Sélection de portefeuille basée sur une approche prédictive

The paper analyzes a conceptual value investor behavior that uses stock fundamentals to predict the best-performing portfolio according to the knowledge it has at its disposal from previous periods. A class of machine learning algorithms based on inductive learning is used to learn from past data and predict by induced rules which stock to select for the final portfolio. This approach has led not only to corroborate with other research on the relevance of financial fundamentals to explain the future returns of stock but also to design a strategy that generates significant excess returns compared to the market index, S&P 500. L'article analyse le comportement conceptuel d’un investisseur dans la valeur qui utilise les fondamentaux des sociétés cotées pour prédire le portefeuille le plus performant en fonction des connaissances dont il dispose sur les périodes précédentes. Pour se faire, une classe d'algorithmes d'apprentissage automatique basée sur l'apprentissage inductif est utilisée pour apprendre des données passées et prédire par des règles induites quels actions sélectionnés pour construire le portefeuille final. Cette approche a conduit non seulement à corroborer avec d'autres recherches sur la pertinence des fondamentaux financiers à expliquer les rendements futurs des actions mais aussi à concevoir une stratégie générant des rendements excédentaires significatifs par rapport à l’indice du marché considéré, le S&P 500