Articles

Affichage des articles associés au libellé TensorFlow

CAPGEMINI

Image
Fondamentale Analyse du PER 29/11 - Ichimoku CAPGEMINI - bilan 2024 Alors est ce que c'est enfin la fin de cette longue descente aux enfers pour CAPGEMINI ? Le nuage Kumo twist c'est peut-être un changement de la tendance ... L'histogramme du MACD est dans le vert Et le STOCH indique une problématique survente. Ça ne peut pas durer ... 01/11 - Prediction Keras et Tensor flow CAPGEMINI - Prédiction Il y a longtemps que je n'avais pas utilisé cet outil du Trading Kit pour déterminer la suite des opérations, je lance donc une analyse prédictive dont voici le résultat. 01/11 - Intraday indicators CAPGEMINI - Intraday Indicators Les STOCH k:52 d:26 passent par la zone de sur-achat, d'après le VWAP, le titre est surestimé. Il se pourrait qu'il y est une petite correction à la baisse. 31/10 - La catastrophe CAPGEMINI - Catastrophe FTMA Bolls jaw_up indique que la chute n'est pas terminée ! 21/10 - Ichimoku sur une horizon de un mois . Ichimoku sous une horizon plu...

Améliorations du modèle Tensorflow

Image
Prise de notes sur les modèles de prédiction. Augmentation du nombre d'unités LSTM Utilisation de EarlyStopping EarlyStopping est une technique qui arrête l'entraînement avant la fin des époques, si la performance sur les données de validation cesse de s'améliorer, ce qui permet de prévenir le surapprentissage et d' économiser du temps de calcul . L'un des paramètres de l'EarlyStopping est la patience.  Il est inutile d'augmenter la patience pour arriver au bout des EPOCHS. Démonstration : EarlyStopping patience = 18 En augmentant la patience : EarlyStopping patience = 32 Le nombre d'EPOCH augmente mais la prédiction n'est pas meilleure et le Score reste inchangé. Dans l'algo 6 - TimeDistributed( Flatten() ) ou Reshape( (x_train.shape[1], -1) ) Amélioration de l'algo 6 en remplaçant la couche Flatten par un Reshape Flatten Reshape Reshape IL y a une meilleure imitation du signal avec Reshape qui au lieu de Flaten ne fait rien que de retailler...

Apprentissage du model LSTM

Image
On est avec l'algorithme de prédiction Tensorflow et Keras dans les couches LSTM du modèle et l'on va essayer de déterminer l'influence du nombre de couches LSTM. Faisons varier LSTM Units pour "voir" l'influence de ce paramètre sur la prédiction : LSTM 10 100 LSTM 100 200 LSTM 200 230 LSTM 203 300 LSTM 300 400 LSTM 400 500 LSTM 500 Je pensais ne faire varier ce paramètre qu'entre 20 et 100 mais 300 apporte une certaine précision et que le score est encore amélioré d'un facteur presque 2. Le problème de l'augmentation de LSTM Units c'est le surapprentissage. Et puis je pose la question de la variabilité des résultats à ChatGpt et là, oh surprise, il me parle de "fixer les graines aléatoires". Tout un programme.

Data analyses avec Keras et Tensorflow

Je rassemble ici une première passion pour le langage Python dans :  PythonDiscovering: Python for dumies  et le filtrage adaptatif ou prédictif qui me permettrait de faire des analyses judicieuses des cours de bourse. Keras C'est un système capable d'interfacer des backend comme JAX, TensorFlow ou PyTorch. Keras - About Keras - Getting started MatplotLib Librairie Python pour faire de graphiques analyse des datas : Matplotlib 3.8.3 - Documentation Premier programme en Python Voici la mise en œuvre des librairies python qui permettent d'instancier un réseau de neurones de le paramétrer et de l'entrainer sur les données d'un cours de bourse. J'ai travaillé sur le programme python suivant : PythonDiscovering/matPlot-005.py Mais clairement cela n'est pas suffisant, il me faut aller plus loin dans la connaissance de TensorFlow de Keras et de leurs interactions.  Voici donc les améliorations apportées à ce premier programme pour créer une stratégie de trading ...

Posts les plus consultés de ce blog

SOITEC - Analyse de la Smart Money

Ordres de bourse

Guide des Indicateurs Techniques de Trading en Python

Termes boursiers : Glossaire complet du trading et de la Bourse (de A à Z)

DASSAULT AVIATION

TOC