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
L’article développe un cadre qui apprend des facteurs latents conditionnels afin d’identifier les actions liées, de détecter les erreurs de valorisation relatives et de définir une politique de trading tenant compte des coûts de transaction. Ses facteurs…
L’article étudie la sélection optimale de portefeuille lorsque la volatilité des actifs comporte deux facteurs stochastiques : une composante à retour à la moyenne et un niveau de retour à la moyenne stochastique. Le trading entraîne des coûts proportionnels…
Cet article réexamine la règle de Taylor en estimant les taux des fonds fédéraux au moyen d’une régression linéaire et d’un modèle non linéaire d’apprentissage automatique. Dans l’approche linéaire, les moindres carrés ordinaires estiment les coefficients de…
Cette étude teste si les inefficiences des marchés des cryptomonnaies peuvent servir à générer des profits de trading anormaux. Elle évalue de simples stratégies algorithmiques reposant sur l’apprentissage automatique, à partir d’observations quotidiennes…
Le document propose d’utiliser l’optimisation bayésienne pour choisir le multiplicateur ATR et la période ATR de l’indicateur Supertrend. Ces paramètres déterminent comment l’indicateur suit les prix et génère des signaux de trading. L’objectif est…
La stratégie associe la détection en ligne des ruptures à un réseau Deep Momentum fondé sur un modèle LSTM. Le réseau apprend des estimations de tendance et des tailles de position, tandis que le module de détection fournit un point de retournement présumé…
Cet article étudie le lien entre les signaux de trading exprimés dans les publications Twitter d’influenceurs et de médias spécialisés en cryptomonnaies, et les prix du marché. De grands modèles de langage repèrent les signaux d’achat et de non-achat dans…
Cette étude examine si les récits sur la politique des banques centrales contribuent à expliquer les rendements du Bitcoin, en séparant les anticipations du marché des mesures de politique effectivement prises. Elle construit un indice hebdomadaire…
Cette étude analyse comment la géométrie du prédicteur contraint l’apprentissage orienté décision, dans lequel l’entraînement du modèle est lié à un objectif de décision en aval. À l’aide du suivi parcimonieux d’indice, elle distingue les informations de…
Le document présente une approche d’apprentissage supervisé pour prévoir l’orientation des prix sur le marché chinois des contrats à terme. Il utilise un modèle de classification pour prédire les mouvements de prix des contrats à terme, puis transforme ces…
L’étude utilise des modèles de Markov cachés à plusieurs états pour prévoir et expliquer les rendements du Bitcoin, de l’Ether et du Ripple. Elle compare plusieurs types de modèles, dont une spécification de Markov caché non homogène, et examine des…
Le document étudie la programmation génétique vectorielle (VGP) comme méthode pour faire évoluer des stratégies de trading financier. Il présente deux variantes : l’une prend en charge les opérations sur nombres complexes, l’autre utilise un typage fort.…
L’article traite du surapprentissage des stratégies transversales entraînées sur des actifs disposant de peu de données historiques. Il présente les réseaux à encodeurs fusionnés, qui combinent les représentations d’un module encodeur-attention entraîné sur…
L’article modélise la persistance des flux d’ordres d’achat et de vente comme le signe de changements de régime de marché, qui peuvent survenir lorsque de gros ordres sont fractionnés et exécutés dans le temps. Il propose une méthode bayésienne de détection…
Ce travail propose de représenter les actions selon leur rang de capitalisation plutôt que par l’identité de l’entreprise. Il part du constat que les représentations classiques fondées sur les noms peuvent être bruitées et volatiles, ce qui complique…
Cette étude applique le traitement automatique du langage à des rapports d’analystes chinois et utilise un modèle BERT personnalisé pour classer leur tonalité comme positive, neutre ou négative. Elle examine si le sentiment des rapports aide à expliquer les…
L’étude utilise les prix historiques et des indicateurs techniques pour classer les mouvements à court terme du Bitcoin, de l’Ethereum et du Litecoin. Elle compare les méthodes de classification selon leur capacité à repérer les mouvements haussiers et…
L’étude teste si les indicateurs sanitaires liés à COVID-19 améliorent la prévision des rendements du Bitcoin. Elle compare des modèles de régression LightGBM entraînés avec et sans variables liées à la pandémie, notamment des mesures de vaccination,…
Cette étude teste l’apprentissage profond par renforcement comme couche d’exécution pour le trading par paires sur des marchés de cryptomonnaies volatils. Le cadre filtre et classe d’abord les paires candidates, puis utilise un agent Proximal Policy…
Ce travail présente un transformeur génératif préentraîné qui modélise les séries temporelles financières comme des séquences de messages d’ordres. Le modèle sert de moteur de génération d’ordres dans un simulateur à événements discrets, afin de reproduire…
EverMine est un cadre qui permet de tester si les agents de recherche s’améliorent en accumulant des compétences, des outils et des règles réutilisables au cours d’une recherche d’alpha à long horizon. Il représente l’état de la recherche par l’historique…
L’étude propose un gestionnaire de portefeuille par apprentissage par renforcement dans un contexte à haut risque. Il combine des transactions dans les deux sens avec le prêt et l’emprunt, utilise une récompense fondée sur les profits et pertes et vise à…
L’article propose une approche d’investissement systématique visant à constituer un patrimoine sur un horizon plus long au moyen d’une série de décisions d’achat à court terme de ETF. Il combine des algorithmes évolutionnaires et un modèle d’apprentissage…
StockGPT traite les rendements boursiers quotidiens comme des séquences de jetons numériques et entraîne un modèle autorégressif pour prévoir les rendements futurs. Son mécanisme d’attention vise à apprendre directement les motifs temporels à partir des…