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.
580 documents
Ce module présente des contrôles après entraînement pour les générateurs de séries temporelles, fondés sur l’approche d’évaluation TimeGAN. Il mesure l’utilité en entraînant un prédicteur récurrent sur des séquences synthétiques, puis en le testant sur des…
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 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 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…
Ce notebook présente une famille de modèles ETF qui représente les rendements par des directions latentes communes et estime comment les caractéristiques des fonds se traduisent en expositions. Il distingue cinq approches : les composantes principales…
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…
Ce notebook analyse un corpus de rapports annuels avant son indexation pour la recherche financière. Il met en évidence quatre problèmes de données que les décomptes de lignes et les contrôles de valeurs nulles ne révèlent pas : l’écart entre la fin de…
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 document présente un système de données partagé pour la recherche en trading quantitatif. Il répertorie des jeux de données sur les actions, les options, les contrats à terme, les cryptomonnaies, le marché des changes, les facteurs, la macroéconomie, les…
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…
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 présente des diagnostics légers de réfutation pour le triage des caractéristiques et distingue explicitement la cohérence d’un mécanisme de l’identification causale. Il commence par examiner les caractéristiques ETF sur plusieurs horizons de…
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,…
Ce notebook regroupe les résultats du registre pour OLS, Ridge, Lasso et ElasticNet dans neuf études de cas. Il sélectionne les résultats de validation complets pour l’étiquette principale de chaque étude, compare les coefficients de corrélation de rang…
Ce notebook entraîne Skip-gram Word2Vec sur des phrases étiquetées issues de l’actualité financière et explique comment ses vecteurs représentent les mots apparaissant dans des contextes similaires. Il décrit le rôle de la dimension des vecteurs, de la…
Ce notebook évalue les caractéristiques ETF une par une en calculant, pour chaque date, un coefficient d’information de rang entre les valeurs des caractéristiques et les rendements mensuels ultérieurs. Il filtre les caractéristiques financières et dérivées…
Ce notebook évalue des caractéristiques candidates pour classer les actions US selon leurs rendements ultérieurs. Il calcule des coefficients d’information transversaux quotidiens, résume leur moyenne avec des estimations d’incertitude tenant compte de la…
Ce notebook présente PCA comme un modèle factoriel latent de référence pour prévoir les rendements ETF. Il décompose un panel d’entraînement de rendements à terme en directions principales et estime l’exposition de chaque fonds ainsi que les primes…