Passer au contenu

Bibliothèque de connaissances

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.

Rechercher dans la bibliothèque

242 documents

Machine Learning for Trading

Ce notebook produit un rapport vérifiable sur une stratégie Bitcoin exclusivement acheteuse, avec entrées et sorties selon des seuils RSI. Il compare les résultats bruts et nets, puis mesure la performance par rapport à une référence d’achat-conservation…

CryptomonnaiesRetour à la moyenneIndicateurs techniquesBacktest
Machine Learning for Trading

Cette configuration décrit une stratégie quotidienne long-short sur actions US qui classe un vaste univers boursier selon les prédictions du modèle, achète le décile supérieur et vend à découvert le décile inférieur, avec des pondérations égales au sein de…

ActionsMarchés américainsConstruction de portefeuilleExécution des ordres
Machine Learning for Trading

Ce notebook mesure l’évolution du ratio de Sharpe de validation des straddles à la monnaie sur options S&P 500 selon les coûts d’exécution supposés et deux univers d’options. Il exprime le coût du spread comme une fraction du demi-spread coté de l’option,…

OptionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce notebook explique comment évaluer si les stratégies fondées sur un panel d’actions US peuvent résister aux frictions de trading. Il fixe une configuration par étiquette à l’aide du Sharpe de validation, puis réévalue cette même stratégie selon différents…

ActionsBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Ce document explique comment représenter le cycle de vie d’un ordre en temps réel par un ensemble fini d’états et de transitions valides déclenchées par des événements. Il couvre la soumission, l’accusé de réception du courtier, l’acceptation par la bourse,…

Exécution des ordresMicrostructure des marchésGestion des risques
Machine Learning for Trading

Ce notebook compare l’imitation du comportement à l’apprentissage par renforcement inverse (IRL) pour apprendre à partir de relevés d’exécution. Les démonstrations proviennent d’un calendrier TWAP, dont l’objectif neutre au risque est connu : répartir les…

Exécution des ordresApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Le notebook présente le cadre d’Almgren–Chriss pour planifier une liquidation importante. Il mesure le déficit d’exécution par rapport au prix d’arrivée et modélise deux coûts concurrents : l’impact de marché, qui augmente avec l’intensité du trading, et le…

Exécution des ordresMicrostructure des marchésGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook détaille le cycle de déploiement d’un modèle quotidien de paires FX, en utilisant Interactive Brokers à la fois comme source de données en temps réel et comme plateforme d’exécution. Il entraîne un modèle de régression Ridge sur un panel…

Marché des changesApprentissage automatiqueExécution des ordresGestion des risques
Machine Learning for Trading

Cette étude recalcule les performances des principales combinaisons d’allocation et de contrôle du risque ETF selon deux grilles de coûts, en maintenant fixe chaque configuration de stratégie enregistrée. Une grille utilise les points de base par transaction…

BacktestExécution des ordresConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce notebook examine les résultats conservés d’un audit de stratégies réelles comparant le moteur LEAN à des profils ML4T Backtest correspondants. Il identifie les charges de travail par classe d’actifs prises en charge par les entrées figées et présente des…

BacktestExécution des ordresActionsContrats à terme
Machine Learning for Trading

Le notebook compare deux façons de diviser un ordre important sur actions en ordres enfants au cours d’une séance de trading. TWAP envoie des quantités à peu près égales à chaque intervalle et ne nécessite aucune prévision du marché. VWAP répartit les titres…

ActionsExécution des ordresMicrostructure des marchésBacktest
Machine Learning for Trading

Ce notebook teste si la construction de portefeuille peut sauver une stratégie NASDAQ-100 exécutée à chaque barre et pénalisée par les coûts. Il sélectionne les meilleures prédictions de référence à partir de l’univers de sélection déclaré, puis compare les…

ActionsConstruction de portefeuilleDimensionnement des positionsExécution des ordres
Machine Learning for Trading

Ce carnet met en œuvre une règle de retour à la moyenne, uniquement à l’achat, fondée sur RSI pour les contrats perpétuels BTC/USDT, à l’aide d’un moteur de backtesting événementiel. Il agrège les observations intrajournalières en barres quotidiennes UTC,…

CryptomonnaiesContrats à terme perpétuelsRetour à la moyenneIndicateurs techniques
Machine Learning for Trading

Ce document explique comment TWAP et VWAP découpent un ordre parent important en ordres enfants au cours d’une séance de trading. TWAP répartit des quantités égales sur chaque intervalle de temps ; VWAP répartit les quantités au prorata d’une prévision du…

Exécution des ordresMicrostructure des marchésBacktestActions
Machine Learning for Trading

Cette analyse de faisabilité évalue si les données de cotation peuvent soutenir une stratégie transversale neutre au marché, qui classe les composantes du NASDAQ-100 à intervalles de quinze minutes et détient les deux extrémités du classement. Elle vérifie…

ActionsMicrostructure des marchésExécution des ordresBacktest
Machine Learning for Trading

Ce notebook évalue des prédictions de validation sous forme de portefeuilles d’actions acheteurs uniquement, en sélectionnant les K premières valeurs à poids égal selon un calendrier de décision déterminé par la fréquence de chaque étiquette. Il vérifie…

ActionsOptionsBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook compare les ratios de Sharpe brut et net sur des balayages de coûts de stratégie issus de backtests d’études de cas. Pour chaque configuration de stratégie déployée, il lit dans les artefacts enregistrés le coût supposé par jambe et la fréquence…

BacktestGestion des risquesExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook mesure comment les performances de validation d’une stratégie sélectionnée sur les caractéristiques des entreprises US évoluent lorsque les commissions et le slippage supposés varient. Il relance la même configuration sur une grille de coûts…

ActionsBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Cette configuration décrit une étude intrajournalière des signaux de flux d’ordres sur un univers NASDAQ-100 défini à chaque instant. Elle définit un sous-ensemble filtré selon les coûts à partir des informations de liquidité disponibles avant chaque période…

ActionsMarchés américainsMicrostructure des marchésApprentissage automatique
Machine Learning for Trading

Ce notebook explique comment une limite de participation au volume restreint la quantité d’un ordre parent susceptible d’être exécutée pendant chaque intervalle de marché. Un courtier calcule la tranche autorisée à partir du volume négocié observé et reporte…

Exécution des ordresMicrostructure des marchésGestion des risquesActions
Machine Learning for Trading

Ce notebook présente l’évaluation d’un facteur unique à partir de données réelles ETF et d’un exemple de momentum calculé à partir des prix. Il mesure les coefficients d’information de Spearman transversaux par rapport aux rendements futurs, compare les…

ActionsMomentumStatistiquesBacktest