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 chapitre présente la gouvernance après déploiement des systèmes de trading fondés sur l’apprentissage automatique. Il distingue les défaillances techniques, où des entrées identiques produisent des sorties différentes, de la dégradation statistique, où…
Cet index présente les facteurs latents comme des schémas communs extraits des mouvements conjoints des rendements boursiers, chaque coefficient de charge indiquant l’exposition d’une action à un schéma. Il oppose l’analyse en composantes principales, qui…
Cette analyse explique comment interpréter les coefficients d’information pour un catalogue de modèles de prévision de contrats à terme CME. Elle définit l’IC de chaque date comme la corrélation de rang entre les rendements prévus et réalisés sur différents…
Ce notebook exécute trois agents de recherche identiques sur une question de récession, soit en rejouant une capture enregistrée, soit en lançant des modèles et des recherches en direct en parallèle. Il consigne la probabilité et la confiance de chaque…
Ce notebook utilise TreeSHAP pour expliquer les prévisions de rendement de LightGBM : importance globale des facteurs, explications de prévisions individuelles, graphiques de dépendance et valeurs d’interaction par paire. Il compare les classements SHAP aux…
Ce notebook met en œuvre DeePM, une politique de portefeuille de bout en bout pour un univers diversifié de ETF. Son modèle combine des facteurs temporels, des métadonnées sur les actifs, de l’attention transversale et un a priori de graphe macroéconomique…
Ce notebook transforme les titres financiers en signaux au niveau des actions et les évalue par rapport aux rendements à terme. Il produit des plongements des titres, mesure la surprise liée aux actualités comme la distance sémantique par rapport à une…
Le notebook présente un processus d’extraction des liens entre fournisseurs, clients et concurrents à partir des rapports annuels d’entreprises, puis de stockage sous forme de graphe de connaissances. Un modèle de langage local génère des triplets candidats…
Ce notebook examine si les modèles séquentiels peuvent améliorer les résumés construits manuellement de l’historique de la prime de financement perpétuelle. Il compare NLinear, un modèle linéaire simple qui lit une fenêtre ordonnée, à un LSTM à deux couches.…
Ce document présente une méthode par étapes pour faire correspondre aux titres les noms d’entreprises issus de données alternatives, de déclarations, d’actualités et de sources de prix. Il commence par joindre les données au moyen des identifiants…
Ce notebook exécute ou rejoue un panel d’agents de recherche identiques répondant à une même question de prévision, puis examine leurs prévisions, leurs recherches et leurs échanges. Le traçage séparé de chaque agent préserve l’attribution lors des appels…
Ce notebook d’ingénierie des facteurs construit des variables qui nécessitent des informations allant au-delà de l’historique des prix d’un seul actif. Pour les contrats à terme, il calcule le rendement de roulement annualisé à partir des niveaux…
Ce notebook explique comment un réseau convolutif temporel (TCN) peut prévoir les rendements à partir de données financières ordonnées. Les convolutions causales garantissent qu’une sortie à un instant donné ne dépend que des entrées actuelles et…
Cette étude de cas transforme des prévisions de modèle enregistrées pour des actions US en portefeuilles long-short équipondérés. Elle explore systématiquement plusieurs schémas d’entrée, chacun sélectionnant les titres les mieux classés pour les positions…
Ce document décrit plusieurs méthodes pour convertir des scores de prévision en signaux de trading : seuils fixes, percentiles glissants par actif et percentiles transversaux. Les seuils fixes utilisent un niveau de score choisi ; les seuils glissants…
Ce notebook construit des régimes de marché descriptifs à partir des données économiques mensuelles de la Réserve fédérale : chômage, taux des fonds fédéraux, courbe des taux du Trésor et inflation. Il explique comment aligner des séries dont les fréquences…
Ce notebook construit une tâche simulée de tenue de marché dans laquelle un agent d’optimisation proximale de politique choisit l’asymétrie des cotations et la largeur de la fourchette. L’environnement utilise un processus de volatilité GARCH calibré sur les…
Ce notebook compare sklearn HistGradientBoosting, XGBoost, LightGBM et CatBoost pour une tâche de prévision des rendements sur ETF. Il mesure le coefficient d’information transversal, le temps d’entraînement et la mémoire du processus lors d’exécutions CPU…
Ce notebook convertit des prévisions transversales sur les actions en portefeuilles long-short en classant les titres à chaque rééquilibrage, en achetant les k titres les mieux classés et en vendant à découvert les k titres les moins bien classés, avec un…
Le notebook présente un aperçu des données de dépôts 10-K et 8-K du S&P 100, destinées à la construction de graphes de connaissances financières. Il vérifie l’exhaustivité du schéma, l’unicité des clés d’entreprise et des numéros d’accession, la cohérence…
Ce notebook présente un processus de sélection de variables pour la recherche sur les ETF, afin de réduire de nombreuses transformations candidates et de nombreux horizons candidats à un ensemble plus restreint pour la modélisation ultérieure. Il calcule les…
Le document décrit l’ajustement d’un modèle linéaire séquentiel simple sur des caractéristiques à la minute du NASDAQ-100 afin de prévoir les rendements futurs à plusieurs horizons. Chaque entrée contient l’heure précédente pour une action, exprimée en…
Ce notebook construit des caractéristiques de volatilité conditionnelle fondées sur un modèle pour les actions du S&P 500 avec un modèle GJR-GARCH(1,1), puis compare un écart de volatilité implicite des options mesuré par rapport à la volatilité réalisée à…
Cette étude sur les contrats à terme CME fait varier la capacité des arbres de boosting et la fonction de perte, tout en enregistrant les prédictions à plusieurs points de contrôle de l’entraînement. Le nombre de feuilles détermine le niveau de détail du…