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
Cette étude cherche à savoir si les estimations de la volatilité instantanée extraites des options négociées peuvent améliorer les prévisions de volatilité réalisée. Elle enrichit un modèle autorégressif hétérogène de la volatilité réalisée avec une…
Cette étude teste si le contexte à l’échelle de la phrase améliore les modèles de thèmes d’actualité utilisés pour construire des facteurs systématiques d’évaluation des actifs. Elle compare l’allocation de Dirichlet latente à un transformeur de phrases figé…
Cette étude traite d’un double comptage de la variance dans des données synthétiques multi-actifs. Lorsque des générateurs complets de rendements d’actifs sont combinés à un facteur de marché, les rendements simulés peuvent inclure deux fois la variance de…
Ce document présente la prise de risque liée au momentum comme une gestion en temps réel de la volatilité à court terme des actions. Le système proposé transforme une théorie de l’effet des nouvelles sur les cours en tableaux discrets de rendements attendus…
Cette étude présente SimStock, un cadre permettant d’identifier des actions similaires à partir de leur comportement en séries temporelles, plutôt que de s’appuyer uniquement sur les classifications sectorielles ou régionales habituelles. Il combine…
Cette étude applique l’apprentissage profond multitâche à des portefeuilles diversifiés de momentum temporel sur des contrats à terme continus. L’idée centrale consiste à apprendre conjointement la construction du portefeuille et les tâches liées à la…
Cette étude élabore une politique d’enchères et d’exploitation pour le lendemain d’une installation hybride combinant production éolienne et électrolyseur. La politique fixe les offres d’électricité et planifie la production d’hydrogène à l’aide…
L’article propose une approche adaptative fondée sur le Temporal Fusion Transformer pour prévoir à court terme les cours des cryptomonnaies. Elle traite la non-stationnarité et les fortes variations de prix en segmentant la série en sous-séries de longueur…
Le document propose d’utiliser des réseaux antagonistes génératifs avec des LSTM pour créer des trajectoires de prix historiques synthétiques afin d’évaluer des stratégies de trading. Il part du principe qu’une stratégie sélectionnée pour ses excellentes…
Ce travail compare les mathématiques financières et l’apprentissage automatique pour optimiser dynamiquement un portefeuille de deux actifs interdépendants sur un horizon fini en temps continu. L’approche en mathématiques financières utilise un modèle de…
Ce document décrit une approche à états cachés pour le trading de momentum intrajournalier. Il modélise les rendements bruités des titres comme des observations produites par un état de momentum latent, afin d’éviter le retard que les filtres numériques…
Cette étude propose une méthode pour estimer le rendement associé au risque propre à une action, qui n’est pas partagé avec des actions similaires, même lorsque les facteurs de risque sous-jacents sont inconnus. Elle construit un portefeuille de réplication…
L’article propose MRC-LSTM, un modèle associant un module convolutif résiduel multi-échelle à un réseau Long Short-Term Memory pour prévoir le cours de clôture quotidien du Bitcoin en USD. Des convolutions unidimensionnelles détectent et combinent des…
L’étude présente la valeur du Bitcoin comme découlant de caractéristiques informationnelles et de leurs interactions, notamment la décentralisation, la confiance dans le consensus, l’ordonnancement cryptographique et les récits sociaux. Elle représente ces…
L’article applique des méthodes d’apprentissage automatique pour prévoir les cours de clôture d’un indice de cryptomonnaies et de neuf cryptomonnaies qui le composent. Il indique que plusieurs algorithmes et modèles sont comparés pour trouver l’approche la…
L’article étudie la structure des rendements du Bitcoin à plusieurs échelles temporelles à l’aide d’outils d’estimation des propriétés multifractales. Il décrit la variance des rendements comme suivant des relations de loi de puissance avec les incréments de…
L’étude prévoit des distributions de prix pour des plages horaires de trading sur le marché continu infrajournalier allemand, en se concentrant sur les trois dernières heures avant la livraison. Au lieu de produire uniquement des prévisions ponctuelles, elle…
L’article présente un cadre d’apprentissage profond par renforcement pour la tenue de marché des cryptomonnaies, où des agents apprennent à gérer leur inventaire en interagissant avec un environnement de trading simulé. Cet environnement représente les…
Cette étude présente une approche par ensemble pour le trading intrajournalier de portefeuilles de cryptomonnaies avec l’apprentissage profond par renforcement. Elle sélectionne des modèles candidats au moyen de plusieurs périodes de validation, puis combine…
Le document présente deux approches pour estimer les transitions de notation de crédit et les probabilités de défaut. La première estime une chaîne de Markov en temps continu à partir d’observations discrètes, potentiellement incomplètes. Elle établit une…
Le document présente un cadre d’optimisation des stratégies de trading crypto qui associe des algorithmes génétiques à la coordination de plusieurs agents intelligents. Il est conçu pour adapter les paramètres des stratégies à l’évolution des conditions de…
Cet article traite le trading par paires comme un problème de décision intégré, plutôt que comme un processus qui sélectionne d’abord une paire d’actifs puis la négocie. Les auteurs estiment que séparer ces étapes peut faire perdre des informations utiles :…
Ce document décrit un cadre d’apprentissage par renforcement pour concevoir les frais d’une place de marché en tenant compte des traders qui adaptent leurs stratégies en réaction à ces frais. Le cadre apprend conjointement un barème de frais et les…
Le document présente un cadre d’apprentissage par renforcement sensible au risque, dans lequel un agent optimise des mesures spectrales dynamiques du risque cohérentes dans le temps. Il utilise l’élicitabilité conditionnelle pour construire des fonctions de…