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 présente les réseaux Deep Momentum, qui combinent apprentissage profond et cadre de mise à l’échelle de la volatilité utilisé pour le momentum des séries temporelles. Un réseau neuronal apprend simultanément les estimations de tendance et la taille…
Cette étude examine si le moment et le sujet des discussions sur les cryptomonnaies dans les médias sociaux sont liés au comportement ultérieur des prix. Elle applique une modélisation dynamique des thèmes aux échanges dans des communautés en ligne, puis…
Cet article propose une méthode en deux étapes pour repérer et négocier des occasions d’arbitrage statistique sur options. Il définit d’abord une cible de prédiction destinée à isoler l’arbitrage pur à l’aide d’obligations synthétiques, puis utilise RNConv,…
Cette étude présente un cadre d’apprentissage par renforcement sans modèle pour l’arbitrage statistique entre paires d’actions. Elle construit d’abord un écart à retour à la moyenne en choisissant les coefficients des actifs qui minimisent une mesure…
Ce document décrit CREDIT, une approche d’apprentissage par renforcement pour le trading par paires qui utilise une GRU bidirectionnelle et une attention temporelle. L’architecture vise à saisir les relations au fil du temps dans les mouvements de prix de…
L’article propose Mid-LSTM, un modèle d’apprentissage profond conçu pour prévoir les cours des actions à moyen terme en tenant compte des anomalies de marché. Sa conception représente les tendances du marché par des états cachés. L’approche décrite formule…
L’article présente une approche d’apprentissage profond pour la sélection de portefeuilles d’actions US. Son réseau résiduel à commutation utilise un module pour identifier les conditions de marché et un autre pour produire des prévisions de momentum et de…
MacroHFT est une approche d’apprentissage par renforcement pour le trading de cryptomonnaies à l’échelle de la minute. Elle répond à deux difficultés signalées dans les méthodes existantes : les agents peuvent surapprendre et ne pas adapter leurs politiques…
Cette étude prédit les changements directionnels à court terme d’un contrat à terme à partir de variables d’analyse technique, de flux d’ordres et de données du carnet d’ordres. Elle entraîne un modèle d’apprentissage profond TabNet sur des contrats à terme…
Cette étude modélise la volatilité réalisée du Bitcoin à l’aide d’un circuit quantique paramétré et examine si la série générée reflète les caractéristiques statistiques observées dans les données de marché. À partir de prix du Bitcoin relevés toutes les…
Cette étude propose une méthode de portefeuille d’actions fondée sur la prévision de la distribution de facteurs résiduels, qui capturent des informations au-delà des expositions communes au marché et peuvent contribuer à couvrir ces expositions. Elle décrit…
Cette étude prévoit les défauts d’entreprise à l’aide d’un modèle de forme réduite où les intensités de défaut des entreprises dépendent d’un facteur de fragilité non observé. Elle combine estimation bayésienne et méthode de Monte-Carlo par chaînes de Markov…
E-TRENDS propose un cadre de prévision LSTM des changements de tendance des actions au jour suivant. L’étude porte sur les 30 plus grandes actions du S&P 500 et décrit une validation couvrant des cycles de marché de 2005 à 2025. Au lieu de prévoir…
Cette étude examine les facteurs qui façonnent la liquidité du marché des actions, en se concentrant sur le lien entre le flux d’ordres signé et l’impact sur les prix. Elle relie les modèles théoriques de trading et de liquidité de type Kyle aux régularités…
L’étude vérifie si les communications de la Réserve fédérale apportent des informations utiles aux prévisions des décisions relatives au taux des fonds fédéraux. Elle compare des modèles utilisant uniquement des indicateurs économiques, uniquement des…
Cette étude utilise un cadre à agents hétérogènes pour examiner comment le suivi de tendance et l’évaluation fondamentale peuvent coexister sur les marchés financiers. Elle étend le modèle de Chiarella avec des traders fondés sur le bruit et une réponse non…
Cette étude vérifie si un grand modèle de langage peut utiliser les actualités d’entreprises pour affiner une stratégie de momentum transversal. Elle combine les rendements quotidiens des composants du S&P 500 avec des actualités à haute fréquence, puis…
WebCryptoAgent est un cadre de trading de cryptomonnaies à court terme qui combine contenus web, sentiment social et données de marché OHLCV. Il attribue à des agents spécialisés par modalité l’analyse de différentes sources d’information, puis rassemble…
Cet article traite de l’optimisation convexe en ligne avec mémoire, où chaque perte dépend de la décision actuelle et des décisions antérieures. Cette dépendance peut modéliser des situations où les actions passées influencent les résultats présents. Les…
Cette étude passe en revue les applications de AI aux actions, aux ETF, aux marchés centralisés de cryptomonnaies, aux contrats à terme perpétuels et aux activités on-chain. Elle décrit le parcours vers des rendements d’investissement comme une succession…
L’article présente un agent d’apprentissage par renforcement profond pour la gestion de portefeuille, qui équilibre recherche de rendement et maîtrise du risque. Sa politique cible ajuste l’intensité avec laquelle l’agent privilégie l’action optimale, au…
Le document présente un cadre d’arbitrage statistique qui combine évaluation des actifs, modélisation des séries temporelles et optimisation de portefeuille. Il utilise d’abord des facteurs de valorisation latents conditionnels pour repérer des actifs…
L’étude teste si les indicateurs de trading et des réseaux sociaux améliorent la classification des variations de prix des cryptomonnaies par rapport aux seuls indicateurs techniques. Elle évalue des données horaires et quotidiennes sur le Bitcoin et…
Le document étudie la manière dont un trader peut liquider un actif risqué lorsque les transactions provoquent un impact temporaire sur les prix et que le noyau d’impact est inconnu. Il propose d’estimer le noyau, ou propagateur, de façon non paramétrique à…