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 examine si l’apprentissage par renforcement peut améliorer le trading de paires de cryptomonnaies, une approche d’arbitrage statistique qui négocie les écarts de prix entre actifs corrélés. Les auteurs construisent des environnements de trading…
Ce travail étudie le contrôle optimal lorsque le modèle comporte des facteurs latents et que le décideur choisit une distribution sur les actions plutôt qu’une action unique. Il introduit l’entropie de Tsallis comme récompense pour l’exploration de l’espace…
Cette étude combine des mesures du marché du Bitcoin avec des signaux sociaux et comportementaux pour étudier le trading algorithmique. Ses données d’entrée comprennent le prix et le volume sur les plateformes d’échange, l’adoption technologique et le volume…
Cette étude décrit une stratégie de fréquence moyenne pour un portefeuille de contrats à terme sur les bons du Trésor US à cinq et dix ans. Elle formule le trading comme une tâche de classification : prévoir si le portefeuille montera ou baissera au cours de…
Le document présente X-Trend, un modèle de prévision de séries temporelles en suivi de tendance conçu pour s’adapter rapidement lorsque les marchés entrent dans de nouveaux régimes. Il utilise l’apprentissage en quelques exemples et l’attention croisée sur…
Cette étude examine si les traders par apprentissage par renforcement modifient leurs stratégies après avoir vécu des bulles sur les prix des actifs, et si cet apprentissage influe sur les bulles ultérieures. Les chercheurs entraînent des agents dans la…
FedSight AI utilise des agents fondés sur de grands modèles de langage pour simuler les délibérations du Federal Open Market Committee et prévoir les décisions relatives au taux cible des fonds fédéraux. Chaque agent examine des indicateurs économiques…
Cet article propose une stratégie à un jour d’horizon, prenant des positions longues ou courtes sur les contrats à terme VIX. Il traite la structure par échéance des contrats à terme comme un processus de Markov et choisit une position visant à maximiser…
L’étude compare deux modèles d’apprentissage automatique, LightGBM et LSTM, à deux stratégies fondées sur des indicateurs pour le Bitcoin : un croisement de moyennes mobiles exponentielles et une combinaison de MACD avec ADX. Elle situe la comparaison dans…
Cet article conçoit une tontine protégeant le conjoint pour procurer un revenu de retraite au ménage. Le premier décès modifie la situation du ménage sans déclencher de transfert depuis le fonds commun ; le compte reste lié au contrat et peut financer une…
Cet article modélise les prix des cryptomonnaies comme des trajectoires dans un champ de potentiel non linéaire évolutif. Il combine l’inférence bayésienne et les processus gaussiens pour estimer ce champ à partir des prix historiques, puis utilise les…
MARKET-BENCH évalue si de grands modèles de langage peuvent convertir des descriptions de stratégies et des hypothèses de marché formulées en langage naturel en programmes de backtesting exécutables. Les tâches comprennent le trading à horaires programmés…
Cet article propose d’utiliser Soft Actor-Critic (SAC) et Deep Deterministic Policy Gradient (DDPG) pour gérer des portefeuilles de cryptomonnaies. Dans un environnement simulé fondé sur des données historiques de marché, les agents apprennent des actions de…
Le document présente une approche d’apprentissage fédéré pour estimer le revenu des emprunteurs lorsque les prêteurs ne peuvent pas regrouper les dossiers bruts des demandeurs. Les institutions entraînent un modèle partagé tout en conservant les données…
L’étude utilise un autoencodeur convolutif pour extraire les principaux motifs du comportement du marché des cryptomonnaies et classer 40 cryptomonnaies. Elle examine douze périodes consécutives de six mois à partir du 15 mai 2013, puis relie l’évolution des…
Cette étude applique l’apprentissage profond par renforcement au trading de devises et traite le choix d’une opération comme une séquence de décisions, plutôt que de s’appuyer sur des prévisions directes des prix. Elle adapte une politique d’arbitrage…
L’étude présente une méthode pour repérer des signaux directionnels de trading à partir des relations entre neuf actions. Elle regroupe d’abord les actions selon leur niveau de volatilité historique intermédiaire à l’aide d’un modèle de mélange gaussien,…
Cette étude compare l’apprentissage automatique quantique, l’apprentissage automatique classique, les méthodes hybrides quantiques-classiques et les modèles Transformer dans des stratégies de trading pour les teneurs de marché automatisés (AMM) et la finance…
Cette étude reproduit une approche d’arbitrage statistique par apprentissage profond qui négocie les résidus de modèles factoriels d’évaluation des actifs. Elle applique la méthode initiale à une période hors échantillon plus récente, à partir de données sur…
L’article propose une technique d’inférence bayésienne et de correntropie pour modéliser l’incertitude et l’ambiguïté des informations de marché et évaluer les prix des actifs. Il applique cette approche à un modèle d’évaluation des actifs fondé sur la…
PrivySense propose d’estimer le sentiment des actualités financières à partir de la volatilité observée des prix. Cette approche inverse le schéma classique décrit dans l’article, où des classificateurs de sentiment sont entraînés sur des textes annotés par…
Ce document présente le score GT, un objectif composite pour optimiser des stratégies de trading fondées sur les données. Il combine des mesures de performance, de significativité statistique, de régularité et de risque de baisse, afin de décourager les…
Le document présente une méthode d’apprentissage par renforcement sans modèle pour l’optimisation séquentielle lorsque les résultats sont évalués à l’aide de mesures de risque convexes dynamiques. Elle utilise un principe de programmation dynamique cohérent…
Cet article étudie si les réactions excessives des cours des actions Apple en cours de séance peuvent être prévues et négociées comme des signaux de momentum. Il combine des rendements normalisés par la volatilité et des caractéristiques émotionnelles tirées…