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.
201 documents
Ce notebook applique l’analyse en composantes principales à un sous-ensemble liquide d’actions US pour extraire des facteurs latents et former des portefeuilles propres long-short. Il explique comment convertir des vecteurs PCA standardisés en pondérations…
Ce document présente un modèle factoriel à autoencodeur supervisé pour prédire les rendements des actions dans un contexte de recherche en analyse des options sur actions. Contrairement à PCA, IPCA et à un autoencodeur conditionnel non supervisé, son…
Ce notebook étudie des modèles de prédiction linéaires pour une coupe transversale de contrats à terme CME, à partir de colonnes de caractéristiques regroupées en familles apparentées, notamment le portage, le momentum, la volatilité et des mesures de risque…
Ce notebook présente un autoencodeur conditionnel pour les rendements des actions : un réseau neuronal transforme les caractéristiques des actions en expositions factorielles non linéaires, tandis qu’un autre réseau extrait des facteurs latents contemporains…
Ce notebook examine si les facteurs d’investissement publiés offrent des primes de rendement crédibles et se diversifient mutuellement. Il s’appuie sur des séries longues et multi-actifs d’AQR, ainsi que sur les facteurs actions de Fama-French, en utilisant…
Ce notebook met en œuvre une adaptation pédagogique quotidienne d’un modèle adversarial de facteur d’actualisation stochastique. Un réseau de pondération de portefeuille construit un facteur à partir des rendements excédentaires du lendemain, en utilisant…
Ce notebook applique une stratégie fixe fondée sur les caractéristiques des actions à une période réservée hors échantillon, à partir de prédictions et d’un allocateur de portefeuille sélectionné auparavant. Il conserve la configuration, le dimensionnement…
Ce guide décrit un panel mensuel d’actions US comprenant des entreprises anonymisées et leurs caractéristiques, destiné à la recherche sur la valorisation des actifs par apprentissage automatique. Les données incluent des caractéristiques comptables et…
Ce notebook présente un processus visant à réduire un vaste ensemble de caractéristiques d’ETF à des candidates pour une modélisation ultérieure. Il classe les caractéristiques à l’aide de coefficients d’information de Spearman transversaux calculés par date…
Ce notebook explique comment un facteur d’actualisation stochastique (SDF) valorise une coupe transversale de signaux sur options d’actions. Contrairement aux modèles factoriels qui estiment les expositions et les rendements des facteurs, l’approche SDF…
Ce document présente les facteurs latents comme des schémas communs de rendement entre actions, le coefficient de charge de chaque action décrivant son exposition à un schéma. Il oppose l’analyse en composantes principales, qui extrait les facteurs et les…
Cet index présente les facteurs latents comme des schémas communs extraits des mouvements conjoints des rendements boursiers, chaque coefficient de charge indiquant l’exposition d’une action à un schéma. Il oppose l’analyse en composantes principales, qui…
Ce notebook rassemble les backtests enregistrés d’une étude de cas sur ETF pour évaluer les stratégies en tenant compte de l’incertitude. Il lit les mesures de performance accompagnées d’intervalles de confiance bootstrap par blocs et utilise des bootstraps…
Ce notebook utilise TreeSHAP pour expliquer les prévisions de rendement de LightGBM : importance globale des facteurs, explications de prévisions individuelles, graphiques de dépendance et valeurs d’interaction par paire. Il compare les classements SHAP aux…
Ce notebook transforme les titres financiers en signaux au niveau des actions et les évalue par rapport aux rendements à terme. Il produit des plongements des titres, mesure la surprise liée aux actualités comme la distance sémantique par rapport à une…
Ce notebook présente un processus de sélection de variables pour la recherche sur les ETF, afin de réduire de nombreuses transformations candidates et de nombreux horizons candidats à un ensemble plus restreint pour la modélisation ultérieure. Il calcule les…
Ce notebook explique l’analyse en composantes principales instrumentée (IPCA), qui modélise les expositions factorielles de chaque ETF comme une fonction linéaire commune des caractéristiques observées de ce fonds. Les moindres carrés alternés estiment…
Ce notebook ajuste un modèle à facteurs latents PCA sur un panel de rendements boursiers, sans utiliser de caractéristiques de surface des options, de caractéristiques d’entreprises ni d’informations sur la cible. PCA extrait les principales directions de…
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 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 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 document décrit un jeu de données mensuel sur les actions US, conçu pour la recherche en apprentissage automatique sur la valorisation des actifs. Il comprend 94 caractéristiques d’entreprises transformées par rang, notamment des mesures comptables et des…
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 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…