{"id":{"repo_id":"ets-quebec","oai_identifier":"oai:espace.etsmtl.ca:3443"},"canonical_url":"https://search.ndltd.org/etd/ets-quebec/oai:espace.etsmtl.ca:3443","repository":{"repo_id":"ets-quebec","name":"ETS (Quebec)","base_url":"https://espace.etsmtl.ca/cgi/oai2"},"display":{"title":"Développement de systèmes d’investissement basés sur l’analyse de la saisonnalité des titres boursiers","abstract":"Ce travail explore la saisonnalité du marché boursier américain et présente le développement de systèmes d’investissement graphiques et automatisés pour tirer avantage de sa profitabilité. Dans les deux approches, les récurrences saisonnières sont détectées et évaluées selon leurs retours historiques, leurs retours actuels et leurs fiabilités en tant d’indicateurs boursiers. Une approche graphique à base de fréquences fixes est utilisée pour valider des périodes saisonnières célèbres et pour déterminer les récurrences saisonnières émergentes des 20 dernières années. On constate la perpétuité de certains, tel que l’omission du mois de septembre, mais une performance réduite pour d’autres, comme le Cycle de Hirsch. Une approche graphique de courbe de saisonnalité en termes des jours de trading de l’année est testée sur la même période. Celle-ci est aussi modulée utilisant une moyenne pondérée favorisant les années récentes, une extraction de la tendance et en la combinant avec l’indicateur technique MACD. Ensuite, utilisant un outil de détection de saisonnalité automatisé, plusieurs récurrences saisonnières performantes sont identifiées pour le SPY et une sélection de titres. Cette analyse automatisée est ensuite effectuée sur les plus de 500 titres du S&P500 pour 10 périodes d’analyse consécutives de 10, 15 et 20 années. Ces résultats sont groupés et traités pour identifier les caractéristiques communes aux périodes saisonnières les plus fiables en termes de leurs prédictions boursières. Finalement, l’utilisation d’ETF est aussi étudiée comme alternative à l’analyse exhaustive. Ceux-ci produisent des résultats favorables, particulièrement pour le secteur de la Santé.","abstract_html":"Ce travail explore la saisonnalité du marché boursier américain et présente le développement de systèmes d’investissement graphiques et automatisés pour tirer avantage de sa profitabilité. Dans les deux approches, les récurrences saisonnières sont détectées et évaluées selon leurs retours historiques, leurs retours actuels et leurs fiabilités en tant d’indicateurs boursiers. Une approche graphique à base de fréquences fixes est utilisée pour valider des périodes saisonnières célèbres et pour déterminer les récurrences saisonnières émergentes des 20 dernières années. On constate la perpétuité de certains, tel que l’omission du mois de septembre, mais une performance réduite pour d’autres, comme le Cycle de Hirsch. Une approche graphique de courbe de saisonnalité en termes des jours de trading de l’année est testée sur la même période. Celle-ci est aussi modulée utilisant une moyenne pondérée favorisant les années récentes, une extraction de la tendance et en la combinant avec l’indicateur technique MACD. Ensuite, utilisant un outil de détection de saisonnalité automatisé, plusieurs récurrences saisonnières performantes sont identifiées pour le SPY et une sélection de titres. Cette analyse automatisée est ensuite effectuée sur les plus de 500 titres du S&amp;P500 pour 10 périodes d’analyse consécutives de 10, 15 et 20 années. Ces résultats sont groupés et traités pour identifier les caractéristiques communes aux périodes saisonnières les plus fiables en termes de leurs prédictions boursières. Finalement, l’utilisation d’ETF est aussi étudiée comme alternative à l’analyse exhaustive. Ceux-ci produisent des résultats favorables, particulièrement pour le secteur de la Santé.","abstract_has_math":false,"creators":["Brault, David"],"institution":"École de technologie supérieure","degree_name":"Mémoire de maîtrise électronique","degree_level":"masters","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024-02-26","date_published":"2024-02-26","updated_at":"2026-11-18T22:10:21Z","subjects":["saisonnalité boursière, périodes saisonnières, récurrences saisonnières, prédictions saisonnières, analyse de récurrences temporelles, cycles boursiers, prédictions boursières"],"languages":["fr"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE3443"],"render_values":[{"text":"INSERT-YOUR-LIBRARY-ID-HERE3443","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":null,"outbound_label":null,"outbound_source":null,"record_url":null,"record_label":null,"record_kind":null,"record_source":null,"download_url":"https://espace.etsmtl.ca/id/eprint/3443/1/BRAULT_David.pdf","download_label":"Download PDF","download_source":"dc:identifier","access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://espace.etsmtl.ca/cgi/oai2?verb=GetRecord&metadataPrefix=oai_etdms&identifier=oai%3Aespace.etsmtl.ca%3A3443","prefix":"oai_etdms"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Brault, David"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024-02-26"]},{"key":"dc:publisher","label":"Institution","values":["École de technologie