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 approche d’apprentissage automatique de bout en bout qui transforme directement les données du marché des options en signaux de trading. Contrairement aux approches qui spécifient la dynamique du marché ou s’appuient sur un modèle de…
Le document décrit l’application de l’apprentissage par renforcement profond au problème de trading du retour à la moyenne. Il vise à rendre les méthodes récentes d’apprentissage par renforcement plus accessibles aux praticiens qui devraient autrement…
Le document examine pourquoi les grands modèles de langage plus performants peuvent parfois négocier des cryptomonnaies moins efficacement que des modèles plus faibles. Il attribue en partie ce phénomène à la préférence des modèles plus puissants pour les…
Le document présente Real-CATS, un jeu de données destiné à soutenir le développement et l’évaluation de méthodes de détection d’adresses de cryptomonnaies. Il rassemble des adresses identifiées comme criminelles dans des rapports réels et des adresses…
Cette étude utilise des données internes du réseau Bitcoin et des variables externes pour prévoir le sens quotidien des prix avec plusieurs modèles d’apprentissage automatique. Elle évalue ces prévisions au moyen d’une stratégie de trading sur des…
PulseReddit met en regard de vastes discussions Reddit et des statistiques de marché des cryptomonnaies à haute fréquence afin d’étudier si les informations sociales peuvent éclairer le trading à court terme. L’article évalue des systèmes multi-agents fondés…
Cet article prévoit la volatilité réalisée à court terme du Bitcoin en encodant des instantanés du flux d’ordres sous forme d’images. La taille et le sens des transactions, ainsi que les informations du carnet d’ordres à cours limité, sont convertis en…
Cet article utilise un marché computationnel à base d’agents pour étudier l’effet de la prévalence des transactions informées sur les profits des teneurs de marché. Son modèle comprend des teneurs de marché ayant différents niveaux d’information et…
Cette étude examine l’effet du système de révision automatisée des balles et prises de la Major League Baseball sur les décisions des arbitres et le comportement des joueurs lors des demandes de révision. Elle analyse les lancers déclarés de 2015 à 2026…
Cet article examine comment régler des simulateurs de marché multi-agents pour que les séries de prix et de volumes qu’ils génèrent ressemblent aux conditions historiques du marché. Ces simulateurs servent à tester des stratégies, et les auteurs soulignent…
Cette étude examine si un agent génératif alimenté par un grand modèle de langage peut reproduire les variations de la combinaison des comportements fondamentalistes et suiveurs de tendance décrits par les modèles à agents hétérogènes. L’agent utilise les…
Ce document décrit un cadre indépendant du modèle pour prévoir la volatilité des actifs en extrayant un ensemble compact de facteurs variables dans le temps à partir des volatilités réalisées. Ces facteurs visent à saisir l’évolution de la co-mobilité entre…
Le document présente TiMi, un système multi-agents pour le trading quantitatif qui dissocie la conception d’une stratégie de trading de son exécution à la minute. Il attribue aux modèles de langage des tâches spécialisées, comme l’interprétation des…
L’étude décrit une méthode de classification des tendances du Forex à l’aide d’un réseau neuronal convolutif. Elle convertit d’abord les données quantitatives du marché en images ressemblant à des graphiques de trading, puis entraîne un CNN à apprendre les…
Cet article décrit un réseau LSTM qui prévoit l’orientation des cours des cryptomonnaies sur un horizon fixe à court terme, à partir des données transaction par transaction d’une période rétrospective. Son processus comprend la conception des…
L’article présente un réseau neuronal génératif pour établir des prévisions probabilistes des prix de l’électricité sur le marché allemand en continu. Au lieu de produire une simple estimation ponctuelle, la méthode génère des trajectoires de prix possibles…
L’article propose un modèle de prévision de l’orientation du cours du Bitcoin à court terme, qui combine des caractéristiques horaires de prix et de volume avec le sentiment exprimé sur Reddit. Une mesure glissante de la volatilité classe chaque observation…
Le document réexamine les liens entre sept ratios financiers d’entreprise couramment étudiés et les rendements des actions. Il applique l’analyse topologique des données, notamment l’algorithme Ball Mapper, pour représenter les observations dans l’espace des…
Cet article présente les réseaux Multi-Factor Inception Networks (MFIN), un cadre de trading de plusieurs cryptomonnaies à partir des rendements de prix et d’autres signaux fréquemment actualisés. Il motive l’ajout de facteurs comme le hashrate du réseau et…
L’étude explore l’apprentissage par renforcement profond pour élaborer une stratégie de trading adaptative sur un portefeuille de 30 actions. Elle utilise les prix quotidiens comme données d’entraînement et environnement de trading, puis compare l’agent à la…
Le document présente une étude de méthodes hybrides pour prévoir les prix spot de l’électricité sur le marché EPEC. Les composants du modèle comprennent une prévision naïve, une analyse de Fourier, des modèles ARMA et GARCH, un processus de diffusion avec…
L’étude décrit une approche de trading qui combine le sentiment extrait des actualités financières avec des indicateurs techniques et des prévisions de séries temporelles. Elle utilise GPT-2 et FinBERT pour l’analyse de sentiment, associe les signaux obtenus…
Cet article évalue des méthodes de réduction de dimensionnalité pour étudier la relation entre Bitcoin et Ethereum et prévoir les rendements d’Ethereum. Le jeu de données utilise des rendements logarithmiques et des covariables supplémentaires. Les auteurs…
Le document présente un cadre de tenue de marché à haute fréquence qui combine des données de marché à l’échelle du tick et des signaux de prévision périodiques. Il applique l’apprentissage profond par renforcement pour exploiter à la fois les informations…