Régression multiple en ML | AAPL expliquée par SPY, QQQ et VIX

🔥S'abonner à la chaine:    / @machinelearnfi   Dans cette vidéo, nous analysons les résultats d’une régression linéaire multiple appliquée au rendement quotidien d’Apple, à partir de données réelles téléchargées depuis Yahoo Finance. Le modèle utilise quatre facteurs explicatifs : le rendement du SPY, représentant le marché américain ; le rendement du QQQ, représentant l’exposition aux grandes entreprises technologiques ; la variation du VIX, représentant l’évolution du risque perçu ; le momentum passé du SPY sur 20 séances. Nous apprenons à passer des sorties Python à une véritable interprétation statistique et financière. Au programme: ✅ Interprétation du R^{2}et du R^{2}ajusté ✅ Lecture des coefficients OLS et des valeurs p ✅ Différence entre corrélation brute et effet partiel ✅ Comparaison des erreurs standards classiques et robustes HC3 ✅ Multicolinéarité entre SPY et QQQ ✅ Calcul et interprétation du VIF ✅ Comparaison entraînement-test ✅ Interprétation du R^{2}de test de 49,2 % ✅ Analyse des rendements observés et prédits ✅ Introduction aux diagnostics des résidus ✅ Test de Jarque-Bera et graphique Q-Q ✅ Résidus dans le temps et valeurs ajustées ✅ Distance de Cook et observations influentes Les résultats montrent que le modèle explique une part importante des variations du rendement d’Apple, mais que la forte corrélation entre SPY et QQQ complique l’interprétation de leurs coefficients individuels. Nous verrons également pourquoi un bon R^{2}ne suffit pas pour conclure qu’un modèle est fiable, et pourquoi il est essentiel d’examiner la performance hors échantillon et les résidus. Dans la prochaine vidéo, nous étudierons la régularisation avec Ridge et Lasso afin de stabiliser les coefficients et de mieux gérer les variables fortement corrélées. 👍 Aimez la vidéo si elle vous aide. 🔔 Abonnez-vous à MachineLearnΦ pour suivre la série. 💬 Posez vos questions dans les commentaires. #MachineLearning #RegressionMultiple #Python #YahooFinance #FinanceQuantitative #DataScience #Econometrie #AAPL #Statsmodels #Multicolinearite #AnalyseDeDonnees #RegressionLineaire #MachineLearnIA #MachineLearnAI #VIX #SPY #QQQ #momentum