et 2008. Ils ont examiné les données de prix quotidiennes du S&P 500 – un indice couramment utilisé pour comparer l’état du marché financier – de 1980 à nos jours et les ont comparées. avec les prévisions générées par leur modèle. Le graphique basé sur les prix a montré de nombreux pics qui ont dépassé le niveau d’avertissement à l’approche des deux accidents. «Les modèles de prévision conventionnels contiennent tellement de bruit et donnent tellement de signaux que quelque chose va mal tourner, que vous ne savez pas vraiment quels signaux suivre», explique Matteo Caorsi, chef de l’équipe projet chez L2F. « Si vous les écoutez tous, vous finirez par ne jamais investir, car il y a très peu de fois où les signaux sont vraiment clairs. »

Mais les signaux étaient très clairs avec giotto-tda, car les pics indiquant les accidents à venir étaient bien au-dessus du niveau d’alerte. Cela signifie que TDA est une méthode plus robuste pour donner un sens aux mouvements volatils qui peuvent indiquer qu’un crash se profile. Cependant, les découvertes des scientifiques ne concernent qu’un seul marché spécifique et couvrent une courte période. L’équipe prévoit donc de poursuivre ses recherches avec l’aide d’une autre subvention Innosuisse. «La prochaine étape consistera à appliquer la TDA aux méthodes d’apprentissage en profondeur. Cela nous donnera des informations précieuses sur notre modèle, sur son interprétation et sa robustesse», déclare Caorsi.


L’outil IA fournit des prévisions de grippe plus précises


Plus d’information:
giotto-tda: Une boîte à outils d’analyse de données topologiques pour l’apprentissage automatique et l’exploration de données. arXiv: 2004.02551 [cs.LG] arxiv.org/abs/2004.02551

Provided by
Ecole Polytechnique Federale de Lausanne

Citation: L’analyse des données topologiques peut aider à prédire les krachs boursiers (2021, 6 avril) récupéré le 14 avril 2021 sur https://techxplore.com/news/2021-04-topological-analysis-stock-market.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.