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.
1,030 documents
L’article présente une politique de déploiement pour les systèmes de prévision réentraînés régulièrement : le modèle en place continue de fonctionner tandis qu’un modèle concurrent réajusté à chaud tourne hors du circuit de production ; les deux sont ensuite…
L’article étudie si la taille des positions de trading peut aider à contrôler le risque pendant les périodes de forte volatilité. Il recourt au backtesting historique pour examiner le comportement de modèles de dimensionnement lors de crises, en se demandant…
Ce document décrit un projet visant à créer un indicateur mesurant la force d’une tendance, en appliquant le traitement numérique du signal pour séparer le signal du marché du bruit. Il pose deux questions pratiques : une tendance est-elle assez forte pour…
L’étude évalue différentes façons d’adapter des modèles de langage généraux afin de générer des stratégies exécutables pour le cadre Backtrader. L’approche combine un préentraînement continu sur le code du cadre avec un réglage fin supervisé sur des exemples…
L’article traite le surapprentissage du backtest en apprentissage profond par renforcement (DRL) pour le trading de cryptomonnaies comme un problème de test d’hypothèse. Il entraîne des agents DRL, estime la probabilité de surapprentissage de chacun et…
Cet article propose des réseaux antagonistes génératifs conditionnels pour calibrer des stratégies de trading individuelles et combiner leurs signaux. Il décrit un processus d’entraînement et de sélection d’un cGAN pour des séries temporelles, utilisant des…
Cette recherche utilise un réseau bayésien dynamique pour formaliser l’estimation des ratios cours/bénéfice fondamentaux, souvent fondée sur le jugement d’experts. Le ratio PE inféré vise à éclairer les décisions d’investissement humaines ou à servir…
Cette étude évalue si des modèles d’apprentissage automatique utilisant des indicateurs techniques peuvent prévoir le prix du Bitcoin. Elle utilise des données historiques de janvier 2012 à août 2019 et compare un modèle linéaire généralisé pénalisé, une…
NoxTrader utilise des données historiques de prix et de volume des actions US pour créer des caractéristiques telles que les rendements et le momentum des prix à l’échelle hebdomadaire et mensuelle. Il applique un modèle LSTM pour prévoir les rendements et…
L’article présente CausalReinforceNet, un cadre visant à intégrer l’analyse causale aux décisions d’apprentissage par renforcement pour le trading de cryptomonnaies. Il combine des techniques bayésiennes et de réseaux bayésiens dynamiques avec…
Le document évalue comment les caractéristiques des actifs prédisent conjointement les rendements et comment elles peuvent servir à construire des portefeuilles pour des investisseurs ayant différentes préférences face au risque. Il mesure les performances…
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…
L’article élargit la notion d’arbitrage statistique en définissant les gains par rapport à des états de marché précis, représentés par un système d’information tel qu’une tribu sigma. Son cadre inclut l’arbitrage classique comme cas particulier et englobe…
Cet article présente une classe de règles de trading d’actifs appelées politiques doublement linéaires et étudie leur robustesse en présence de coûts de transaction. Il prend comme critère de robustesse un gain de trading espéré constamment positif dans…
Cette étude évalue si des règles courantes de trading par paires restent efficaces sur les marchés actions US modernes. Elle applique des méthodes fondées sur la distance et la cointégration à des actions sur la période de 1990 à 2020, y compris pendant la…
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 évalue une méthode automatisée de trading par paires sur des actions cotées à la première section de la Bourse de Tokyo. Elle examine des paires d’actions fortement corrélées et suit l’écart entre leurs cours. Trois seuils déterminent l’ouverture…
Ce travail étudie des modèles factoriels pour la coupe transversale des rendements quotidiens des cryptomonnaies et d’autres actifs numériques, à partir de données de marché des plateformes d’échange. Il identifie un facteur dominant qui semble contribuer…
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…
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…
Cet article étudie le momentum des clients, un profil de rendement dans lequel la performance d’une entreprise est positivement liée à la performance antérieure de ses clients. Il indique que cet effet est distinct du momentum classique des prix et du…
Le document présente AutoQuant, un cadre d’aide à la décision fondé sur des règles pour choisir des configurations de trading sur contrats à terme perpétuels de cryptomonnaies. Il explicite le calendrier d’exécution, le traitement du financement, les frais,…
Cet article présente une méthode numérique pour simuler des processus racine carrée tout en préservant leur non-négativité. Son étape centrale consiste à simuler d’abord le processus intégré, puis à utiliser cette quantité pour construire un schéma du…