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 document décrit un processus de collecte des rendements des titres du Trésor FRED et d’indicateurs économiques, d’alignement de séries à fréquences de publication différentes sur un calendrier quotidien, puis de chargement ou de filtrage du jeu de données…
Ce module décrit une interface de recherche pour les agents de recherche, avec un fournisseur réel et un fournisseur fictif déterministe. Les recherches peuvent limiter le nombre de résultats et appliquer une date limite de publication, ce qui facilite la…
Ce module d’allocation partagé transforme les prévisions transversales en pondérations de portefeuille. Il classe les actifs selon leur score pour sélectionner des positions longues ou les paniers long et short composés des actifs les mieux et les moins bien…
Cette étude de cas ajuste des arbres entraînés par boosting de gradient aux étiquettes de rendement des ETF et les compare à une référence linéaire qui a obtenu de bons résultats avec une forte régularisation Ridge. Elle explique pourquoi les arbres peuvent…
Le document présente trois règles de clôture des positions avant le rééquilibrage prévu d’un portefeuille : un stop de perte fixe, un stop suiveur mesuré depuis le meilleur prix de la position et une sortie temporelle qui clôture après une durée de détention…
Ce notebook agrège les résultats de modèles linéaires, notamment OLS, Ridge, Lasso et ElasticNet, sur neuf études de cas. Il compare la configuration complète la plus performante de chaque étude sur son étiquette principale, puis examine la régularisation,…
Ce notebook crée un diagnostic réutilisable des jeux de données financiers avant le prétraitement ou l’ingénierie des caractéristiques. Il vérifie le type de l’index temporel, les horodatages nuls, l’ordre et l’unicité ; repère les doublons exacts et ceux…
Ce notebook compare deux modèles de fondation préentraînés pour séries temporelles, Chronos et TinyTimeMixer, à un LSTM et à un modèle linéaire pénalisé sur un panel d’ETF. Chaque modèle reçoit un contexte historique univarié ; les modèles préentraînés…
Ce module définit un objectif différentiable pour l’apprentissage de portefeuille de bout en bout. Il transforme des pondérations de risque limitées au niveau des actifs en expositions du portefeuille à l’aide d’un ajustement par la volatilité, calcule les…
Ce notebook analyse des carnets d’ordres NASDAQ reconstruits pour décrire les spreads intrajournaliers et la profondeur au meilleur cours acheteur et vendeur, puis examine si le déséquilibre des flux d’ordres est associé au rendement de la tranche suivante.…
Ce notebook explique comment un autoencodeur conditionnel étend l’analyse en composantes principales instrumentée PCA pour modéliser les rendements des ETF. Les deux méthodes relient les caractéristiques des fonds aux expositions factorielles et combinent…
Cette étude de cas explique pourquoi les stop-loss, les stops suiveurs et les autres protections par position ne peuvent pas être testés pour des portefeuilles US fondés sur les caractéristiques des entreprises et construits à partir d’observations…
Ce notebook établit une référence au stade du signal pour évaluer les prévisions du modèle sur les contrats à terme CME. À chaque décision hebdomadaire, il classe les produits selon leur rendement prédit, achète le groupe de tête, vend à découvert celui de…
Ce notebook utilise la régression linéaire comme référence pour prévoir les rendements du NASDAQ-100 à partir de caractéristiques microstructurelles à la minute. Comme les mesures de spread et de déséquilibre des ordres se chevauchent selon les périodes…
Ce notebook compare deux questions causales sur les primes extrêmes des contrats à terme perpétuels sur Bitcoin : un état de prime prédit-il les rendements futurs, et prédit-il le retour ultérieur de la prime à sa moyenne ? Le traitement est un indicateur…
Ce notebook présente une méthode pour décider comment modéliser les séries temporelles financières. Il commence par des graphiques des prix et rendements de SPY, des niveaux de VIX et de la distribution des rendements afin de repérer les niveaux dérivants,…
Cette configuration définit une expérience de classement et de rééquilibrage long uniquement sur des ETF. Elle couvre un vaste univers de 100 ETF, avec des expositions aux actions, obligations, matières premières et régions ; les décisions sont mensuelles et…
Ce notebook construit des intervalles de prédiction autour de prévisions par gradient boosting et compare la prédiction conforme scindée à la régression quantile, à la régression quantile conformisée et à l’inférence conforme adaptative. La méthode conforme…
Cette étude de panel d’actions US utilise un modèle linéaire pénalisé comme référence pour prévoir les rendements futurs à partir de caractéristiques observées à la clôture. Son ensemble de caractéristiques contient des mesures de momentum et de volatilité…
Ce benchmark compare CSV, Parquet, Feather (Arrow IPC) et HDF5 sur le même panel OHLCV déterministe. Il mesure le temps d’écriture, le temps de lecture avec matérialisation, la taille des fichiers et l’effet de la lecture de certaines colonnes seulement. La…
Cette étude de caractéristiques ETF construit trois entrées dérivées de modèles : un modèle de Markov caché (HMM) qui estime le régime de marché, des prix différenciés de façon fractionnaire pour des fonds de référence et la volatilité conditionnelle 1,1…
Ce notebook explique l’analyse en composantes principales instrumentée (IPCA), qui estime des facteurs communs tout en modélisant les expositions factorielles de chaque action comme une fonction linéaire partagée des caractéristiques de sa surface d’options…
Ce tutoriel compare sur des données quotidiennes de SPY des seuils fixes de stop-loss et de take-profit, des stops suiveurs, des sorties ajustées à la volatilité ATR, un signal de sortie fondé sur l’apprentissage automatique et des combinaisons de ces…
Cette étude compare des arbres entraînés par gradient boosting à un modèle linéaire pénalisé pour classer les paires de devises selon leurs rendements futurs. Elle part du fait que les arbres peuvent représenter des relations conditionnelles, par exemple…