Passer au contenu

Bibliothèque de connaissances

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.

Rechercher dans la bibliothèque

904 documents

Machine Learning for Trading

Ce notebook présente le protocole Rademacher Anti-Serum (RAS) comme méthode d’ajustement des estimations de performance lors d’une sélection au sein d’une classe finie de stratégies ou de signaux. La complexité empirique de Rademacher estime dans quelle…

StatistiquesBacktestGestion des risquesApprentissage automatique
Machine Learning for Trading

Ce notebook présente NLinear comme modèle de référence pour prévoir les rendements boursiers à partir de fenêtres ordonnées de caractéristiques. Chaque exemple contient 60 sessions consécutives pour une action. Pour chaque caractéristique, le modèle…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook présente la couverture profonde d’une position vendeuse sur un call européen. Il simule des trajectoires de mouvement brownien géométrique, utilise la couverture delta de Black–Scholes comme référence et entraîne un réseau neuronal semi-récurrent…

OptionsÉvaluation des dérivésApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce document présente PCA instrumentée, où les expositions des actifs aux facteurs sont modélisées comme des fonctions linéaires de caractéristiques observées avant le rendement. Il utilise les moindres carrés alternés pour estimer la relation entre…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document décrit un jeu de référence reproductible sur les actions US, issu de l’archive de réplication de la tarification des actifs de Chen, Pelger et Zhu. Il comprend environ 1.2 million d’observations mensuelles sur les actions, de 1967 à 2016, avec 46…

ActionsInvestissement factorielApprentissage automatiqueMarchés américains
Machine Learning for Trading

Ce document explique comment TSMixer traite l’historique récent des caractéristiques d’une action sous forme de matrice dont les lignes représentent les sessions et les colonnes les caractéristiques. Ses blocs mélangent l’information le long des colonnes de…

ActionsApprentissage automatiqueMomentumBacktest
Machine Learning for Trading

Ce notebook compare les prévisions zero-shot de Chronos et TinyTimeMixer à celles d’un modèle LSTM et d’un modèle linéaire pénalisé sur un panel d’ETF. Chaque modèle reçoit le même contexte historique univarié, mais les modèles préentraînés prévoient la…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook estime si le z-score de la prime des contrats perpétuels crypto est associé aux rendements ultérieurs sur huit heures dans le cadre d’une intervention, en tenant compte de la volatilité des prix, du taux de financement et de l’écart de la prime à…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette étude cherche à déterminer si les variables du marché des options peuvent classer les rendements futurs des actions. Les caractéristiques comprennent la volatilité implicite selon les échéances, l’asymétrie put-call, la pente de la structure par terme…

OptionsActionsVolatilitéApprentissage automatique
Machine Learning for Trading

Ce notebook adapte aux actions américaines quotidiennes une architecture adversariale de facteur d’actualisation stochastique. Un réseau de pondération de portefeuille forme un facteur à partir des rendements excédentaires du lendemain, tandis qu’un réseau…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook présente le cycle opérationnel d’une stratégie de prédiction ETF : actualiser les données de marché, recalculer les caractéristiques financières, réentraîner un modèle Ridge, enregistrer les artefacts de déploiement, produire des prédictions…

ActionsApprentissage automatiqueExécution des ordresBacktest
Machine Learning for Trading

Ce notebook compare une forêt aléatoire à XGBoost, LightGBM et CatBoost sur un panel de caractéristiques d’entreprises anonymisées et de rendements. Le jeu de données fournit des partitions chronologiques pour l’entraînement, la validation et le test. Les…

ActionsApprentissage automatiqueStatistiquesInvestissement factoriel
Machine Learning for Trading

Ce notebook présente un inventaire, établi à partir de plusieurs études de cas, des caractéristiques financières construites et du coefficient d’information le plus élevé dans le registre pour chaque étude de marché. Il dénombre les caractéristiques et les…

Multi-actifsStatistiquesApprentissage automatiqueConstruction de portefeuille
Machine Learning for Trading

Le document explique comment identifier des régimes de marché en divisant les rendements en fenêtres chevauchantes et en traitant chaque fenêtre comme une distribution empirique. Il mesure la distance entre les fenêtres à l’aide de quantiles appariés et…

StatistiquesApprentissage automatiqueGestion des risquesBacktest
Machine Learning for Trading

Ce notebook présente un autoencodeur conditionnel qui préserve la structure d’un modèle factoriel latent instrumenté, tout en remplaçant par un réseau neuronal la fonction linéaire reliant les caractéristiques des entreprises aux expositions factorielles.…

ActionsApprentissage automatiqueInvestissement factorielStatistiques
Machine Learning for Trading

Cette étude de cas ajuste des modèles linéaires régularisés aux rendements de straddles vendeurs à la monnaie conservés jusqu’à l’échéance. Comme le revenu de prime plafonne le gain tandis que les pertes peuvent croître sans limite, quelques pertes sévères…

OptionsVolatilitéApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce notebook compare deux modèles de représentations vectorielles à poids ouverts exécutés localement sur une tâche de récupération, à partir d’extraits de récents rapports 10-K d’un petit groupe de grandes entreprises US. Les deux modèles reçoivent les mêmes…

Apprentissage automatiqueStatistiquesActionsMarchés américains
Machine Learning for Trading

Ce document ajuste TabM, un ensemble neuronal à partage de poids, à des caractéristiques dérivées d’options pour prévoir les rendements boursiers à terme et les rendements ajustés au risque. Ses membres utilisent un réseau partagé à deux couches, avec une…

ActionsOptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce document présente un enregistrement structuré de l’état des agents de recherche, distinct de leur transcription de conversation. L’enregistrement conserve la question et la date limite, les éléments de preuve recueillis, les questions non résolues,…

Apprentissage automatiqueStatistiquesBacktestGestion des risques