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
Le document décrit comment comparer les prédictions de validation de modèles linéaires, de boosting par gradient, d’apprentissage profond tabulaire et de séquence pour les options S&P 500. Avant de présenter les diagnostics, il vérifie que chaque population…
Le document explique comment l’apprentissage automatique double (DML) estime si la part du volume initiée par les acheteurs affecte les rendements futurs après prise en compte du spread, de la volatilité à court terme et des rendements antérieurs. Il élimine…
Ce notebook transforme des backtests enregistrés de microstructure NASDAQ-100 en une évaluation de stratégies, sans entraîner de modèles ni relancer de backtests. Il lit les métriques et la filiation depuis le registre, construit au besoin des tableaux…
Ce notebook applique aux prédictions de l’échantillon test une configuration de contrats à terme CME sélectionnée au préalable, avec l’allocateur établi, le calendrier de rééquilibrage, les règles de concentration et les hypothèses de coûts de transaction.…
Ce notebook vous apprend à décoder les données message par ordre NASDAQ TotalView-ITCH depuis leur format binaire en enregistrements structurés. Il explique le cadrage des messages et les structures propres à chaque type, montre comment dépaqueter les champs…
Ce notebook explique comment les magasins de caractéristiques alignent les données d’entraînement et les entrées des modèles en direct. Il décrit les vues de caractéristiques à travers leur clé d’entité, leur horodatage d’événement, leur durée de validité et…
Ce notebook mesure la réaction d’une stratégie FX sélectionnée par validation aux variations des coûts de transaction proportionnels. Pour chaque étiquette de prévision, il sélectionne une stratégie parente parmi les résultats des étapes de signal,…
Ce notebook décrit comment sélectionner une configuration d’étude de cas sur les contrats à terme CME à partir de backtests de validation enregistrés. Il regroupe les candidats des étapes de signal, d’allocation et de gestion des risques, puis retient la…
Ce notebook applique une stratégie mensuelle de momentum ETF et de régime de courbe des taux de deux façons : par calcul vectorisé des rendements et par simulation séquentielle d’un compte. Les deux approches utilisent les mêmes pondérations cibles, actifs,…
Ce document explique un processus à cinq étapes pour évaluer neuf études de cas de trading, de la qualité du signal à la validation, aux coûts de transaction, aux performances sur holdout et à la qualité des éléments probants. Les étapes sont cumulatives :…
Ce notebook décrit une répétition du déploiement d’un modèle directionnel de taux de financement crypto. Il entraîne un modèle LightGBM à trois classes sur des données historiques de contrats perpétuels dérivées de Binance, puis récupère les barres horaires…
Ce notebook décrit l’ajustement d’un réseau à mémoire à long et court terme à des caractéristiques de microstructure NASDAQ-100 à la minute, afin de prévoir les rendements futurs à plusieurs horizons. Le modèle traite une séquence passée étape par étape et…
Ce notebook compare des mesures de volatilité, ajuste un modèle autorégressif hétérogène (HAR) et estime la rugosité à l’aide des exposants de Hurst. Il compare d’abord la variance réalisée intrajournalière aux estimateurs quotidiens, en distinguant les…
Ce notebook présente un autoencodeur conditionnel qui étend l’analyse en composantes principales instrumentée en remplaçant par un réseau neuronal la transformation linéaire des caractéristiques des actions en expositions aux facteurs. Il conserve la…
Ce module utilitaire construit des tableaux et des graphiques pour évaluer des modèles prédictifs sur les données de validation et de holdout. Ses diagnostics comprennent les intervalles de confiance des coefficients d’information, la dégradation entre…
Ce notebook présente une méthode pour acquérir et maintenir des séries temporelles financières avec un gestionnaire unifié, des univers de symboles prédéfinis ou personnalisés et un stockage Parquet partitionné. Il couvre la récupération d’un seul symbole ou…
Ce chapitre présente des méthodes classiques de génération de données financières synthétiques : processus de prix en temps continu, volatilité GARCH, rééchantillonnage bootstrap et comparaison de modèles. Il décrit comment le mouvement brownien géométrique,…
Ce document décrit l’architecture d’un réseau neuronal de décision qui transforme des séries temporelles par actif et leur contexte en pondérations de risque de portefeuille bornées. Son architecture de base, appliquée à chaque actif, associe des…
Cette analyse exploratoire teste si un signal de momentum sur douze mois, en excluant le mois le plus récent, est associé aux rendements du mois suivant pour un univers de 100-ETF. Elle construit un panel mensuel à partir des cours de clôture ajustés, classe…
Ce notebook compare des méthodes de dimensionnement de portefeuille pour les configurations de signaux actions S&P 500. Il sélectionne d’abord, pour chaque configuration, le point de contrôle le plus performant couvrant toutes les observations prévues selon…
Ce document consigne une prévision en plusieurs étapes visant à déterminer si la Réserve fédérale relèvera ses taux en 2026. Trois agents recherchent des éléments probants et produisent des probabilités, puis débattent avant une mise à jour par un…
Ce notebook exécute le modèle NLinear d’une population déclarée de trois modèles d’apprentissage séquentiel pour les options S&P 500. Il résout les requêtes et les points de contrôle de la population complète avant d’ajuster ce modèle, afin que les notebooks…
Ce notebook décrit l’étape de prévision sur le holdout d’une étude US sur les caractéristiques des entreprises. Il reprend la configuration de modèle sélectionnée à partir des résultats de validation, reconstitue sa spécification d’entraînement et son point…
Cette note de configuration explique pourquoi une régression logistique à trois classes pénalisée par L1 utilise SAGA plutôt que le solveur liblinear de scikit-learn. Elle cite la compatibilité multiclasses des versions récentes de scikit-learn et indique…