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.
904 documents
Ce module définit un objectif différentiable pour l’apprentissage de portefeuille de bout en bout. Il transforme des pondérations de risque limitées au niveau des actifs en expositions du portefeuille à l’aide d’un ajustement par la volatilité, calcule les…
Ce notebook explique comment un autoencodeur conditionnel étend l’analyse en composantes principales instrumentée PCA pour modéliser les rendements des ETF. Les deux méthodes relient les caractéristiques des fonds aux expositions factorielles et combinent…
Ce notebook utilise la régression linéaire comme référence pour prévoir les rendements du NASDAQ-100 à partir de caractéristiques microstructurelles à la minute. Comme les mesures de spread et de déséquilibre des ordres se chevauchent selon les périodes…
Ce notebook construit des intervalles de prédiction autour de prévisions par gradient boosting et compare la prédiction conforme scindée à la régression quantile, à la régression quantile conformisée et à l’inférence conforme adaptative. La méthode conforme…
Cette étude de caractéristiques ETF construit trois entrées dérivées de modèles : un modèle de Markov caché (HMM) qui estime le régime de marché, des prix différenciés de façon fractionnaire pour des fonds de référence et la volatilité conditionnelle 1,1…
Ce notebook explique l’analyse en composantes principales instrumentée (IPCA), qui estime des facteurs communs tout en modélisant les expositions factorielles de chaque action comme une fonction linéaire partagée des caractéristiques de sa surface d’options…
Cette étude compare des arbres entraînés par gradient boosting à un modèle linéaire pénalisé pour classer les paires de devises selon leurs rendements futurs. Elle part du fait que les arbres peuvent représenter des relations conditionnelles, par exemple…
Ce notebook assemble un agent de prévision à partir d’un client de modèle de langage, d’un outil de recherche et d’une boucle de tours limitée. L’agent recherche des éléments probants et renvoie une probabilité binaire accompagnée d’une justification. Son…
Ce notebook applique des méthodes d’étude événementielle fondées sur des séries temporelles structurelles bayésiennes pour estimer l’impact des annonces de la Réserve fédérale sur un ETF obligataire ETF. Il construit un contrefactuel à partir des relations…
Ce notebook compare DQN, PPO et A2C dans un environnement de trading simulé commun, calibré sur les rendements horaires des contrats à terme perpétuels sur Bitcoin. Un modèle GARCH(1,1) produit le regroupement de volatilité ; l’environnement facture les…
Ce notebook teste si quatre stratégies de portefeuilles gérés expliquent les rendements de SPY après contrôle de la coévolution générale des ETF. Les stratégies classent les ETF selon le momentum retardé, la volatilité ou les rendements récents. Dix…
Ce notebook adapte le skip-gram de Word2Vec aux portefeuilles d’actions institutionnels. Il traite le portefeuille de chaque institution comme une phrase, les identifiants d’actions comme des jetons et les positions classées selon leur valeur déclarée comme…
Ce notebook teste si le dimensionnement des positions fondé sur un modèle améliore la pondération égale dans une stratégie fondée sur les caractéristiques d’entreprises US. Il compare la pondération par score, qui alloue davantage aux titres dont les scores…
Ce notebook évalue si le coefficient d’information (IC) d’un signal peut être distingué du bruit lorsque les observations successives sont dépendantes. Il illustre le problème avec un signal de momentum et des données ETF, et explique comment le…
Ce notebook traite les prévisions ARIMA comme des colonnes d’entrée pour des modèles ultérieurs, et non comme des prédictions autonomes. Il ajuste des modèles aux rendements ETF, utilise des tests de stationnarité et des diagnostics d’autocorrélation pour…
Ce notebook explique comment préparer et enregistrer des prévisions NLinear pour des étiquettes FX. NLinear soustrait le dernier niveau observé de chaque historique d’entrée de longueur fixe, afin que le modèle se concentre sur les variations au cours de la…
Cet outil d’analyse partagé permet de comparer les prédictions de modèles de trading au moyen des métriques du registre et de diagnostics au niveau des prédictions. Il charge des résultats précalculés de coefficients d’information, permet de filtrer par…
Ce document présente trois variables fondées sur des modèles et construites à partir du portage des contrats à terme : une prévision ARIMA du portage à la séance suivante, des mesures de Fourier glissantes pour certaines longueurs de cycle et un modèle de…
Ce document décrit la conversion de fenêtres glissantes de rendements ETF en images à deux canaux pour un réseau de neurones convolutif classique. Un champ angulaire de Gramian transforme les observations normalisées en angles et consigne les relations…
Ce document présente le panel mensuel d’actions US de Chen, Pelger et Zhu, utilisé pour comparer des modèles de valorisation des actifs. Il décrit 46 caractéristiques d’entreprises regroupées par thème économique, les rendements excédentaires du mois suivant…
Ce document présente un réseau convolutif temporel qui prédit les primes de financement des contrats perpétuels crypto à partir d’une fenêtre de règlement de 60. Quatre blocs de convolution causale utilisent un noyau de trois et des dilatations de 1, 2, 4 et…
Ce notebook décrit une architecture inspirée de GT-GAN pour synthétiser des séries temporelles aux horodatages réellement irréguliers, comme les barres de ticks, de volume ou de dollars. Un encodeur GRU-ODE transforme les observations en états latents,…
Ce notebook compare trois façons d’utiliser les régimes de marché dans un modèle de prévision : omettre l’information de régime, ajouter comme caractéristique la probabilité filtrée d’un état volatil ou ajuster des modèles experts distincts pour les régimes…
Cette étude de cas utilise des modèles linéaires comme référence pour prévoir les rendements futurs sur un vaste panel d’actions US. Elle explique pourquoi le chevauchement des caractéristiques de prix et de volume crée de la colinéarité, qui rend instables…