Précision de la prévision des indices de bases et sectoriels Standard and Poor's de la bourse de Toronto et indicateurs du cycle économique du Canada
Notice bibliographique
Résumé
Ce mémoire propose dans un premier temps, d’analyser la corrélation entre les indicateurs du cycle économique canadien et la volatilité réalisée des indices boursiers de la bourse de Toronto. Il vise ensuit à utiliser les modèles Ridge, Lasso, Elastic Net et Random Forest pour sélectionner les indicateurs les plus importants pour prévoir cette volatilité. Il évalue enfin les performances prédictives de ces modèles avec de nouvelles données. Nous avons utilisé pour nos travaux des données mensuelles des indicateurs du cycle économique canadien et américain sur la période allant de janvier 1988 à décembre 2023. La volatilité réalisée de chaque indice boursier a été calculée à partie de leurs prix à la clôture journalière sur également la période allant du 1er janvier 1988 au 31 décembre 2023. Les résultats montrent l’existence d’une corrélation entre la volatilité réalisée de chaque indice boursier et la fluctuation des indicateurs du cycle économique canadien. Ils suggèrent également que certains indicateurs du cycle économique canadien sont importants pour prévoir leurs volatilités réalisées suit à l’estimation des modèles Ridge, Lasso, Elastic Net et Random Forest. Ils indiquent enfin, que les quatre modèles ont des performances prédictivies significatives avec de nouvelles données pour prévoir la volatilité réalisée des différents indices boursiers. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : indice boursier principal, indice boursier sectoriel, indicateurs du cycle économique, modèle Lasso, Ridge, Elastic Net, Random Forest, Canada, États-Unis
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».