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

733 documents

Machine Learning for Trading

Ce notebook explique comment les divisions d’actions et les dividendes en espèces perturbent les séries historiques de prix bruts et faussent les rendements calculés. Il présente l’ajustement rétrospectif, qui remet à l’échelle les cours historiques en…

ActionsMarchés américainsBacktestStatistiques
Machine Learning for Trading

Cette étude NASDAQ-100 examine l’effet des coûts de transaction sur une stratégie actions fréquemment rééquilibrée. Elle distingue deux réponses possibles aux coûts : limiter l’univers négocié aux titres plus liquides et moins coûteux, et réduire la…

ActionsMarchés américainsExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Cette expérience combine les prédictions de validation d’un modèle d’arbres à gradient boosté, d’un réseau neuronal tabulaire et d’un modèle à facteurs latents pour le classement mensuel des ETF. Elle standardise d’abord les prédictions transversalement à…

Multi-actifsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce document présente des méthodes communes pour générer des caractéristiques issues de modèles ajustés sans utiliser d’observations futures. Pour les modèles de Markov cachés, il distingue les probabilités d’état filtrées, fondées sur les observations…

Apprentissage automatiqueVolatilitéStatistiquesBacktest
Machine Learning for Trading

Ce document décrit une méthode walk-forward qui transforme les résidus de prédiction en largeurs d’incertitude par entité, utilisées pour dimensionner les positions. À chaque instant de décision, le calibrage utilise les résidus dont les résultats sont déjà…

Dimensionnement des positionsGestion des risquesStatistiquesBacktest
Machine Learning for Trading

Cette étude de cas sélectionne une configuration dans un ensemble figé de stratégies crypto sur contrats à terme perpétuels, couvrant plusieurs étiquettes de rendement et de direction, méthodes de dimensionnement de portefeuille et ajustements du risque.…

CryptomonnaiesContrats à terme perpétuelsBacktestStatistiques
Machine Learning for Trading

Ce notebook explique comment évaluer les prévisions probabilistes et encadrer un pipeline de prévision. Il compare les scores de Brier et logarithmique, l’erreur de calibration attendue et la sharpness ; montre comment les diagrammes de fiabilité révèlent…

StatistiquesApprentissage automatiqueGestion des risquesBacktest
Machine Learning for Trading

Ce tutoriel transforme des signaux transversaux ETF en portefeuilles long-only, équipondérés et composés des dix premières positions, puis compare la régression Ridge et la classification logistique à des références fondées sur le momentum et…

ActionsBacktestExécution des ordresConstruction de portefeuille
Machine Learning for Trading

Ce notebook entraîne un agent par optimisation de politique proximale (PPO) pour liquider un ordre fixe sur un horizon donné. Il compare la politique de rythme apprise à TWAP et à un calendrier d’Almgren–Chriss, mesure l’écart de prix d’exécution et examine…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresApprentissage automatique
Machine Learning for Trading

Ce notebook présente le protocole Rademacher Anti-Serum (RAS) comme méthode d’ajustement des estimations de performance lors d’une sélection au sein d’une classe finie de stratégies ou de signaux. La complexité empirique de Rademacher estime dans quelle…

StatistiquesBacktestGestion des risquesApprentissage automatique
Machine Learning for Trading

Ce notebook présente NLinear comme modèle de référence pour prévoir les rendements boursiers à partir de fenêtres ordonnées de caractéristiques. Chaque exemple contient 60 sessions consécutives pour une action. Pour chaque caractéristique, le modèle…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce document explique comment TSMixer traite l’historique récent des caractéristiques d’une action sous forme de matrice dont les lignes représentent les sessions et les colonnes les caractéristiques. Ses blocs mélangent l’information le long des colonnes de…

ActionsApprentissage automatiqueMomentumBacktest
Machine Learning for Trading

Ce notebook utilise les prédictions GBM walk-forward enregistrées pour des ETF et des contrats à terme CME afin de comparer la pondération à poids égaux, la pondération inversement proportionnelle à la largeur conforme et la pondération proportionnelle aux…

ActionsContrats à termeGestion des risquesDimensionnement des positions
Machine Learning for Trading

Ce notebook compare les prévisions zero-shot de Chronos et TinyTimeMixer à celles d’un modèle LSTM et d’un modèle linéaire pénalisé sur un panel d’ETF. Chaque modèle reçoit le même contexte historique univarié, mais les modèles préentraînés prévoient la…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Cette étude cherche à déterminer si les variables du marché des options peuvent classer les rendements futurs des actions. Les caractéristiques comprennent la volatilité implicite selon les échéances, l’asymétrie put-call, la pente de la structure par terme…

OptionsActionsVolatilitéApprentissage automatique
Machine Learning for Trading

Ce document élabore un panel quotidien de caractéristiques pour classer vingt paires de devises à la clôture de New York, à 5 PM. Il distingue les signaux pouvant être classés, tels que les rendements standardisés sur plusieurs horizons et la position dans…

Marché des changesRetour à la moyenneMomentumVolatilité
Machine Learning for Trading

Ce tutoriel construit une série continue de contrats à terme individuels ES. Il identifie le contrat le plus proche à partir du volume de trading, avec une contrainte de reconduction monotone, et compare le changement de contrat fondé sur le volume à un…

Contrats à termeBacktestStatistiquesExécution des ordres
Machine Learning for Trading

Ce notebook présente le cycle opérationnel d’une stratégie de prédiction ETF : actualiser les données de marché, recalculer les caractéristiques financières, réentraîner un modèle Ridge, enregistrer les artefacts de déploiement, produire des prédictions…

ActionsApprentissage automatiqueExécution des ordresBacktest
Machine Learning for Trading

Ce notebook isole les résultats du moteur LEAN dans le cadre d’un audit comparant des exécutions conservées de stratégies réelles à des profils ML4T Backtest correspondants. Il identifie quatre types de tâches pris en charge : allocation ETF, financement de…

Multi-actifsBacktestExécution des ordresCryptomonnaies
Machine Learning for Trading

Ce notebook compare une forêt aléatoire à XGBoost, LightGBM et CatBoost sur un panel de caractéristiques d’entreprises anonymisées et de rendements. Le jeu de données fournit des partitions chronologiques pour l’entraînement, la validation et le test. Les…

ActionsApprentissage automatiqueStatistiquesInvestissement factoriel