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
L’article présente les noyaux de covariance linéaire et de Matérn pour la régression par processus gaussien (GPR) et examine leur utilisation possible avec des séries temporelles financières. Un noyau linéaire représente des relations linéaires simples et…
L’article explique Beetle Swarm Optimization (BSO), un optimiseur fondé sur une population qui combine Particle Swarm Optimization (PSO) et Beetle Antennae Search (BAS). Chaque coléoptère sonde les valeurs de la fonction objectif de part et d’autre de sa…
L’article présente les chaînes de Markov comme des modèles probabilistes des transitions entre des états définis. Il explique la matrice de transition et l’hypothèse sans mémoire : l’état suivant dépend de l’état actuel et du temps écoulé, plutôt que de…
Cet article explique comment déployer un modèle Torch entraîné de prévision de séries temporelles dans un Expert Advisor MetaTrader 5 avec ONNX. Il décrit le passage du modèle en mode inférence, la collecte et le nommage de ses entrées et sorties, son…
L’article présente la maximisation de la norme nucléaire comme une récompense intrinsèque pour les agents d’apprentissage par renforcement qui explorent des environnements où les récompenses externes sont rares. Il forme une matrice à partir des…
L’article étudie si les positions planétaires, les phases lunaires, l’activité solaire et les aspects planétaires peuvent aider à prévoir les mouvements de EUR/USD. Il décrit la collecte de données astronomiques quotidiennes, leur alignement avec…
L’article présente catch22, un ensemble compact de caractéristiques de séries temporelles sélectionnées dans une bibliothèque bien plus vaste pour leurs performances de classification et leur faible redondance. Ces caractéristiques décrivent la forme de la…
L’article explique que les étiquettes à triple barrière peuvent se chevaucher dans le temps, ce qui rend les observations d’apprentissage automatique financier dépendantes plutôt qu’indépendantes. Lorsque de nombreux échantillons encodent des informations…
Cet article soutient que les performances de l’apprentissage automatique financier dépendent fortement de la définition de la cible de prédiction. Contrairement à une étiquette médicale fixe, une cible de trading peut représenter les rendements, la hausse…
L’article présente un processus d’apprentissage par inférence pour des configurations construites à partir de moyennes mobiles et de l’oscillateur stochastique. Il définit l’inférence comme l’estimation d’une structure latente à partir de données observées,…
L’article adapte une méthode d’étiquetage par trend scanning en interface de fonctionnalités pour les modèles d’apprentissage automatique. Pour chaque bougie, il ajuste le prix au temps sur différentes longueurs de fenêtre candidates et conserve la fenêtre…
L’article explique Atomic Orbital Search (AOS), une métaheuristique fondée sur une population qui représente les solutions candidates comme des électrons répartis dans des couches orbitales imaginaires. La qualité d’une solution candidate est assimilée à une…
L’article propose d’utiliser l’information mutuelle (MI) pour choisir laquelle de plusieurs cibles de trading candidates un modèle de régression boîte noire doit apprendre. Les exemples comparent les variations futures du prix, les moyennes mobiles, le…
L’article propose une équation de régression non linéaire pour prévoir les prix à partir de deux observations antérieures. Ses sept termes combinent des prix en valeur linéaire et au carré, une différence représentant le momentum, une composante sinusoïdale…
Ce tutoriel explique comment un modèle peut s’ajuster étroitement aux observations historiques en apprenant le bruit plutôt que le processus sous-jacent. Il identifie les petits échantillons et la complexité excessive du modèle comme des causes courantes, et…
Ce cours présente le filtre de Kalman comme une méthode d’estimation de l’état évolutif d’un système à partir d’un modèle et d’observations bruitées. Le filtre alterne entre la prédiction de l’état suivant et la mise à jour de cette estimation à l’aide de…
Ce cours explique pourquoi la réalisation de nombreux tests statistiques augmente la probabilité de découvrir par hasard des relations apparemment significatives. Il illustre le problème en testant les corrélations de rang de Spearman par paires entre des…
Ce module présente des contrôles après entraînement pour les générateurs de séries temporelles, fondés sur l’approche d’évaluation TimeGAN. Il mesure l’utilité en entraînant un prédicteur récurrent sur des séquences synthétiques, puis en le testant sur des…
Le document explique comment un facteur d’actualisation stochastique (SDF) estime un noyau de valorisation censé valoriser chaque actif, plutôt que des facteurs communs de rendement. Il décrit un entraînement adversarial : un réseau propose le facteur…
Ce notebook utilise Optuna pour optimiser XGBoost, LightGBM et CatBoost sur un jeu de données de caractéristiques d’entreprises réparti dans le temps. Pour chaque bibliothèque, la recherche traite la fonction de perte — erreur quadratique moyenne ou erreur…
Ce benchmark compare pandas et Polars sur des opérations courantes dans les pipelines de données financières, notamment les variables glissantes, les calculs par groupe, les transformations par fenêtre, le filtrage, les jointures, les lectures différées,…
Ce notebook applique TabM, une approche de réseau neuronal tabulaire, à des lignes de prédiction de paires de devises sans traiter les données comme une séquence. Il utilise une infrastructure d’exécution commune pour ajuster le prétraitement dans chaque pli…
Ce notebook décrit une comparaison en lecture seule de prédictions de validation issues de plusieurs familles de modèles sur un panel d’actions US. Il vérifie d’abord que chaque ensemble de prédictions prédéfini est complet, puis évalue le classement…
Ce document explique comment les modèles de Markov cachés déduisent des régimes de marché non observés à partir des rendements et de la volatilité récente. Il commence par deux références transparentes : un seuil d’indice de volatilité pour le stress et le…