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 décrit les contrôles de registre permettant de décider s’il faut réutiliser ou relancer l’entraînement d’un modèle et des backtests. Les exécutions sont identifiées par des empreintes calculées à partir de leurs spécifications ; une exécution…

BacktestApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook montre comment ajuster un transformeur pour reconnaître les entités financières nommées et convertir des segments de texte en champs structurés pour les organisations, les personnes, les montants, les dates et les pourcentages. Il présente les…

Apprentissage automatiqueStatistiquesSentiment de marchéActions
Machine Learning for Trading

Ce notebook étudie le boosting de gradient pour prévoir transversalement les rendements des contrats à terme CME. Il fait varier la capacité des arbres au moyen de profils de nombre de feuilles et compare les objectifs d’erreur quadratique, d’erreur absolue…

Contrats à termeMatières premièresApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook présente trois façons de transformer les données du NASDAQ-100 à la minute en caractéristiques pour les modèles : une régression HAR glissante pour les prévisions de variance et leurs erreurs, une transformée de Fourier pour les profils de volume…

ActionsVolatilitéMicrostructure des marchésStatistiques
Machine Learning for Trading

Ce notebook compare quatre méthodes d’extraction de passages dans un corpus de textes de déclarations d’entreprises : BM25, les plongements denses, la fusion réciproque des rangs (RRF) et un reclasseur à encodeur croisé. RRF combine des listes classées…

Apprentissage automatiqueStatistiquesActionsMarchés américains
Machine Learning for Trading

Ce document présente une architecture de prévision de bout en bout qui associe un panel de recherche, une prévision agrégée, un débat contradictoire et un superviseur. Le superviseur repère les désaccords, recherche des éléments permettant de les clarifier…

Apprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook organise des comparaisons entre études de cas de modèles LightGBM, avec des modèles linéaires et TabM comme familles de référence lorsqu’ils sont disponibles. Il évalue les configurations selon la taille des arbres, les pertes de régression, les…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare LightGBM à un MLP, à TabM et, lorsqu’il est disponible, à TabPFN pour prévoir les rendements futurs ETF à partir de caractéristiques tabulaires. Les modèles sont évalués sur les mêmes plis chronologiques walk-forward, en utilisant le…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare les moindres carrés ordinaires à Ridge, LASSO et Elastic Net pour prévoir les rendements futurs à 21 jours des ETF. Les modèles utilisent les mêmes plis walk-forward définis, avec une période de purge correspondant à l’horizon des…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce document examine le défi de découverte causale du ADIA Lab comme un problème d’inférence supervisée au sein d’une famille connue de générateurs de données synthétiques. La tâche attribue aux variables huit rôles autour d’un traitement et d’un résultat, à…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce module construit un ensemble moyen de prévisions à partir d’ensembles de prédictions enregistrés, en accordant une attention particulière à la reproductibilité et à la prévention des biais de sélection. Il identifie les configurations de modèles…

Apprentissage automatiqueStatistiquesBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook explique un modèle espace-état de tendance linéaire locale pour extraire des caractéristiques financières des niveaux de prix. L’état caché comprend un niveau de prix et sa pente ; les observations sont des cours de clôture bruités. À chaque…

ActionsStatistiquesIndicateurs techniquesTrading par paires
Machine Learning for Trading

Ce notebook présente un flux de prévision en quatre phases utilisant l’orchestration Python native, CrewAI et LangGraph. Il compare la gestion de l’état, l’inspection ou la reprise après échec, les dépendances ajoutées par chaque approche et le…

Apprentissage automatiqueStatistiquesExécution des ordresBacktest
Machine Learning for Trading

Ce notebook examine la régularisation des modèles linéaires pour un univers de paires de devises dont les rendements sont liés, car chaque paire est une cotation entre des devises communes. Il distingue la colinéarité des caractéristiques, que ridge, lasso…

Marché des changesStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook étudie si une prime extrême sur les contrats à terme perpétuels affecte les rendements ultérieurs du BTC ou le retour de la prime à la moyenne. Il définit le traitement comme un état de prime élevée et compare un résultat de marché général,…

CryptomonnaiesContrats à terme perpétuelsArbitrageStatistiques
Machine Learning for Trading

Ce notebook construit des étiquettes de rendement futur des actions pour une stratégie qui exploite les données d’options cotées afin de classer les actions, puis de les détenir. Il crée une série de prix ajustés des opérations sur titres et identifie les…

ActionsOptionsStatistiquesBacktest
Machine Learning for Trading

Ce notebook décrit un filtrage des signaux candidats, une caractéristique à la fois, sur 20 paires de devises. Il calcule, pour chaque caractéristique, la concordance quotidienne des rangs en coupe transversale avec le rendement de la séance suivante, en…

Marché des changesStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook présente l’analyse en composantes principales comme référence à facteurs latents non conditionnée pour prévoir les rendements boursiers dans une étude d’analyse des options. PCA utilise le panel historique des rendements pour estimer les…

ActionsApprentissage automatiqueStatistiquesInvestissement factoriel
Machine Learning for Trading

Ce notebook compare une recherche exhaustive sur grille à l’échantillonneur TPE d’Optuna pour ajuster un modèle LightGBM de prévision des rendements. Il accorde d’abord aux deux méthodes le même budget d’essais sur la même grille discrète de paramètres, où…

Apprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook évalue un facteur de momentum transversal à l’aide des coefficients d’information, des rendements par quantile, des écarts entre les extrêmes et de diagnostics de classification. Il présente le IC de Spearman comme la corrélation de rang calculée…

MomentumInvestissement factorielStatistiquesBacktest
Machine Learning for Trading

Cette configuration spécifie un jeu de données macroéconomiques historiques de FRED pour le filtrage des régimes et l’analyse inter-actifs. Elle organise les séries selon une fréquence quotidienne, hebdomadaire, mensuelle et trimestrielle, et comprend les…

Multi-actifsTitres à revenu fixeVolatilitéStatistiques