supérieure"]},{"key":"dc:type","label":"Dc Type","values":["Electronic Thesis or Dissertation"]},{"key":"thesis:degree_level","label":"Degree Level","values":["masters"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Mémoire de maîtrise électronique"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["École de technologie supérieure"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["saisonnalité boursière, périodes saisonnières, récurrences saisonnières, prédictions saisonnières, analyse de récurrences temporelles, cycles boursiers, prédictions boursières"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fr"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE3443","https://espace.etsmtl.ca/id/eprint/3443/1/BRAULT_David.pdf"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Ce travail explore la saisonnalité du marché boursier américain et présente le développement de systèmes d’investissement graphiques et automatisés pour tirer avantage de sa profitabilité. Dans les deux approches, les récurrences saisonnières sont détectées et évaluées selon leurs retours historiques, leurs retours actuels et leurs fiabilités en tant d’indicateurs boursiers. Une approche graphique à base de fréquences fixes est utilisée pour valider des périodes saisonnières célèbres et pour déterminer les récurrences saisonnières émergentes des 20 dernières années. On constate la perpétuité de certains, tel que l’omission du mois de septembre, mais une performance réduite pour d’autres, comme le Cycle de Hirsch. Une approche graphique de courbe de saisonnalité en termes des jours de trading de l’année est testée sur la même période. Celle-ci est aussi modulée utilisant une moyenne pondérée favorisant les années récentes, une extraction de la tendance et en la combinant avec l’indicateur technique MACD. Ensuite, utilisant un outil de détection de saisonnalité automatisé, plusieurs récurrences saisonnières performantes sont identifiées pour le SPY et une sélection de titres. Cette analyse automatisée est ensuite effectuée sur les plus de 500 titres du S&P500 pour 10 périodes d’analyse consécutives de 10, 15 et 20 années. Ces résultats sont groupés et traités pour identifier les caractéristiques communes aux périodes saisonnières les plus fiables en termes de leurs prédictions boursières. Finalement, l’utilisation d’ETF est aussi étudiée comme alternative à l’analyse exhaustive. Ceux-ci produisent des résultats favorables, particulièrement pour le secteur de la Santé."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Développement de systèmes d’investissement basés sur l’analyse de la saisonnalité des titres boursiers"]}]}],"canonical_facts":{"dc:creator":["Brault, David"],"dc:date":["2024-02-26"],"dc:description":["Ce travail explore la saisonnalité du marché boursier américain et présente le développement de systèmes d’investissement graphiques et automatisés pour tirer avantage de sa profitabilité. Dans les deux approches, les récurrences saisonnières sont détectées et évaluées selon leurs retours historiques, leurs retours actuels et leurs fiabilités en tant d’indicateurs boursiers. Une approche graphique à base de fréquences fixes est utilisée pour valider des périodes saisonnières célèbres et pour déterminer les récurrences saisonnières émergentes des 20 dernières années. On constate la perpétuité de certains, tel que l’omission du mois de septembre, mais une performance réduite pour d’autres, comme le Cycle de Hirsch. Une approche graphique de courbe de saisonnalité en termes des jours de trading de l’année est testée sur la même période. Celle-ci est aussi modulée utilisant une moyenne pondérée favorisant les années récentes, une extraction de la tendance et en la combinant avec l’indicateur technique MACD. Ensuite, utilisant un outil de détection de saisonnalité automatisé, plusieurs récurrences saisonnières performantes sont identifiées pour le SPY et une sélection de titres. Cette analyse automatisée est ensuite effectuée sur les plus de 500 titres du S&P500 pour 10 périodes d’analyse consécutives de 10, 15 et 20 années. Ces résultats sont groupés et traités pour identifier les caractéristiques communes aux périodes saisonnières les plus fiables en termes de leurs prédictions boursières. Finalement, l’utilisation d’ETF est aussi étudiée comme alternative à l’analyse exhaustive. Ceux-ci produisent des résultats favorables, particulièrement pour le secteur de la Santé."],"dc:format":["application/pdf"],"dc:identifier":["INSERT-YOUR-LIBRARY-ID-HERE3443","https://espace.etsmtl.ca/id/eprint/3443/1/BRAULT_David.pdf"],"dc:language":["fr"],"dc:publisher":["École de technologie supérieure"],"dc:subject":["saisonnalité boursière, périodes saisonnières, récurrences saisonnières, prédictions saisonnières, analyse de récurrences temporelles, cycles boursiers, prédictions boursières"],"dc:title":["Développement de systèmes d’investissement basés sur l’analyse de la saisonnalité des titres boursiers"],"dc:type":["Electronic Thesis or Dissertation"],"thesis:degree_level":["masters"],"thesis:degree_name":["Mémoire de maîtrise électronique"],"thesis:institution_name":["École de technologie supérieure"]},"updated_at":"2026-11-18T22:10:21Z"}