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 notebook étudie la régularisation de modèles linéaires pour prévoir les rendements de paires de devises. Il distingue la colinéarité entre les caractéristiques d’entrée de la dépendance entre actifs : les paires de devises partagent des devises…

Marché des changesApprentissage automatiqueStatistiquesInvestissement factoriel
Machine Learning for Trading

Cette note de configuration explique le choix du solveur saga et d’une tolérance de convergence plus stricte pour la régression logistique L1 sur des étiquettes à trois classes. Elle compare saga à liblinear, en citant des mesures de temps d’exécution sur un…

Apprentissage automatiqueStatistiquesActionsMicrostructure des marchés
Machine Learning for Trading

Ce notebook distingue la prévision des rendements de l’affirmation selon laquelle le momentum en est la cause. Il prend le rendement de l’action sur l’année précédente, hors dernier mois, comme traitement et le rendement futur comme résultat. La volatilité…

ActionsMomentumApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook agrège les résultats de LightGBM dans plusieurs études de cas de trading et les compare à des références linéaires et TabM. Il examine la configuration ayant le coefficient d’information (IC) le plus élevé pour chaque étude de cas, présente des…

Apprentissage automatiqueStatistiquesBacktestActions
Machine Learning for Trading

Ce notebook compare plusieurs méthodes de mesure de la volatilité et développe des modèles de volatilité autorégressifs hétérogènes (HAR) ainsi qu’une analyse de la rugosité. Il utilise les rendements intrajournaliers pour estimer la variance réalisée de la…

VolatilitéStatistiquesIndicateurs techniquesActions
Machine Learning for Trading

Ce notebook construit des intervalles de prédiction autour de prévisions par gradient boosting à l’aide de la prédiction conforme par séparation. Il ajuste un modèle sur un segment d’entraînement antérieur, mesure les résidus absolus sur un segment de…

Apprentissage automatiqueStatistiquesGestion des risquesDimensionnement des positions
Machine Learning for Trading

Ce notebook compare quatre allocations de référence ETF à l’aide de périodes de crises historiques, de chocs simultanés sur les actifs définis manuellement, de simulations de Monte-Carlo de Student-t et de statistiques par régime de marché. Il explique la…

Multi-actifsGestion des risquesConstruction de portefeuilleVolatilité
Machine Learning for Trading

Ce notebook compare le stockage en CSV, Parquet, Feather et HDF5 sur un tableau OHLCV déterministe d’un million de lignes. Il mesure le temps d’écriture, le temps de lecture après matérialisation des données, la taille des fichiers et les lectures ne…

ActionsStatistiquesExécution des ordres
Machine Learning for Trading

Ce notebook présente un processus qui transforme les titres de l’actualité financière en signaux par action. Il nettoie et normalise un corpus d’actualités, supprime les doublons exacts ou correspondant à un préfixe au sein de groupes symbole-date et utilise…

ActionsApprentissage automatiqueSentiment de marchéInvestissement factoriel
Machine Learning for Trading

Ce notebook crée un agent de prévision qui alterne recherches sur le Web et prévisions probabilistes. Une petite interface de modèle de langage à deux méthodes permet à la même boucle d’utiliser un fournisseur simulé, local ou commercial. L’agent reçoit une…

Apprentissage automatiqueSentiment de marchéStatistiques
Machine Learning for Trading

Ce notebook estime si la part du volume signé initié par les acheteurs est associée aux rendements des 15 prochaines minutes, après prise en compte du spread relatif, de la volatilité réalisée récente et du rendement mensuel antérieur. L’apprentissage…

ActionsMicrostructure des marchésApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook compare des modèles prédictifs qui classent les actions NASDAQ-100 selon leur rendement des 15 prochaines minutes, à partir d’informations intrajournalières de microstructure telles que les écarts acheteur-vendeur, le déséquilibre de profondeur,…

ActionsApprentissage automatiqueStatistiquesMicrostructure des marchés
Machine Learning for Trading

Ce notebook produit des prédictions pour une fenêtre de réserve ETF jusque-là inexplorée, à l’aide de la configuration choisie sur les données de validation. Il reconstruit la spécification d’entraînement pour qu’elle se termine un horizon d’étiquette avant…

BacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook développe la valorisation Black-Scholes des options d’achat et de vente européennes, vérifie la parité put-call et calcule la volatilité implicite par recherche de racine de Brent. Il définit également Delta, Gamma, Vega, Theta et Rho, et utilise…

OptionsÉvaluation des dérivésVolatilitéGestion des risques
Machine Learning for Trading

Ce notebook décrit un transformer par blocs pour la prévision séquentielle dans une étude sur les actions et options du S&P 500. Il divise une fenêtre temporelle en blocs contigus et représente chaque bloc par un jeton, permettant à l’attention de comparer…

ActionsOptionsApprentissage automatiqueStatistiques