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.
704 documents
Ce notebook compare quatre méthodes de découverte de relations dans un panel de rendements de ETF : NOTEARS pour les graphes acycliques dirigés linéaires contemporains, VAR-LiNGAM pour les structures retardées et instantanées, PCMCI pour les tests…
Ce notebook étudie l’effet de la régularisation Ridge sur les performances du coefficient d’information (IC) et la manière dont la recherche d’hyperparamètres peut biaiser les résultats de validation rapportés. Il commence par évaluer une vaste grille de…
Ce notebook présente Tail-GAN, une approche antagoniste générative conçue pour reproduire le risque de queue des scénarios financiers, en particulier la valeur à risque (VaR) et le déficit attendu (ES). Elle utilise un tri différentiable afin que les mesures…
Ce notebook examine comment combiner plusieurs prévisions probabilistes. Il présente la moyenne simple comme référence et explique l’extrémisation de Neyman, qui éloigne la moyenne du panel du taux de base en fonction du nombre de prévisionnistes et d’une…
Cette présentation explique une famille de modèles de prévision des rendements à partir des caractéristiques des entreprises. Au lieu de traiter chaque caractéristique comme un prédicteur direct des rendements, les modèles supposent que les rendements sont…
Ce document présente un modèle pédagogique d’espace d’états sélectif de type Mamba pour prédire les rendements de ETF à partir de séquences de caractéristiques de momentum. Contrairement aux mécanismes d’attention et au mélange temporel dense, un modèle…
Ce document présente un autoencodeur conditionnel qui modélise les expositions des entreprises à des facteurs de rendement latents comme une fonction non linéaire de leurs caractéristiques. Comme IPCA, il estime une structure factorielle où les rendements…
Ce document présente un réseau neuronal TabM qui classe les ETF à partir de caractéristiques tabulaires. Son tronc commun à deux couches alimente plusieurs membres, chacun doté d’un vecteur d’échelle appris et d’une couche de sortie ; la moyenne de leurs…
Ce chapitre présente les arbres de gradient boosting et explique comment ils s’appuient sur les arbres de décision et les forêts aléatoires pour les prévisions financières sur données tabulaires. Le boosting ajoute des apprenants successifs pour corriger les…
Ce notebook évalue les contrôles de sécurité d’un système de questions-réponses sur des documents financiers, à l’aide de six cas rédigés manuellement. Ces cas représentent l’injection indirecte de prompt, les données fabriquées dans des contenus non…
Ce notebook présente un panel publié pour la recherche en apprentissage automatique sur les actions US. Il contient des observations mensuelles avec 46 caractéristiques d’entreprises et les rendements excédentaires du mois suivant, sur plusieurs décennies.…
Ce notebook compare deux architectures Transformer pour prévoir les rendements des ETF sur 21 jours à partir de huit caractéristiques de momentum rétrospectif. PatchTST regroupe les jours consécutifs en segments, ce qui réduit le nombre de jetons d’attention…
Ce notebook analyse un portefeuille d’ETF actions à l’aide de régressions CAPM CAPM et de facteurs Fama-French, puis étend l’analyse aux expositions glissantes, à l’attribution des rendements et à la dépendance résiduelle. Il utilise des rendements…
Ce document présente la différenciation fractionnaire comme une méthode pour rendre une série de prix plus stationnaire tout en conservant une partie de l’information sur son niveau. Il déduit les pondérations des retards à partir du développement binomial…
Ce notebook évalue si des données FX au comptant en barres de quatre heures peuvent étayer une stratégie transversale quotidienne qui classe les paires de devises selon le momentum et le carry, achète les plus fortes et vend les plus faibles. Il n’ajuste pas…
Ce notebook compare l’erreur quadratique, l’erreur absolue et la perte de Huber pour des modèles de gradient boosting prédisant les rendements de straddles vendeurs à la monnaie. La cible présente un gain plafonné et des pertes potentiellement sévères ; la…
Ce notebook présente un modèle de facteur d’actualisation stochastique (SDF) pour valoriser la coupe transversale des rendements des entreprises US. Il apprend des pondérations qui rendent les rendements actualisés des actifs conformes aux conditions de…
Cette implémentation décrit un modèle neuronal de facteur d’actualisation stochastique et un réseau adversarial de moments pour tester les relations de valorisation des actifs. Le réseau SDF transforme les caractéristiques des actifs, éventuellement…
Cet adaptateur de modèle applique PatchTST, une architecture Transformer pour la prévision de séries temporelles à long horizon, à la régression scalaire. Il accepte des séquences organisées par temps et caractéristique, les réorganise pour le modèle de base…
Ce document décrit une étude d’ablation visant à déterminer si des embeddings de graphe appris améliorent les prévisions de rendements boursiers au-delà des caractéristiques tabulaires classiques. Il construit un réseau à partir des corrélations historiques…
Ce document décrit un outil de production de comparaisons de performance appariées entre les étapes de sélection d’une stratégie. Il compare les sélections de signaux à des références équipondérées, les sélections sur échantillons de réserve à celles sur…
Ce notebook compare le bagging par Random Forest à XGBoost, LightGBM et CatBoost pour prédire les rendements boursiers à partir de caractéristiques d’entreprises anonymisées. Il utilise des découpages chronologiques prédéfinis en ensembles d’entraînement, de…
Cette présentation de chapitre cartographie les étapes de recherche entre les données de marché validées et l’évaluation des modèles. Elle couvre le prétraitement tenant compte des découpages, les décisions d’encodage et de traitement des données manquantes,…
Ce document présente une méthode en deux passes pour extraire les observations sources utilisées dans une étude de straddles sur options du S&P 500. D’abord, il repère les options d’achat (call) et de vente (put) qui passent un filtre de candidats dont le…