Analyses par IA des tendances du marché boursier : décrypter le code avec Lazy Prices

Nous voulions vérifier l'hypothèse présentée par les chercheurs. C'est pourquoi nous avons décidé de télécharger des milliers de rapports boursiers. À l'aide de méthodes de NLP, nous avons mené notre propre analyse pour confirmer le postulat de l'hypothèse.

Extraction et nettoyage des données

Lors de la phase initiale, un scraper automatique a été développé, lequel téléchargeait les rapports de plus de 200 entreprises sélectionnées aléatoirement à la bourse américaine sur les 20 dernières années.

Lors de la phase initiale de l'analyse de texte, des étapes sont souvent réalisées pour nettoyer le texte et réduire les occurrences de mots rares. Voici quelques-unes des méthodes de base qui vous permettront d'obtenir de meilleurs résultats dans l'analyse suivante :

a) l'opération de racinisation ne laisse que le sujet du mot ; son objectif est de transformer un mot apparaissant sous différentes variantes en une même forme. Un exemple peut être de réduire chacun des mots « fly », « flying », « flies » à un seul mot « fly »,
b) la suppression des mots vides – il est courant de supprimer les mots qui apparaissent très souvent et n'ajoutent pas d'information supplémentaire au texte. En particulier lors de l'analyse d'un texte en anglais, il est important de supprimer des mots comme « the », « a », « an »,
c) suppression de la ponctuation,
d) conversion des lettres majuscules en minuscules.

Calcul des mesures de similarité

Après avoir nettoyé le texte dans tous les rapports, nous passons au calcul des métriques de similarité.

Le calcul de la similarité entre deux documents textuels est une tâche courante en NLP et a de nombreuses applications pratiques. Cette méthode est utilisée, par exemple, pour positionner les résultats dans un moteur de recherche ou pour recommander un contenu similaire aux lecteurs.

L'obtention d'une valeur numérique unique indiquant l'ampleur de la similitude entre les deux documents facilite et automatise considérablement de nombreux processus liés à l'analyse des données. Il existe de nombreux algorithmes visant à calculer la similitude des documents. Certains fonctionnent sur la base du nombre de mots identiques dans les documents, d'autres, plus avancés, construisent une compréhension du contenu des documents et placent les textes similaires à proximité les uns des autres dans un espace vectoriel préalablement entraîné.

Dans notre projet, nous avons utilisé deux mesures également employées dans la publication « Lazy Prices ». Il s'agissait des mesures de similarité cosinus et de Jaccard.

La similarité cosinus est une mesure de la similitude entre deux vecteurs dans un espace unitaire donné. Elle est exprimée par la valeur du cosinus d'un angle défini par deux vecteurs et détermine dans quelle mesure ils sont orientés dans une direction similaire.

Le coefficient de Jaccard mesure la similarité des ensembles en calculant le quotient du nombre d'éléments communs par la somme des deux ensembles.

Afin d'utiliser la mesure cosinus et la mesure de Jaccard pour calculer la similarité des documents, il est nécessaire de les projeter dans un espace vectoriel.

À cette fin, tous les mots apparaissant dans au moins un rapport boursier sont collectés. Ensuite, chaque rapport est converti en un vecteur représentant des nombres qui correspondent au nombre de fois qu'un mot donné apparaît dans le rapport analysé.

Les vecteurs ainsi créés sont utilisés pour calculer les deux mesures de similarité.

Dans l'image ci-dessus, nous pouvons voir un exemple dans lequel des phrases sont projetées dans un espace vectoriel. Pour calculer la similarité cosinus de deux phrases, nous calculerions un cosinus entre leurs vecteurs correspondants.

Ci-dessous, nous présentons comment la similarité de Jaccard est calculée. Pour deux phrases, nous calculons le quotient du nombre de mots communs par le nombre total de mots uniques dans les deux phrases.

Nous avons présenté l'analyse sous la forme d'une application interactive écrite à l'aide de la bibliothèque Streamlit. Les graphiques montrent les rendements moyens 1, 2, 3, 4, 5 et 6 mois après l'achat de l'action. Conformément à la stratégie adoptée, nous nous concentrons sur le rendement après le troisième mois. La couleur des lignes indique le groupe de similarité.

Sur le graphique, nous observons un rendement positif quel que soit le groupe de similarité des rapports. Nous achetons l'action à « 1m » – un mois après la publication du rapport. Nous vendons l'action à « 4m » – trois mois après l'achat. Cela s'explique par le fait que l'analyse a été réalisée sur des données boursières historiques des 20 dernières années. Durant cette période, en moyenne, toutes les actions ont enregistré une hausse de leurs prix. Il est donc difficile de trouver un sous-ensemble d'actions qui baisserait en moyenne.

Ce qui est intéressant, cependant, c'est la différence claire entre les groupes. Les actions des entreprises dont les rapports étaient très similaires ont réalisé un profit supérieur de plus de 3 points de pourcentage après 3 mois, ce qui suggère que l'hypothèse avancée dans « Lazy Prices » pourrait être vraie.

Il est également surprenant que nous ayons réussi à obtenir de tels résultats en utilisant des techniques très basiques pour mesurer la similarité du texte. Les prochaines étapes susceptibles d'améliorer la qualité de notre prédiction des entreprises en croissance pourraient être l'introduction de mesures avancées basées sur des algorithmes tels que word2vec ou les transformers. De plus, au lieu de calculer les rendements historiques, nous pourrions essayer de construire un modèle ML qui, en utilisant les valeurs de diverses mesures de similarité, tentera de résoudre le problème de régression et de prédire la valeur exacte de la variation du cours de l'action après trois mois.

Souhaitez-vous en savoir plus ou avez-vous un projet d'IA que nous pourrions vous aider à réaliser ? Contactez notre équipe à l'aide du formulaire ci-dessous.