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

100 documents

Machine Learning for Trading

Le document présente un processus VectorBT pour une règle de retour à la moyenne sur Bitcoin, en position acheteuse uniquement, fondée sur le RSI. Il calcule le RSI à partir des cours de clôture quotidiens, entre lorsque la valeur de la veille passe sous un…

CryptomonnaiesRetour à la moyenneIndicateurs techniquesBacktest
Machine Learning for Trading

Le notebook entraîne un autoencodeur classique sur les rendements horaires standardisés d’un groupe de marchés perpétuels crypto. Son encodeur compresse le vecteur de rendements inter-actifs en une représentation latente à deux dimensions, et son décodeur…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueVolatilité
Machine Learning for Trading

Cet audit compare plusieurs moteurs de backtesting sur des données historiques communes pour l’allocation de ETF, les contrats à terme CME, les contrats perpétuels crypto avec financement, le marché des changes et les actions US. Chaque paire prise en charge…

BacktestExécution des ordresMulti-actifsContrats à terme
Machine Learning for Trading

Ce notebook met en œuvre une règle de réversion à la moyenne RSI acheteuse uniquement sur des contrats perpétuels BTC/USDT, avec un moteur de backtesting événementiel. Il agrège les barres intrajournalières en données quotidiennes OHLCV selon le fuseau UTC,…

CryptomonnaiesContrats à terme perpétuelsRetour à la moyenneIndicateurs techniques
Machine Learning for Trading

Ce notebook explique comment construire des variables cibles de rendement de prix prospectif pour un panel de contrats perpétuels crypto à pas de huit heures. Il décale les horodatages d’ouverture des barres jusqu’au moment où les données de la barre…

CryptomonnaiesContrats à terme perpétuelsRetour à la moyenneStatistiques
Machine Learning for Trading

Ce notebook compare trois façons de convertir des prévisions de rendement signées en positions binaires : un seuil fixe à zéro, un percentile glissant des scores propres à chaque symbole et un percentile transversal entre symboles. Il mesure l’activation des…

Apprentissage automatiqueIndicateurs techniquesCryptomonnaiesActions
Machine Learning for Trading

Cette étude de cas sélectionne une configuration dans un ensemble figé de stratégies crypto sur contrats à terme perpétuels, couvrant plusieurs étiquettes de rendement et de direction, méthodes de dimensionnement de portefeuille et ajustements du risque.…

CryptomonnaiesContrats à terme perpétuelsBacktestStatistiques
Machine Learning for Trading

Ce notebook utilise le double apprentissage automatique pour estimer si les écarts de prime des contrats à terme perpétuels sont liés aux rendements ultérieurs sur huit heures, et si cette relation estimée diffère entre les marchés à forte et à faible…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook entraîne un agent par optimisation de politique proximale (PPO) pour liquider un ordre fixe sur un horizon donné. Il compare la politique de rythme apprise à TWAP et à un calendrier d’Almgren–Chriss, mesure l’écart de prix d’exécution et examine…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresApprentissage automatique
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

Ce notebook isole les résultats du moteur LEAN dans le cadre d’un audit comparant des exécutions conservées de stratégies réelles à des profils ML4T Backtest correspondants. Il identifie quatre types de tâches pris en charge : allocation ETF, financement de…

Multi-actifsBacktestExécution des ordresCryptomonnaies
Machine Learning for Trading

Ce notebook compare DQN, PPO et A2C dans un environnement simulé de trading de cryptomonnaies. Il calibre un processus de volatilité GARCH(1,1) à partir des rendements horaires des contrats à terme perpétuels Bitcoin, puis simule des trajectoires qui…

Apprentissage automatiqueCryptomonnaiesContrats à terme perpétuelsBacktest
Machine Learning for Trading

Ce module définit un environnement de simulation à date connue pour exécuter un ordre de vente important sur des contrats à terme perpétuels crypto. Ses observations combinent l’inventaire restant et le temps avec la volatilité du marché, l’indice de prime,…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Ce document décrit un processus de téléchargement des données officielles de financement des contrats perpétuels Binance USD-M, de leur normalisation et de leur mise en cache dans un fichier en colonnes. Les archives mensuelles sont récupérées simultanément…

CryptomonnaiesContrats à terme perpétuelsÉvaluation des dérivésBacktest
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 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 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 étude de cas présente un processus de recherche sur les contrats à terme perpétuels crypto, en considérant les paiements de financement échangés entre positions longues et courtes lors de règlements réguliers comme une source potentielle de rendement.…

CryptomonnaiesContrats à terme perpétuelsContrats à termeApprentissage automatique
Machine Learning for Trading

Ce carnet évalue une série de valeur totale verrouillée de la DeFi comme donnée alternative pour négocier l’ether. L’analyse s’organise autour de quatre questions : la série est-elle liée aux rendements futurs, les données sont-elles fiables et…

CryptomonnaiesFinance décentralisée (DeFi)Données on-chainStatistiques
Machine Learning for Trading

Cette démonstration présente une boucle de trading crypto en fonctionnement continu, connectée au marché au comptant en USD d’Alpaca. Elle associe l’univers d’une étude de cas sur les contrats à terme perpétuels aux paires au comptant prises en charge par la…

CryptomonnaiesMarchés au comptantContrats à terme perpétuelsMomentum