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

558 documents

Machine Learning for Trading

Ce notebook explique pourquoi les prix bruts des actions peuvent produire des rendements trompeurs lorsqu’ils couvrent des divisions d’actions ou des dates de détachement de dividendes en espèces. Il décrit l’ajustement rétroactif, qui met à l’échelle les…

ActionsStatistiquesBacktestMarchés américains
Machine Learning for Trading

Ce notebook teste si le dimensionnement des positions fondé sur un modèle améliore la pondération égale dans une stratégie fondée sur les caractéristiques d’entreprises US. Il compare la pondération par score, qui alloue davantage aux titres dont les scores…

ActionsDimensionnement des positionsConstruction de portefeuilleBacktest
Machine Learning for Trading

Ce notebook compare plusieurs façons de sortir de positions acheteuses sur ETF : objectifs et stops fixes, stops suiveurs, seuils ajustés selon ATR, signaux d’apprentissage automatique et combinaisons. Il construit des indicateurs et des simulations de…

ActionsGestion des risquesDimensionnement des positionsVolatilité
Machine Learning for Trading

Ce notebook traite les prévisions ARIMA comme des colonnes d’entrée pour des modèles ultérieurs, et non comme des prédictions autonomes. Il ajuste des modèles aux rendements ETF, utilise des tests de stationnarité et des diagnostics d’autocorrélation pour…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce document décrit la conversion de fenêtres glissantes de rendements ETF en images à deux canaux pour un réseau de neurones convolutif classique. Un champ angulaire de Gramian transforme les observations normalisées en angles et consigne les relations…

ActionsApprentissage automatiqueIndicateurs techniquesStatistiques
Machine Learning for Trading

Ce document présente le panel mensuel d’actions US de Chen, Pelger et Zhu, utilisé pour comparer des modèles de valorisation des actifs. Il décrit 46 caractéristiques d’entreprises regroupées par thème économique, les rendements excédentaires du mois suivant…

ActionsMarchés américainsInvestissement factorielStatistiques
Machine Learning for Trading

Ce notebook présente une méthode pour caractériser les séries de marché avant leur modélisation. Il commence par des graphiques des prix et rendements de SPY, des niveaux de VIX et de la distribution des rendements afin de repérer les tendances, les…

ActionsStatistiquesVolatilitéGestion des risques
Machine Learning for Trading

Ce notebook utilise les rendements quotidiens SPY pour expliquer l’analyse dans le domaine fréquentiel et ses limites comme source de caractéristiques de trading. Une décomposition en ondelettes sépare les variations en bandes correspondant à des échelles de…

ActionsStatistiquesVolatilitéIndicateurs techniques
Machine Learning for Trading

Cette note présente un flux de travail opérationnel pour connecter une stratégie à Interactive Brokers via TWS ou Gateway. Elle vérifie que la session utilise un compte de simulation, lit les valeurs du compte et les positions, puis demande des barres…

Exécution des ordresGestion des risquesMomentumActions
Machine Learning for Trading

Ce notebook présente EdgarTools pour explorer les déclarations SEC et extraire des données structurées sur les entreprises. Il explique comment identifier les déclarants à l’aide du CIK stable CIK, récupérer les déclarations par formulaire et convertir les…

ActionsMarchés américainsBacktestStratégies événementielles
Machine Learning for Trading

Cette étude de cas utilise des modèles linéaires comme référence pour prévoir les rendements futurs sur un vaste panel d’actions US. Elle explique pourquoi le chevauchement des caractéristiques de prix et de volume crée de la colinéarité, qui rend instables…

ActionsMarchés américainsApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette analyse compare les effets de traitement enregistrés par des modèles de double apprentissage automatique dans neuf études de cas de trading. Elle charge les résultats actuels du registre de chaque étude, vérifie l’intégrité du registre et les…

StatistiquesApprentissage automatiqueBacktestActions
Machine Learning for Trading

Ce notebook teste la sensibilité d’un backtest de momentum sur ETF aux frais de trading supposés. Il conserve fixes les pondérations et le calendrier de trading de la stratégie, relance le simulateur pour une plage de coûts par opération et compare la…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Le notebook estime dans quelle mesure un portefeuille équipondéré d’actions US ayant survécu peut surestimer les rendements par rapport à l’univers initial complet. Il examine d’abord quand le panel consigne des départs de symboles et constate que les…

ActionsMarchés américainsBacktest
Machine Learning for Trading

Cette analyse exploratoire présente les contrats d’options et la structure des chaînes, puis décrit un échantillon 2020 d’options S&P 500 sur huit actifs sous-jacents. Elle explique la position dans la monnaie, la valeur intrinsèque et la valeur temps, la…

OptionsActionsVolatilitéÉvaluation des dérivés
Machine Learning for Trading

Ce notebook évalue les stops au niveau des positions, les stops suiveurs et les sorties temporelles sur la lignée d’allocation classée en tête selon le ratio de Sharpe de validation parmi les candidats admissibles à couverture complète. Chaque contrôle est…

ActionsOptionsGestion des risquesBacktest
Machine Learning for Trading

Ce notebook compare des règles de pondération de portefeuille pour une stratégie sur options S&P 500 qui vend des straddles. Il conserve les symboles sélectionnés et les autres paramètres de stratégie, tout en remplaçant la référence à pondération égale par…

OptionsActionsConstruction de portefeuilleDimensionnement des positions
Machine Learning for Trading

Cette analyse en lecture seule rassemble des prédictions de validation de plusieurs familles de modèles pour évaluer leur exhaustivité, leur capacité à classer les actions, la persistance de cette capacité entre les plis et l’apport d’information distinct de…

ActionsStatistiquesGestion des risquesBacktest
Machine Learning for Trading

Ce notebook utilise SHAP pour expliquer les prévisions de rendements ETF d’une régression Ridge. Pour un modèle linéaire, les attributions des caractéristiques ont une relation de forme fermée avec les coefficients ajustés et les écarts par rapport aux…

ActionsApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook explique le filtrage de Kalman comme méthode d’extraction de caractéristiques à partir des prix financiers. Un état de tendance linéaire locale suit à la fois un niveau de prix latent et sa pente, tandis qu’un modèle d’observation tient compte…

ActionsIndicateurs techniquesStatistiquesTrading par paires