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.
2,371 documents
Ce tutoriel explique comment la volatilité conditionnelle d’un processus ARCH ou GARCH peut produire des séries de rendements à queues plus épaisses que celles d’une distribution normale. Il simule une série GARCH(1,1), compare le comportement de ses queues…
Ce tutoriel d’introduction montre comment utiliser les notebooks Jupyter pour l’analyse quantitative. Il explique la différence entre les cellules de code et de texte, l’exécution des cellules et l’affichage des résultats, l’importation de bibliothèques…
Le cours décrit l’effet des coûts de transaction sur les performances d’une stratégie et la manière dont les équipes de trading institutionnelles évaluent l’exécution. Il distingue les commissions et frais explicites des coûts indirects, comme le spread et…
Le document explique la régression linéaire multiple comme méthode pour modéliser un résultat à l’aide de plusieurs variables prédictives. Les moindres carrés ordinaires choisissent les coefficients en minimisant les erreurs de prédiction au carré ; chaque…
Ce tutoriel présente les tableaux NumPy et les opérations d’algèbre linéaire utilisés en finance quantitative. Il explique les dimensions et formes des tableaux, l’indexation, le découpage et les fonctions élément par élément, puis applique ces notions à des…
Cette leçon utilise un modèle factoriel pour décomposer le risque d’un portefeuille entre risque lié aux facteurs communs et risque propre aux actifs. Elle construit des rendements des facteurs marché, taille et valeur, estime l’exposition de chaque action…
Cette leçon présente le trading par paires comme une façon de négocier une relation économique supposée entre deux titres. Elle distingue la cointégration de la corrélation, illustre les deux notions avec des séries simulées et décrit la mise à l’épreuve…
Cette leçon d’introduction explique les notions essentielles de Python qui aident à comprendre le code de finance quantitative. Elle aborde les commentaires, les variables et les types de données courants, l’arithmétique de base, les listes et les tuples,…
Le cours explique comment les résidus de régression, c’est-à-dire les différences entre les valeurs observées et prévues, peuvent indiquer si les hypothèses d’un modèle linéaire sont plausibles. Un graphique des résidus devrait ressembler à un nuage sans…
Le cours présente une méthode pour évaluer si un facteur actions classe les titres selon leurs performances relatives futures. L’exemple de momentum mesure la variation du prix sur une longue période rétrospective en excluant la période la plus récente, puis…
Le cours présente l’analyse en composantes principales comme une méthode pour résumer une grande matrice à l’aide d’un plus petit nombre de composantes orthogonales qui capturent une grande partie de sa variation. Une image synthétique illustre la…
Ce cours présente les estimations de paramètres comme des quantités incertaines, susceptibles de changer avec de nouvelles observations ou selon la fenêtre d’échantillonnage. Il propose de mesurer cette instabilité en estimant une statistique sur plusieurs…
Ce cours explique comment le non-respect des hypothèses de régression influe sur les estimations des paramètres et l’inférence statistique, et pourquoi l’analyse des résidus est utile même pour les modèles complexes. Il aborde les résidus non normaux et le…
Ce cours passe en revue les erreurs de spécification possibles d’une régression et leurs effets sur les estimations et les prévisions. Omettre une variable corrélée aux variables explicatives retenues peut biaiser les coefficients, tandis que l’ajout de…
Ce cours explique pourquoi la moyenne et la variance ne suffisent pas à décrire une distribution de rendements. L’asymétrie indique la dissymétrie et l’orientation de la queue la plus longue ; la kurtosis décrit l’épaisseur des queues et le caractère plus ou…
Ce cours explique comment la moyenne d’un échantillon permet d’estimer celle d’une population et comment un intervalle de confiance exprime l’incertitude de cette estimation. Il déduit l’erreur-type à partir de la variabilité de l’échantillon et de sa…
Ce cours présente la régression linéaire comme une méthode pour estimer la variation d’une variable de résultat en fonction d’une ou plusieurs variables explicatives. Dans l’exemple de marché, les rendements quotidiens d’une action sont régressés sur ceux…
Ce tutoriel présente les Series et DataFrames de pandas comme des structures pour organiser, filtrer, transformer et analyser les données financières. Les Series contiennent des données unidimensionnelles étiquetées, tandis que les DataFrames organisent…
Ce cours explique comment les variables aléatoires représentent des résultats incertains et comment les lois de probabilité décrivent leur comportement. Il distingue les résultats discrets, résumés par une fonction de masse de probabilité, des valeurs…
Ce cours examine pourquoi les coefficients de régression peuvent varier fortement d’un échantillon à l’autre, limitant la fiabilité d’un modèle sur de nouvelles données. Des exemples de régression linéaire simple montrent qu’un petit échantillon et des…
Ce cours présente les modèles factoriels sous forme de régressions qui expliquent les rendements d’un actif à partir d’autres séries de rendements. Il estime le bêta d’un actif par rapport à un indice de référence à partir de rendements historiques, puis…
Ce cours explique l’effet de levier comme un emprunt destiné à accroître le capital investi dans une stratégie de trading. Il définit le ratio de levier et s’appuie sur des exemples à période unique pour montrer que les fonds empruntés peuvent amplifier les…
Ce cours explique comment le modèle d’évaluation des actifs financiers relie les rendements attendus des actifs au taux sans risque et à l’exposition au risque général du marché. Il distingue le risque diversifiable, propre à l’entreprise, du risque…
Ce cours présente la Value at Risk (VaR) d’un portefeuille comme un seuil de perte associé à un niveau de couverture choisi, puis montre comment calculer une VaR historique à partir d’un percentile faible des rendements pondérés du portefeuille sur une…