Résumés et idées clés, rédigés par l’agent de recherche de Stratmill, à partir des livres, articles, travaux et code informatique consultés par nos agents IA. Chaque page renvoie à la source originale.
558 documents
Ce chapitre présente la construction d’études cohérentes dans le temps sur les données fondamentales et alternatives, concernant les actions, les séries macroéconomiques, les contrats à terme, les cryptomonnaies et les marchés prédictifs. Ses méthodes…
Cette configuration décrit des portefeuilles actions US long-short mensuels classés selon les caractéristiques des entreprises. Elle spécifie un univers à données complètes comportant 46 caractéristiques, des décisions en fin de mois, une exécution à la…
Ce notebook utilise l’apprentissage automatique double pour tester si l’association entre l’écart de volatilité implicite moins réalisée et les rendements futurs des actions persiste après ajustement pour les facteurs de confusion observés. Il compare…
Ce document explique comment évaluer une stratégie choisie sur les données de validation à l’aide de prévisions issues d’un échantillon de réserve distinct de 2021. L’allocation sélectionnée, la concentration, les contrôles du risque, le calendrier de…
Ce notebook présente un GAN Sig-Wasserstein non conditionnel pour générer des séries temporelles financières. Il remplace un discriminateur entraîné à distinguer le réel du généré par une distance fondée sur les signatures attendues des trajectoires, des…
Ce notebook utilise les rendements quotidiens ETF pour expliquer comment les modèles GARCH captent le regroupement de la volatilité et le transforment en caractéristique calculée à chaque séance. Il commence par des diagnostics visuels et un test ARCH-LM…
Ce notebook explique comment reconstruire le carnet d’ordres à cours limité NASDAQ d’un symbole unique à partir de données message par ordre. Il traite les ajouts, exécutions, annulations, suppressions et remplacements tout en maintenant la quantité restante…
Ce module source fournit des chargeurs pour les cours des actions américaines, les indices, les options, la microstructure de marché, les fondamentaux et les positions institutionnelles. Son détail méthodologique le plus important porte sur le…
Ce notebook présente une interface OHLCV commune entre Yahoo Finance, une archive américaine d’actions à long historique et les séries macroéconomiques FRED. Il construit un univers d’ETF pour une étude de rotation ultérieure, montre comment combiner des…
Cette étude de cas construit des caractéristiques pour examiner si la variance implicite à la monnaie dépasse la variance réalisée ultérieure pour les titres du S&P 500, et si l’écart varie selon les titres. Elle combine les cotations de straddles aux prix…
Ce notebook compare les moindres carrés ordinaires à Ridge, LASSO et Elastic Net pour prévoir les rendements futurs dans un univers d’ETF. Tous les modèles utilisent les mêmes plis walk-forward, avec une période de purge correspondant à l’horizon de la…
Ce notebook réévalue les principales configurations d’allocation ETF selon deux grilles de coûts, en maintenant fixes les prévisions, la concentration et les règles d’allocation. Il compare le modèle de l’étude de cas, fondé sur une commission par action et…
Ce notebook applique l’analyse en composantes principales à un sous-ensemble liquide d’actions US afin de construire des portefeuilles propres normalisés en exposition brute et d’étudier leur rôle comme facteurs de risque latents. Il examine la variance…
Ce notebook compare des modèles linéaires pour prévoir les rendements ETF à partir de caractéristiques de prix qui se chevauchent. Comme plusieurs horizons de rendement et familles d’indicateurs peuvent encoder des informations similaires, les moindres…
Ce guide associe les questions causales aux bibliothèques Python et clarifie la différence entre estimer des effets en supposant une structure causale et découvrir des structures possibles à partir des données. Il présente le double apprentissage automatique…
Ce cadre présente des contrôles de qualité des données quotidiennes US sur les actions OHLCV. La validation structurelle vérifie les relations entre les prix, leur positivité, le caractère non négatif des volumes, les valeurs manquantes, les dates en double,…
Ce notebook présente un modèle de facteur d’actualisation stochastique pour valoriser une coupe transversale d’ETF. Au lieu d’estimer séparément les expositions des fonds et les rendements des facteurs, il entraîne des réseaux à trouver une série commune de…
Ce notebook reconstitue la meilleure offre acheteur et vendeur en vigueur pour chaque transaction AAPL au cours d’une séance de mars 2020, puis applique la méthode Lee–Ready pour déduire si les acheteurs ou les vendeurs ont initié les transactions. Il…
Ce notebook présélectionne les caractéristiques financières et issues de modèles selon leur capacité à classer les ETF en fonction des rendements ultérieurs. Il calcule un coefficient d’information date par date en comparant les rangs transversaux de chaque…
Ce notebook examine si les attributions de caractéristiques SHAP sont suffisamment stables pour guider l’élagage des modèles, les décisions de risque ou les rapports. À partir d’une tâche de prédiction ETF, il recherche d’abord des échantillons de test dont…
Cette configuration décrit une stratégie quotidienne long-short sur actions US qui classe un vaste univers boursier selon les prédictions du modèle, achète le décile supérieur et vend à découvert le décile inférieur, avec des pondérations égales au sein de…
Cet utilitaire de données facilite l’utilisation du jeu de données de valorisation de Chen, Pelger et Zhu, qui comprend les rendements boursiers, les caractéristiques des entreprises, des séries macroéconomiques et des tenseurs de caractéristiques…
Ce notebook examine si des caractéristiques financières contribuent à expliquer une étiquette de rendement d’options couvertes en delta sur 10 séances. Il compare des modèles Ridge utilisant une caractéristique de volatilité implicite, des groupes de…
Cette implémentation décrit comment construire des fenêtres de séquences par lots pour des données de panel utilisées dans des études d’apprentissage profond. Les fenêtres suivent le calendrier attendu du panel au lieu de compresser les observations de…