Utilisation des réseaux de neurones pour la prévision des devises et comparaison aux régressions multiples : exemple de modèles de prévision du dollar
Institution:
Paris 9Disciplines:
Directors:
Abstract EN:
The aim of the thesis is to develop neural network forecasting models on dollar/mark and dollar/yen exchange rates and to compare them with econometric models in term of statistical and trading performances (profit/loss, annualized return,), models’ stability and easiness of use and building. The first part of the thesis describes the statistical properties of random walk models as well as the results of some studies on random walk behavior of returns. Then, some basic technical notions underlying neural computation and the methodology necessary to develop neural network models successfully are exposed. The second part presents the performances of the dollar forecasting models. First, we describe the foreign exchange market, then we analyses the determining factors of dollar currently watched by operators. The statistical characteristics of dollar/mark and dollar/yen rates are empirical studied, and we can confirm that these series don't follow random walks. This result justifies forecasting model’s development. The predictions of the models have been tested live for 16 months and have preceded 1997 uptrend in the first, third and fourth quarter on the dollar/yen and the eight first months of the year 1997 on the dollar/mark. But models seem to have difficulties to forecast downtrend reversals. The results of these research allow us to conclude the superiority of nonlinear model (dollar/mark) compared with the linear one (dollar/yen). This justify the use of neural network models for estimation and prediction of foreign exchange rates even if neural systems are more complex to develop than econometric ones.
Abstract FR:
L'objectif de ces travaux est de construire des modèles de prévision des cours du dollar/deutsche mark et dollar/yen à l'aide des réseaux de neurones et de les comparer aux régressions multiples économétriques en fonction de critères de performance statistique, de performance globale (profit/perte, rentabilité), de stabilité, mais aussi en termes de facilité de mise en œuvre de ces techniques. La première partie de la thèse décrit les conditions statistiques d'une marche aléatoire ainsi que les études effectuées par un certain nombre d'auteurs pour déterminer si les cours suivent une marche au hasard. Puis quelques notions techniques des réseaux de neurones ainsi qu'une méthodologie pour la construction des modèles sont exposées. La deuxième partie présente et analyse les performances des modèles de prévision du dollar. On étudie donc dans un premier temps le fonctionnement du marché des changes avant d'analyser les déterminants du dollar couramment observes par les opérateurs. Une étude empirique des propriétés statistiques des cours du dollar/yen et du dollar/mark confirme le caractère non aléatoire de ces séries et justifie la construction des modèles de prévision. Les prévisions de ces modèles ont été testées en temps réel pendant 16 mois. Les indications des modèles ont très bien précédé les tendances haussières du dollar du premier, troisième et quatrième trimestre de 1997 contre le yen et des huit premiers mois de 1997 contre le deutsche mark. En revanche, les modèles semblent éprouver plus de difficultés à prévoir les retournements de tendance à la baisse. Les résultats de ces recherches permettent de conclure sur la supériorité du modèle non linéaire du dollar/mark par rapport au modèle linéaire du dollar/yen ce qui justifie l'utilisation de modèles de réseaux de neurones pour l'estimation et la prévision des devises même si cette technique est plus compliquée à mettre en œuvre que les régressions linéaires.