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.
733 documents
Ce notebook décrit un backtest hors échantillon d’une stratégie sélectionnée de financement perpétuel crypto. Il réutilise des prédictions générées à partir d’un historique d’entraînement qui s’arrête avant la période de réserve, puis applique la…
Ce document transforme des prédictions transversales ETF en transactions simulées. Il distingue la qualité du classement, mesurée par le coefficient d’information, de la performance réalisée de la stratégie : un portefeuille des k premiers dépend des valeurs…
Le document montre comment transformer les rapports hebdomadaires Commitment of Traders en variables de positionnement sur contrats à terme. Il explique les catégories de traders des formats « financial futures » et « disaggregated commodities », ainsi que…
Le document explique comment un facteur d’actualisation stochastique (SDF) estime un noyau de valorisation censé valoriser chaque actif, plutôt que des facteurs communs de rendement. Il décrit un entraînement adversarial : un réseau propose le facteur…
Ce notebook utilise Optuna pour optimiser XGBoost, LightGBM et CatBoost sur un jeu de données de caractéristiques d’entreprises réparti dans le temps. Pour chaque bibliothèque, la recherche traite la fonction de perte — erreur quadratique moyenne ou erreur…
Ce benchmark compare pandas et Polars sur des opérations courantes dans les pipelines de données financières, notamment les variables glissantes, les calculs par groupe, les transformations par fenêtre, le filtrage, les jointures, les lectures différées,…
Ce notebook explique comment appliquer quatre modèles d’impact de marché dans un backtest : sans impact, impact linéaire, impact en racine carrée et loi de puissance configurable. Chaque modèle estime une variation de prix signée par action selon le sens de…
Ce notebook applique TabM, une approche de réseau neuronal tabulaire, à des lignes de prédiction de paires de devises sans traiter les données comme une séquence. Il utilise une infrastructure d’exécution commune pour ajuster le prétraitement dans chaque pli…
Ce document explique comment transformer les rapports hebdomadaires Commitment of Traders en variables de positionnement sur contrats à terme. Il présente les catégories de rapports sur les contrats financiers à terme et les matières premières physiques,…
Ce notebook décrit une comparaison en lecture seule de prédictions de validation issues de plusieurs familles de modèles sur un panel d’actions US. Il vérifie d’abord que chaque ensemble de prédictions prédéfini est complet, puis évalue le classement…
Ce document explique comment les modèles de Markov cachés déduisent des régimes de marché non observés à partir des rendements et de la volatilité récente. Il commence par deux références transparentes : un seuil d’indice de volatilité pour le stress et le…
Ce notebook met en œuvre une prévision univariée des cours de clôture quotidiens SPY avec PyTorch brut, sktime et Darts. Il compare l’expérience pratique de chaque interface, notamment l’effort de mise en œuvre, les contraintes d’installation et le temps…
Cette analyse compare des modèles prédictifs, à facteurs latents et causaux pour une stratégie transversale sur les actions du S&P 500, à partir de rendements futurs hebdomadaires. Les variables combinent des mesures de momentum et de volatilité des actions…
Cette évaluation en lecture seule reconstitue la stratégie sélectionnée à partir des résultats configurés du registre à couverture complète. Elle suit les étapes, de la référence à pondération égale à l’allocation, aux contrôles du risque et à la sensibilité…
Ce notebook évalue si un LSTM peut exploiter l’ordre des historiques de variables ETF pour faire mieux que des modèles linéaires et de boosting de gradient à variables plates. Il confronte la population de séquences déclarée aux données actuelles, vérifie…
Ce notebook utilise un panel synthétique d’actifs pour présenter la PCA instrumentée PCA, où les expositions factorielles dépendent linéairement de caractéristiques observées avant les rendements. Les moindres carrés alternés estiment la relation entre…
Ce notebook étudie ARIMA comme générateur de variables pour des modèles pouvant utiliser ses résultats avec d’autres prédicteurs. Il explique comment les graphiques ACF et PACF peuvent suggérer des ordres de modèle, comment les critères d’information…
Ce notebook applique une configuration de trading NASDAQ-100 préalablement sélectionnée aux prédictions d’une fenêtre de test intacte. La stratégie, la concentration du portefeuille, la méthode d’allocation, le calendrier de rééquilibrage, le dispositif de…
Ce notebook explique pourquoi une série quotidienne d’options à échéance constante ne correspond pas à l’historique des rendements d’un contrat négociable unique. Sélectionner chaque jour un nouveau straddle proche du cours peut modifier le prix d’exercice,…
Cette référence décrit les jeux de données universitaires de rendements factoriels de la bibliothèque Fama-French et de AQR, destinés à l’analyse de stratégies et à la modélisation des facteurs. Les données Fama-French comprennent des séries de marché, de…
Cette étude de cas décrit la production d’un ensemble de prédictions hors échantillon pour un modèle d’options S&P 500 déjà sélectionné. La configuration de test est fixée à partir des résultats de validation, puis ajustée à nouveau sur des données…
Cette étude de cas compare des modèles prédictifs de rotation mensuelle multi-actifs entre des ETF couvrant les actions, les titres à revenu fixe, les matières premières, les devises et l’immobilier. Sa principale leçon est que le coefficient d’information…
Ce notebook explique comment l’apprentissage automatique double (DML) estime si le momentum FX influe sur les rendements futurs après ajustement des facteurs de confusion configurés. Il distingue cette question d’intervention de la prédiction : les modèles…
Ce notebook passe en revue les étiquettes d’apprentissage supervisé à partir des données de prix de ETF. Il couvre les rendements futurs à horizon fixe pour la régression ou la classification directionnelle, les percentiles glissants des séries temporelles,…