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
Ce notebook compare trois façons d’orchestrer un flux de prévision en quatre phases : une composition directe en Python, une version CrewAI guidée par des rôles et une version LangGraph qui délègue aux mêmes classes spécialisées que l’implémentation native.…
Ce notebook décrit une analyse par apprentissage automatique double de l’effet associé à une intervention de momentum FX, après ajustement pour les facteurs de confusion configurés. Des modèles auxiliaires flexibles estiment le résultat et l’intervention à…
Ce notebook compare trois modèles de prévision linéaire, un encodeur Transformer et deux prévisions sans paramètre sur les rendements quotidiens SPY. Les modèles linéaires transforment une fenêtre historique en prévision sur plusieurs jours ; certaines…
Ce notebook configure une prévision NLinear pour des paires FX. Le modèle utilise une fenêtre rétrospective fixe de valeurs consécutives et soustrait le dernier niveau observé afin d’orienter l’ajustement vers les variations sur cette période. Il définit la…
Ce code définit des garde-fous pour une validation croisée reproductible, le suivi de l’éligibilité et les caractéristiques temporelles propres à chaque pli. Il normalise les limites des plis, compare les plis demandés aux limites utilisées pour créer les…
Ce notebook présente des diagnostics limités à la validation pour une étiquette de rendement d’options S&P 500 couvertes en delta sur 10 séances. Il répartit les prédicteurs financiers en groupes dépendant ou indépendants de la volatilité implicite, puis…
Ce notebook reformule la prédiction des rendements futurs 21 sur ETF séances comme une tâche binaire : les rendements positifs sont étiquetés « hausse » et tous les autres « baisse ». Il ajuste une régression logistique régularisée par L2 et L1, au moyen de…
Ce notebook teste si un LSTM peut extraire une structure temporelle des historiques de caractéristiques ETF que des modèles à caractéristiques à plat pourraient manquer. Avant l’ajustement, il vérifie la correspondance entre la population de séquences…
Ce notebook construit des caractéristiques fondées sur des règles pour une coupe transversale de contrats à terme CME, centrées sur le portage issu de l’écart entre des contrats à échéances proches. Il construit également des caractéristiques de momentum, de…
Ce notebook présente deux dispositifs de surveillance séquentielle des erreurs de prédiction en validation pour deux configurations de modèles linéaires sur actions : un détecteur de changement de moyenne à deux fenêtres et un suivi de la fréquence des…
Le notebook montre comment régler LightGBM pour la prévision des rendements ETF avec l’échantillonneur TPE d’Optuna. Il explore la structure des arbres, l’échantillonnage et les paramètres de régularisation, utilise l’arrêt anticipé pour choisir le nombre…
Ce notebook transforme les positions institutionnelles 13F en un graphe biparti reliant institutions et actions, puis en dérive des variables pour la recherche, notamment la similarité de détention conjointe, l’étendue et la concentration de l’actionnariat,…
Ce chapitre présente la recherche sur les stratégies comme la conception et l’évaluation d’un processus de décision exécutable, de l’idée économique initiale au dimensionnement des positions, aux contraintes, aux coûts et aux tests proches du trading en…
Ce notebook construit des variables fondées sur des modèles pour l’étude des options S&P 500, à partir des rendements du sous-jacent. Il ajuste GJR-GARCH, qui accorde un poids supplémentaire aux chocs de rendement négatifs, ainsi qu’un modèle de volatilité…
Ce notebook entraîne des réseaux neuronaux TabM pour classer des ETF à partir du même tableau plat de variables que les modèles linéaires et les modèles de boosting. Chaque membre de l’ensemble partage une architecture commune à deux couches, mais possède…
Ce notebook adapte skip-gram Word2Vec aux participations institutionnelles en traitant chaque portefeuille 13F comme une phrase, chaque identifiant d’action comme un jeton et le rang de taille de position comme l’ordre des jetons. Les positions voisines…
Ce notebook audite l’ensemble complet des prévisions canoniques de validation pour une étude de paires FX. Il vérifie l’identité des modèles, la disponibilité des artefacts, l’exhaustivité, la couverture des étiquettes configurées et la conformité des…
Ce notebook audite les prévisions de validation enregistrées pour une étude de paires FX. Il vérifie que le catalogue comprend la population de modèles configurée, des ensembles complets de prévisions, les artefacts disponibles et les identités de modèles…
Ce notebook évalue NLinear, un modèle séquentiel simple qui soustrait le dernier niveau observé d’une fenêtre rétrospective et transforme la séquence obtenue en prévision par une transformation linéaire. Il ajuste la population de modèles ETF sur des plis…
Ce notebook audite un corpus de rapports annuels avant son indexation pour la recherche financière. Il mesure le délai entre la fin d’une période fiscale et la date de publication publique, montrant pourquoi les applications à date donnée doivent utiliser…
Ce notebook filtre des variables financières et fondées sur des modèles en fonction de leur relation avec le rendement à huit heures des contrats perpétuels crypto. À chaque règlement, il calcule les corrélations transversales de Spearman entre les contrats…
Ce notebook transforme un graphe de connaissances de la chaîne d’approvisionnement et des déclarations de participations institutionnelles en variables destinées à la modélisation financière en aval. À partir du réseau d’entreprises, il dérive des mesures…
Ce notebook définit des étiquettes de rendement total mensuel pour une étude transversale des caractéristiques d’entreprises US et vérifie leur correspondance avec les lignes du fournisseur. Le tableau associe les caractéristiques du mois précédent au…
Le document présente un flux de recherche en trading par apprentissage automatique, de la collecte des données et de la création des variables à l’entraînement des modèles, au backtesting, aux coûts de transaction, aux décisions de portefeuille et de risque,…