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 de caractéristiques ETF explique comment des modèles statistiques ajustés peuvent laisser fuiter des informations futures par leurs paramètres estimés, même lorsque leurs formules n’utilisent que des observations passées. La solution consiste à…

ActionsApprentissage automatiqueStatistiquesVolatilité
Machine Learning for Trading

Ce notebook étudie le gradient boosting sur un panel d’actions US, en faisant varier la capacité des arbres, la fonction objectif et le point de contrôle d’entraînement sur trois horizons de rendements futurs. Il explique comment des arbres peu profonds…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Cette étude de cas explique comment produire des prévisions pour une période de réserve après avoir fait des choix de modèle et de stratégie à partir des données de validation. Elle récupère la configuration précédemment sélectionnée, reconstitue sa…

ActionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook présente EdgarTools pour explorer les déclarations SEC par entreprise et type de déclaration. Il montre comment rechercher des émetteurs à l’aide d’identifiants CIK stables, récupérer des rapports annuels et trimestriels, extraire des états…

ActionsMarchés américainsBacktestStatistiques
Machine Learning for Trading

Ce notebook décrit un modèle séquentiel LSTM destiné à prévoir les rendements boursiers à partir de fenêtres ordonnées de caractéristiques récentes. Chaque exemple utilise 60 séances consécutives pour une action ; les fenêtres qui traversent des…

ActionsApprentissage automatiqueStatistiquesMarchés américains
Machine Learning for Trading

Ce notebook synthétise les résultats de validation enregistrés pour cinq estimateurs à facteurs latents — PCA, IPCA, CAE, SDF et SAE — sur neuf études de cas. Il indique d’abord quels estimateurs ont des résultats dans chaque panel, puis identifie le…

Investissement factorielApprentissage automatiqueStatistiquesActions
Machine Learning for Trading

Ce notebook applique TabM, un ensemble neuronal à partage de poids, à un panel d’actions US représenté par une ligne de caractéristiques pour chaque action et séance. Un tronc commun à deux couches alimente plusieurs membres, chacun doté de son propre…

ActionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Cette analyse sélectionne une configuration dans un ensemble figé de candidats sur contrats à terme perpétuels crypto, couvrant quatre étiquettes de prévision et plusieurs étapes de stratégie. Elle retient le meilleur Sharpe de validation et considère les…

CryptomonnaiesContrats à terme perpétuelsStatistiquesBacktest
Machine Learning for Trading

Ce notebook définit des objectifs de rendements futurs pour classer les actions US et explique comment faire correspondre leurs horizons aux séances de trading réelles. Il utilise des prix ajustés des divisions d’actions et des dividendes pour calculer les…

ActionsMomentumStatistiquesBacktest
Machine Learning for Trading

Ce script rassemble les positions institutionnelles à partir des déclarations SECF de 13 de deux façons : il peut récupérer les déclarations d’un ensemble de gestionnaires sélectionnés ou télécharger les fichiers trimestriels en masse de SEC. Les deux voies…

ActionsStatistiquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook applique l’analyse en composantes principales à un panel de rendements d’actions US afin de représenter les grands mouvements communs à l’aide d’un nombre réduit de facteurs. Chaque facteur correspond à une direction de variation commune, et la…

ActionsStatistiquesApprentissage automatiqueInvestissement factoriel
Machine Learning for Trading

Ce notebook compare des configurations de boosting de gradient pour les contrats à terme perpétuels crypto à l’aide de caractéristiques fondées sur la prime des contrats perpétuels par rapport au marché au comptant. Il fait varier la capacité des arbres et…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook explique comment extraire des transactions d’initiés à partir de fichiers XML bruts du formulaire 4 de SEC, pour la recherche quantitative sur les actions. Il utilise un analyseur XML afin de rattacher le code, la date, le nombre d’actions, le…

ActionsStratégies événementiellesSentiment de marchéStatistiques
Machine Learning for Trading

Ce notebook utilise l’apprentissage automatique double pour estimer si le portage des contrats à terme prédit les rendements ultérieurs indépendamment de la volatilité, du momentum et du rang transversal du portage. Il élimine l’effet de ces facteurs de…

Contrats à termeStratégies de portageApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook développe des caractéristiques fondées sur des modèles pour les contrats à terme perpétuels crypto : des prévisions de volatilité conditionnelle par actif issues de GJR-GARCH et une probabilité de régime de tension à l’échelle du marché, obtenue…

CryptomonnaiesContrats à terme perpétuelsVolatilitéApprentissage automatique
Machine Learning for Trading

Cette analyse compare les résultats du tri des caractéristiques dans neuf études de cas sur le trading et examine si les caractéristiques retenues par le filtrage prédisent des stratégies plus performantes. Le filtrage combine le contrôle du taux de fausses…

StatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook présente NLinear comme un modèle séquentiel de référence simple pour prévoir les rendements des actions US. Chaque exemple utilise une fenêtre de 60 séances consécutives pour une action, avec des caractéristiques ordonnées dans le temps. Pour…

ActionsMarchés américainsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook applique FinBERT préentraîné aux titres financiers de FinMarBa et examine pourquoi sa précision est bien inférieure aux chiffres rapportés pour son évaluation sur Financial PhraseBank. Le diagnostic central porte sur l’origine des étiquettes :…

Apprentissage automatiqueSentiment de marchéStatistiques