Forecasting stock prices: Deep Learning and Full Order Book Dynamics
Finance · 07.07.2026 · Vol. 47 (2) · 52-101
DOI: 10.3917/e.fina.pr.055 ↗Kurz gefasst
Fachartikel in der Zeitschrift Finance, erschienen am 07.07.2026. Verfasst von Léo Dody. Die Arbeit nennt 94 Literaturangaben.
Abstract (Originalsprache)
Cet article examine l’efficacité des modèles d’apprentissage profond dans la prévision à court terme des prix des actions, en exploitant les données complètes du carnet d’ordres (full order book, FOB) conjointement aux variables traditionnelles OHLCV. Les prix historiques et les données du carnet d’ordres de 39 actions, couvrant une période d’un mois, ont été collectés, nettoyés et normalisés afin de constituer trois jeux de données distincts. Des modèles de réseaux de neurones convolutifs (CNN), de réseaux de neurones récurrents à mémoire à long et court terme (LSTM), ainsi que des modèles hybrides CNN-LSTM ont été développés avec des hyperparamètres optimisés et entraînés pour prédire les 100 intervalles suivants de cinq minutes à partir des 100 intervalles précédents. Les performances des modèles ont été évaluées à l’aide de plusieurs métriques, notamment l’erreur quadratique moyenne, l’erreur absolue moyenne et la précision directionnelle. Les résultats indiquent que le modèle CNN-LSTM intégrant à la fois les variables OHLCV et les données FOB surpasse les autres configurations, en obtenant les erreurs de prédiction les plus faibles. Une analyse de sensibilité fondée sur les indices de Sobol révèle que les variables agrégées de liquidité ainsi que les pas de temps récents constituent les prédicteurs les plus influents. Ces résultats montrent que l’intégration de données fines de microstructure de marché améliore significativement la précision des prévisions, et fournit des perspectives pertinentes pour la conception de stratégies de trading fondées sur les données, capables d’exploiter les dynamiques de marché à court terme.
Zitieren
APA
Dody, L. (2026). Forecasting stock prices: Deep Learning and Full Order Book Dynamics. Finance, Vol. 47(2), 52-101. https://doi.org/10.3917/e.fina.pr.055
Vancouver
Dody L. Forecasting stock prices: Deep Learning and Full Order Book Dynamics. Finance. 2026;Vol. 47(2):52-101. doi:10.3917/e.fina.pr.055
BibTeX
@article{Dody2026,
author = {Dody, Léo},
title = {Forecasting stock prices: Deep Learning and Full Order Book Dynamics},
journal = {Finance},
year = {2026},
volume = {Vol. 47},
number = {2},
pages = {52--101},
doi = {10.3917/e.fina.pr.055}
}
EUVIMED