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

704 documents

Machine Learning for Trading

Ce document présente PCA instrumentée, où les expositions des actifs aux facteurs sont modélisées comme des fonctions linéaires de caractéristiques observées avant le rendement. Il utilise les moindres carrés alternés pour estimer la relation entre…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
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

Ce notebook estime si le z-score de la prime des contrats perpétuels crypto est associé aux rendements ultérieurs sur huit heures dans le cadre d’une intervention, en tenant compte de la volatilité des prix, du taux de financement et de l’écart de la prime à…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
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 notebook adapte aux actions américaines quotidiennes une architecture adversariale de facteur d’actualisation stochastique. Un réseau de pondération de portefeuille forme un facteur à partir des rendements excédentaires du lendemain, tandis qu’un réseau…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
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 développe un cadre pour traduire l’activité de marché en coûts de trading modélisés et en capacité de stratégie. Il présente le modèle d’impact en racine carrée, désigne la volatilité et le volume quotidien moyen comme principaux facteurs…

Microstructure des marchésExécution des ordresGestion des risquesDimensionnement des positions
Machine Learning for Trading

Ce notebook présente un processus qui relie le chargement standardisé des données ETF, un registre de caractéristiques et des diagnostics de signaux. Il montre comment consulter les métadonnées des indicateurs, calculer des caractéristiques avec les…

ActionsIndicateurs techniquesMomentumStatistiques
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
Machine Learning for Trading

Le carnet présente la valeur à risque comme un quantile de perte et la valeur à risque conditionnelle, ou perte attendue, comme la perte moyenne au-delà de ce seuil. Il estime le risque de queue sur une journée pour un vaste ETF d’actions au moyen de quatre…

ActionsVolatilitéGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook présente un inventaire, établi à partir de plusieurs études de cas, des caractéristiques financières construites et du coefficient d’information le plus élevé dans le registre pour chaque étude de marché. Il dénombre les caractéristiques et les…

Multi-actifsStatistiquesApprentissage automatiqueConstruction de portefeuille
Machine Learning for Trading

Le document explique comment identifier des régimes de marché en divisant les rendements en fenêtres chevauchantes et en traitant chaque fenêtre comme une distribution empirique. Il mesure la distance entre les fenêtres à l’aide de quantiles appariés et…

StatistiquesApprentissage automatiqueGestion des risquesBacktest
Machine Learning for Trading

Cette étude construit une mesure à la minute de la pression du flux d’ordres à partir de données marché par ordre pour NVDA. Elle attribue un signe aux ajouts, annulations et exécutions d’ordres selon leur côté, pondère les événements selon leur taille et…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook présente un autoencodeur conditionnel qui préserve la structure d’un modèle factoriel latent instrumenté, tout en remplaçant par un réseau neuronal la fonction linéaire reliant les caractéristiques des entreprises aux expositions factorielles.…

ActionsApprentissage automatiqueInvestissement factorielStatistiques
Machine Learning for Trading

Ce notebook utilise des données réelles d’ETF pour déterminer si un signal de momentum reste utile lorsque sa rétrospective, le régime de marché et sa mise en œuvre varient raisonnablement. Il calcule les coefficients d’information transversaux entre le…

Contrats à termeMomentumBacktestStatistiques
Machine Learning for Trading

Ce notebook compare deux modèles de représentations vectorielles à poids ouverts exécutés localement sur une tâche de récupération, à partir d’extraits de récents rapports 10-K d’un petit groupe de grandes entreprises US. Les deux modèles reçoivent les mêmes…

Apprentissage automatiqueStatistiquesActionsMarchés américains
Machine Learning for Trading

Ce notebook construit quatre caractéristiques fondées sur des modèles pour la recherche sur les options S&P 500 : des prévisions de volatilité au jour suivant issues de GJR-GARCH et de la volatilité stochastique, ainsi que les écarts entre chaque prévision…

OptionsVolatilitéÉvaluation des dérivésBacktest
Machine Learning for Trading

Ce document ajuste TabM, un ensemble neuronal à partage de poids, à des caractéristiques dérivées d’options pour prévoir les rendements boursiers à terme et les rendements ajustés au risque. Ses membres utilisent un réseau partagé à deux couches, avec une…

ActionsOptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce document présente un enregistrement structuré de l’état des agents de recherche, distinct de leur transcription de conversation. L’enregistrement conserve la question et la date limite, les éléments de preuve recueillis, les questions non résolues,…

Apprentissage automatiqueStatistiquesBacktestGestion des risques