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 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 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…
Le notebook présente un workflow de recherche autonome dans lequel un modèle de langage utilise des outils généralistes pour examiner des fichiers, exécuter des commandes, interroger un registre de backtests et analyser des données. Au lieu de coder en dur…
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 module partagé d’ingénierie des caractéristiques définit des règles de construction et des audits pour les prédicteurs financiers utilisés dans plusieurs études de cas. Il consigne pour chaque famille de caractéristiques son hypothèse, ses entrées, sa…
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…
Ce chapitre présente des workflows agentiques pour les tâches de recherche financière où la collecte, le filtrage et la synthèse d’éléments de preuve disparates constituent le principal défi. Il les compare aux modèles classiques, efficaces sur des entrées…
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 explique comment évaluer des modèles financiers sans laisser des informations indisponibles à la date de décision s’infiltrer dans l’entraînement ou la sélection du modèle. Il distingue les ensembles d’entraînement, de validation et de réserve…
Ce notebook compare quatre méthodes de découverte de relations dans un panel de rendements de ETF : NOTEARS pour les graphes acycliques dirigés linéaires contemporains, VAR-LiNGAM pour les structures retardées et instantanées, PCMCI pour les tests…
Ce notebook étudie l’effet de la régularisation Ridge sur les performances du coefficient d’information (IC) et la manière dont la recherche d’hyperparamètres peut biaiser les résultats de validation rapportés. Il commence par évaluer une vaste grille de…
Ce notebook présente Tail-GAN, une approche antagoniste générative conçue pour reproduire le risque de queue des scénarios financiers, en particulier la valeur à risque (VaR) et le déficit attendu (ES). Elle utilise un tri différentiable afin que les mesures…
Ce notebook examine comment combiner plusieurs prévisions probabilistes. Il présente la moyenne simple comme référence et explique l’extrémisation de Neyman, qui éloigne la moyenne du panel du taux de base en fonction du nombre de prévisionnistes et d’une…
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 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…
Ce chapitre présente les arbres de gradient boosting et explique comment ils s’appuient sur les arbres de décision et les forêts aléatoires pour les prévisions financières sur données tabulaires. Le boosting ajoute des apprenants successifs pour corriger les…
Ce document décrit un jeu de données mensuel sur les actions US, conçu pour la recherche en apprentissage automatique sur la valorisation des actifs. Il comprend 94 caractéristiques d’entreprises transformées par rang, notamment des mesures comptables et des…
Ce notebook évalue les contrôles de sécurité d’un système de questions-réponses sur des documents financiers, à l’aide de six cas rédigés manuellement. Ces cas représentent l’injection indirecte de prompt, les données fabriquées dans des contenus non…
Ce notebook présente un panel publié pour la recherche en apprentissage automatique sur les actions US. Il contient des observations mensuelles avec 46 caractéristiques d’entreprises et les rendements excédentaires du mois suivant, sur plusieurs décennies.…
Ce chapitre explique comment créer et utiliser des graphes de connaissances financières lorsque les questions dépendent de relations telles que la propriété, les chaînes d’approvisionnement ou la contagion. Il traite de l’identité des entités, des schémas de…
Ce notebook compare deux architectures Transformer pour prévoir les rendements des ETF sur 21 jours à partir de huit caractéristiques de momentum rétrospectif. PatchTST regroupe les jours consécutifs en segments, ce qui réduit le nombre de jetons d’attention…