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.
934 documents
Ce document présente une méthode événementielle pour détenir un nombre limité de positions intrajournalières. Les prévisions sont alignées sur les barres de prix à l’aide du score disponible le plus récent, avec une limite de fraîcheur facultative. Les…
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 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 évalue les prévisions de modèle en tant que stratégies de trading sur le NASDAQ-100, à l’aide d’un moteur de backtest commun. Il commence par un contrôle du pipeline avec des signaux aléatoires : des profits persistants après coûts indiqueraient…
Ce notebook vérifie si une stratégie de classement transversal d’actions à quinze minutes est faisable avant l’ajustement d’un modèle ou la production de prévisions. Il utilise les cotations du NASDAQ-100, les rendements au milieu de fourchette et une…
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…
Ce notebook étudie l’effet des choix de régularisation Ridge sur le coefficient d’information d’un panel ETF et la façon dont la recherche d’hyperparamètres peut gonfler les performances publiées. Il évalue d’abord une large grille d’alpha sur des plis…
Ce notebook présente un audit actuel comparant VectorBT Pro et VectorBT OSS à ML4T sur des stratégies prises en charge et fondées sur des données réelles. Les deux éditions de VectorBT participent à l’allocation d’ETF, à l’allocation de devises cotées en USD…
Ce notebook explique l’analyse en composantes principales instrumentée (IPCA), qui modélise les expositions factorielles de chaque ETF comme une fonction linéaire commune des caractéristiques observées de ce fonds. Les moindres carrés alternés estiment…
Ce notebook ajuste un modèle à facteurs latents PCA sur un panel de rendements boursiers, sans utiliser de caractéristiques de surface des options, de caractéristiques d’entreprises ni d’informations sur la cible. PCA extrait les principales directions de…
Ce notebook compare la pondération équipondérée à deux règles d’allocation pour des stratégies fondées sur les caractéristiques d’entreprises US : la pondération par score, qui affecte davantage de capital aux prédictions de modèle les plus élevées, et la…
Cette analyse compare des signaux appris pour les rendements mensuels transversaux des actions US, à partir de caractéristiques comptables et de marché, avec le rendement du mois suivant comme cible. Elle examine les modèles linéaires, les arbres de…
Cet audit compare Backtrader et Zipline à ML4T sur des cas réels de stratégies, en ne retenant que les combinaisons d’actifs et de contrats que chaque moteur et le jeu de données figé peuvent représenter nativement. Il couvre l’allocation d’ETF et un panel…
Ce notebook définit et valide des étiquettes de rendements mensuels pour une étude transversale US des caractéristiques des entreprises. Il vérifie comment le fournisseur de données associe les caractéristiques de chaque ligne au rendement correspondant et…
Ce notebook construit un allocateur de portefeuille de bout en bout qui place un réseau de sélection de variables de type Temporal Fusion Transformer en amont d’un LSTM. Des réseaux résiduels à portes distincts intègrent chaque caractéristique, puis des…
Ce notebook compare des rééquilibrages quotidiens, hebdomadaires, bimensuels et mensuels pour un portefeuille de momentum classé en tête, construit à partir d’un univers fixe de ETF. Il mesure la rotation du portefeuille et la performance brute ajustée du…
Cette présentation explique une famille de modèles de prévision des rendements à partir des caractéristiques des entreprises. Au lieu de traiter chaque caractéristique comme un prédicteur direct des rendements, les modèles supposent que les rendements sont…
Ce document de configuration définit un pipeline hebdomadaire de recherche sur les actions du S&P 500, qui associe les caractéristiques du marché des options à des signaux fondés sur les prix. Il précise l’univers admissible, le calendrier des décisions et…
Ce document présente un modèle pédagogique d’espace d’états sélectif de type Mamba pour prédire les rendements de ETF à partir de séquences de caractéristiques de momentum. Contrairement aux mécanismes d’attention et au mélange temporel dense, un modèle…
Ce document présente un autoencodeur conditionnel qui modélise les expositions des entreprises à des facteurs de rendement latents comme une fonction non linéaire de leurs caractéristiques. Comme IPCA, il estime une structure factorielle où les rendements…
Ce document présente un réseau neuronal TabM qui classe les ETF à partir de caractéristiques tabulaires. Son tronc commun à deux couches alimente plusieurs membres, chacun doté d’un vecteur d’échelle appris et d’une couche de sortie ; la moyenne de leurs…