Réseau LSTM et méthodologie de Box et Jenkins pour la prévision des séries temporelles : essai sur l'indice MASI de la Bourse de CASABLANCA

L’objectif de cet article est de réaliser des prédictions d’une série chronologique en se basant sur un échantillon composé de 127 observations journalières de rendements de l’indice MASI de la bourse de Casablanca durant le premier semestre de l’an 2020, et ce, en utilisant deux approches complétement différentes : une approche statistique (méthode de Box et Jenkins) représentée par un processus ARMA, et une approche connexionniste basée sur l’autoapprentissage par un réseau LSTM (Long Short Term Memory) dans le but d’évaluer la qualité des prédictions en les comparant avec les valeurs réelles observées. Les résultats obtenus nous ont permis de conclure que le réseau LSTM est plus performant en matière de prédiction de valeurs futurs d’une série temporelle.