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
Le document décrit une méthode empirique de prévision des prix d’options en résolvant l’équation de Black–Scholes vers l’avant dans le temps. Le problème étant mal posé, la méthode recourt à la régularisation ; le travail formule des théorèmes sur l’unicité,…
Le cadre traite de la circularité dans la génération d’options synthétiques : la volatilité implicite est généralement déduite des prix d’options observés, alors que les prix synthétiques nécessitent une valeur de volatilité implicite en entrée. Il génère…
L’étude examine si les actualités et les publications sur les réseaux sociaux peuvent améliorer les prévisions de prix du Bitcoin et de l’Ethereum lorsqu’elles sont combinées à des données financières et de blockchain. Elle compare des modèles de langage…
Le document utilise un réseau profond à propagation avant pour étudier les interactions non linéaires entre les rendements à haute fréquence et le volume de transactions signé pour les actions à petits et grands pas de cotation. Il compare le réseau à une…
L’étude présente une méthode non supervisée pour identifier, à partir des données, le nombre de régimes de volatilité dans des séries temporelles financières non stationnaires. Elle utilise la détection de ruptures pour diviser chaque série en segments…
Cet audit examine comment retirer un prédicteur de prévisions conditionnées par un régime. Supprimer les variables retardées d’une variable n’équivaut pas à l’exclure de tout le processus d’ajustement, de filtrage et de réglage, car elle peut également…
Cette étude applique l’analyse en composantes principales fonctionnelles (FPCA) pour prévoir les fonctions de rendement intrajournalier du Bitcoin. Elle introduit un modèle factoriel dynamique de Karhunen–Loève reliant les observations fonctionnelles à une…
L’article modélise le flux d’ordres à haute fréquence comme une source de variations de prix intrajournalières et applique des réseaux antagonistes génératifs de séquences pour générer des séquences d’ordres synthétiques. Il utilise ces séquences pour…
Ce document présente des stratégies de momentum spatio-temporel qui associent l’historique de momentum propre à chaque actif à son momentum relatif aux autres actifs. L’approche utilise des réseaux neuronaux pour apprendre des signaux de trading sur…
Cette étude modélise les contrats de protocoles de prêt décentralisés comme des options : les emprunteurs jouent le rôle d’acheteurs et les prêteurs celui de vendeurs, tandis que le ratio prêt-valeur contribue à déterminer la prime. Elle utilise la théorie…
Ce travail teste si l’apprentissage profond par renforcement peut retrouver des stratégies de trading optimales dans des environnements simples à décrire, mais complexes sur le plan mathématique. Les auteurs se concentrent sur le gradient de politique…
Le document décrit une méthode fondée sur les données pour trouver des stratégies d’arbitrage statistique qui cherchent à rester rentables malgré l’incertitude du modèle de marché. Elle utilise des réseaux neuronaux profonds pour examiner de nombreux titres…
Le document utilise une vaste simulation multi-agents pour examiner quels styles de trading perdurent dans un marché bruité. Son modèle MAS-Utopia comprend 10,000 agents répartis entre cinq archétypes et s’appuie sur cinq années de données à haute fréquence.…
L’article étudie comment l’impôt sur les plus-values et les avantages fiscaux liés aux pertes réalisées influent sur les décisions de trading d’actions. Il propose d’utiliser le prix de revient fiscal moyen dans un environnement d’apprentissage par…
CTBench est un référentiel d’évaluation des séries temporelles synthétiques de cryptomonnaies, conçu en tenant compte du trading continu, de la forte volatilité et des changements rapides de régime du marché. Il rassemble des données de 452 jetons et évalue…
Cet article étudie le trading optimal lorsqu’un signal suit un processus d’Ornstein-Uhlenbeck à retour à la moyenne, dont les paramètres varient selon des régimes cachés. Il combine des réseaux neuronaux récurrents et l’apprentissage par renforcement pour…
Cette étude modélise un carnet d’ordres à cours limité peuplé uniquement de traders autonomes utilisant l’apprentissage par renforcement. À l’aide d’un moteur microscopique d’appariement des ordres, elle examine comment les interactions entre agents…
Le document présente CryptoTrade, un agent de trading de cryptomonnaies fondé sur un grand modèle de langage. Son approche combine des informations on-chain, que les auteurs décrivent comme transparentes et immuables, avec des signaux off-chain tels que les…
Cette étude examine si l’écart entre une position de couverture profonde et une position de couverture delta peut constituer un arbitrage statistique. Elle examine une affirmation antérieure établie sous des hypothèses de marché complet et cherche à savoir…
DeepUnifiedMom est un cadre de construction de portefeuille qui combine des signaux de momentum de séries temporelles sur plusieurs horizons. Il utilise l’apprentissage multitâche et une architecture de mélange d’experts à portes multiples pour former des…
Cet article étudie le trading optimal lorsqu’un signal d’arbitrage statistique provient de facteurs cachés qui provoquent des sauts et une diffusion des prix. Les ordres du trader peuvent également influer sur les prix affichés et les prix d’exécution ; le…
Cette étude examine les anomalies intrajournalières de produits négociés en bourse liés au Bitcoin et à l’Ethereum, cotés sur Xetra et Nasdaq Stockholm, à partir de barres d’une minute allant de janvier 2024 à décembre 2025. La référence repère les…
Le document présente un algorithme proposé de trading d’actions à haute fréquence qui utilise des prédictions de réseau neuronal pour produire des signaux d’achat et de vente. Il compare trois approches : une régression logistique optimisée par une fonction…
Le document présente KBPT, une politique de trading par paires qui combine un filtre de Kalman, des signaux fondés sur les bandes de Bollinger et un réseau neuronal inspiré de l’architecture KalmanNet. Les versions traditionnelles modélisent la relation…