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
Cette analyse estime si le momentum excluant la période récente est associé à une variation causale des rendements futurs des ETF, plutôt que de chercher à déterminer dans quelle mesure le momentum prédit les rendements. Le double apprentissage automatique…
Ce notebook étudie des modèles de gradient boosting pour prévoir les rendements et le sens des contrats perpétuels crypto. Sa grille fait varier la capacité des arbres et la fonction de perte, notamment les objectifs d’erreur quadratique, d’erreur absolue et…
Ce document présente le socle neuronal PatchTST pour la prévision de séries temporelles multivariées. Il divise chaque série d’entrée en patches qui se chevauchent, projette chaque patch dans un espace de caractéristiques appris, ajoute des encodages…
Ce chapitre présente la construction d’études cohérentes dans le temps sur les données fondamentales et alternatives, concernant les actions, les séries macroéconomiques, les contrats à terme, les cryptomonnaies et les marchés prédictifs. Ses méthodes…
Ce notebook utilise l’apprentissage automatique double pour tester si l’association entre l’écart de volatilité implicite moins réalisée et les rendements futurs des actions persiste après ajustement pour les facteurs de confusion observés. Il compare…
Ce document décrit comment dériver un intervalle d’entraînement unique pour l’échantillon de réserve à partir d’une spécification de validation walk-forward existante. Il reprend les dates de réserve déclarées dans la configuration de l’étude, utilise le…
PCA avec prime de risque modifie la matrice de covariance en lui ajoutant un produit extérieur pondéré du vecteur des rendements moyens d’entraînement. Ses vecteurs propres dominants définissent des portefeuilles factoriels statiques : on retrouve PCA…
Cette étude compare le Double Deep Q-Learning aux mélanges d’experts partitionnés par K-means et aux réseaux denses à nombre de paramètres équivalent pour l’exécution d’ordres sur BTC/USDT. L’évaluation utilise des données du carnet d’ordres à cours limité…
Ce notebook estime si le score z de la prime d’un perpétuel crypto affecte les rendements ultérieurs sur huit heures lorsque trois facteurs déclarés — volatilité des prix, taux de financement et écart moyen de la prime — sont maintenus constants. Comme le…
Ce notebook présente un GAN Sig-Wasserstein non conditionnel pour générer des séries temporelles financières. Il remplace un discriminateur entraîné à distinguer le réel du généré par une distance fondée sur les signatures attendues des trajectoires, des…
Ce notebook explique comment reconstruire un catalogue d’expériences de modèles à partir du registre d’une étude de cas et en comparer le contenu avec MLflow. Il suit les expériences depuis les exécutions d’entraînement jusqu’aux ensembles de prédictions et…
Ce notebook compare les moindres carrés ordinaires à Ridge, LASSO et Elastic Net pour prévoir les rendements futurs dans un univers d’ETF. Tous les modèles utilisent les mêmes plis walk-forward, avec une période de purge correspondant à l’horizon de la…
Ce notebook compare des modèles linéaires pour prévoir les rendements ETF à partir de caractéristiques de prix qui se chevauchent. Comme plusieurs horizons de rendement et familles d’indicateurs peuvent encoder des informations similaires, les moindres…
Ce guide associe les questions causales aux bibliothèques Python et clarifie la différence entre estimer des effets en supposant une structure causale et découvrir des structures possibles à partir des données. Il présente le double apprentissage automatique…
Ce notebook présente un modèle de facteur d’actualisation stochastique pour valoriser une coupe transversale d’ETF. Au lieu d’estimer séparément les expositions des fonds et les rendements des facteurs, il entraîne des réseaux à trouver une série commune de…
Ce notebook applique TabM, un ensemble neuronal à partage de poids, à un panel de caractéristiques de contrats à terme perpétuels sur cryptomonnaies. Ses membres partagent une base neuronale, mais disposent de vecteurs de mise à l’échelle et de couches de…
Ce notebook présélectionne les caractéristiques financières et issues de modèles selon leur capacité à classer les ETF en fonction des rendements ultérieurs. Il calcule un coefficient d’information date par date en comparant les rangs transversaux de chaque…
Ce notebook pose une question ciblée : une représentation séquentielle apprise des caractéristiques de financement perpétuel fait-elle mieux que des résumés conçus manuellement de la prime, c’est-à-dire de l’écart entre les prix des contrats perpétuels et au…
Ce notebook examine si les attributions de caractéristiques SHAP sont suffisamment stables pour guider l’élagage des modèles, les décisions de risque ou les rapports. À partir d’une tâche de prédiction ETF, il recherche d’abord des échantillons de test dont…
Ce notebook évalue une par une les caractéristiques candidates de 20 paires de devises par rapport aux rendements futurs. Il limite l’analyse aux périodes de validation walk-forward, associe chaque séance à son pli et laisse un intervalle tampon avant la…
Ce notebook explique comment combiner les prévisions probabilistes de plusieurs agents et étalonner les probabilités obtenues. Il présente l’extrémisation de Neyman, qui éloigne la prévision moyenne du taux de base en fonction de la taille du panel et d’une…
Cet utilitaire de données facilite l’utilisation du jeu de données de valorisation de Chen, Pelger et Zhu, qui comprend les rendements boursiers, les caractéristiques des entreprises, des séries macroéconomiques et des tenseurs de caractéristiques…
Ce notebook examine si des caractéristiques financières contribuent à expliquer une étiquette de rendement d’options couvertes en delta sur 10 séances. Il compare des modèles Ridge utilisant une caractéristique de volatilité implicite, des groupes de…
Ce module décrit une méthode commune pour préparer des plis d’entraînement et de validation walk-forward pour plusieurs familles de modèles. Il sépare les opérations coûteuses indépendantes du modèle — découpage des fenêtres temporelles, application de…