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

242 documents

Machine Learning for Trading

Ce notebook montre comment des coûts d’exécution explicites peuvent réduire les rendements bruts d’une stratégie intrajournalière hypothétique. Il ancre le spread de franchissement sur le spread coté médian pondéré par le volume des composantes du…

ActionsExécution des ordresMicrostructure des marchésGestion des risques
Machine Learning for Trading

Cette démonstration de trading en réel décrit un processus de rééquilibrage quotidien pour un univers fixe d’actions américaines à grande capitalisation US. Elle compare les positions détenues chez le courtier aux cibles du modèle, convertit les écarts en…

ActionsExécution des ordresGestion des risquesDimensionnement des positions
Machine Learning for Trading

Ce tutoriel explique comment organiser les données de marché au-delà de téléchargements ponctuels. Il présente un gestionnaire unifié pour récupérer un symbole ou des lots de symboles, des univers prédéfinis ou personnalisés et un stockage Parquet…

Multi-actifsActionsBacktestExécution des ordres
Machine Learning for Trading

Ce notebook teste des règles de risque au niveau des positions et du portefeuille sur les meilleures combinaisons d’allocation ETF d’une stratégie mensuelle. Il maintient fixes chaque prédiction enregistrée, chaque règle de concentration et chaque mécanisme…

ActionsGestion des risquesBacktestExécution des ordres
Machine Learning for Trading

Ce notebook vérifie si les données historiques ETF permettent de soutenir une stratégie de classement mensuel avant d’ajuster un modèle ou de produire des prévisions. Il teste l’univers négociable à partir de la liquidité de l’année précédente, compte les…

Multi-actifsBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook compare des modèles de commissions sur actions et contrats à terme à plusieurs modèles de slippage, en soulignant que leurs unités et hypothèses diffèrent. Les frais en pourcentage restent constants en proportion du montant notionnel, tandis que…

Exécution des ordresBacktestMicrostructure des marchésGestion des risques
Machine Learning for Trading

Ce document décrit l’entraînement d’un agent d’optimisation par politique proximale pour liquider un ordre fixe sur un horizon défini. Il évalue la politique de rythme apprise par rapport à TWAP et à un calendrier d’Almgren-Chriss sur les mêmes trajectoires…

CryptomonnaiesExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Ce notebook mesure la capacité de la méthode Lee-Ready à déduire le sens de l’agresseur d’une transaction à partir des messages Nasdaq ordre par ordre, en prenant les étiquettes d’agresseur fournies par la plateforme comme vérité de référence. Il reconstruit…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook mesure l’effet des coûts de transaction sur une configuration fixe de stratégie sur contrats à terme CME. Il sélectionne la configuration présentée au moyen d’un processus partagé au stade de validation, conserve son dispositif de contrôle du…

Contrats à termeMatières premièresBacktestExécution des ordres
Machine Learning for Trading

Ce notebook explique comment reconstruire un carnet d’ordres à cours limité à partir des messages par ordre de DataBento pour un seul symbole NASDAQ et une journée de trading. Il modélise chaque ordre, regroupe les ordres par niveau de prix et gère…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook compare plusieurs méthodes de couverture d’un call européen vendu lorsque le rééquilibrage est discret et que les transactions entraînent des coûts proportionnels. Il définit le P&L final autofinancé, puis entraîne un modèle neuronal de…

OptionsApprentissage automatiqueGestion des risquesExécution des ordres
Machine Learning for Trading

Ce notebook compare le réglage mono-objectif des hyperparamètres à une recherche multiobjectif pour des modèles de prévision LightGBM. La référence maximise le coefficient d’information (IC) en validation. La recherche NSGA-II maximise plutôt IC tout en…

Apprentissage automatiqueStatistiquesBacktestExécution des ordres
Machine Learning for Trading

Ce notebook exécute une configuration de microstructure NASDAQ-100 sélectionnée sur ses prévisions hors échantillon enregistrées. Le modèle, la méthode d’allocation, la concentration, le calendrier de rééquilibrage, le dispositif de contrôle du risque et les…

ActionsMarchés américainsBacktestGestion des risques
Machine Learning for Trading

Ce notebook explique comment sélectionner une stratégie parmi un ensemble fixe de backtests d’actions US et évaluer la stratégie obtenue sur une période hors échantillon distincte. Il vérifie que les candidats partagent les identifiants de données et de…

ActionsBacktestGestion des risquesStatistiques
Machine Learning for Trading

Cette analyse de faisabilité vérifie si le panel d’actions US disponible permet d’étudier une stratégie quotidienne de classement actions long-short. Elle examine la construction de l’univers à date connue à l’aide de seuils de prix et de turnover passé,…

ActionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce module d’analyse partagé décrit différentes méthodes d’estimation des frictions de négociation sur plusieurs classes d’actifs. Il comprend des estimateurs de spreads bid-ask fondés sur les cours hauts et bas et l’autocovariance des rendements, des mesures…

Exécution des ordresMicrostructure des marchésGestion des risquesBacktest
Machine Learning for Trading

Ce notebook teste la réaction d’une stratégie sélectionnée sur les caractéristiques des entreprises US lorsque l’hypothèse de coûts de transaction change. Il maintient la configuration de la stratégie fixe et relance des backtests de validation sur une…

ActionsExécution des ordresBacktestGestion des risques
Machine Learning for Trading

Ce notebook élabore un cadre tenant compte des unités pour estimer les coûts de trading sur les actions, les contrats perpétuels crypto, les contrats à terme, les ETF et le marché des changes. Il distingue le volume en actions, le volume en contrats, le…

Exécution des ordresMicrostructure des marchésGestion des risquesBacktest
Machine Learning for Trading

Cette étude de cas évalue un straddle vendeur hebdomadaire sur options S&P 500 à partir de backtests enregistrés. Elle sélectionne une configuration dans un univers liquide désigné, classe les candidats sur la validation et évalue la configuration retenue…

OptionsActionsBacktestGestion des risques
Machine Learning for Trading

Cette analyse reconstitue les cycles de vie des ordres à cours limité NASDAQ à partir des messages ITCH, en suivant les ordres de leur soumission jusqu’au premier événement lié à une annulation ou à leur exécution. Elle distingue les ajouts, suppressions,…

Microstructure des marchésExécution des ordresActionsStatistiques
Machine Learning for Trading

Ce relevé d’audit définit la méthode de comparaison de plusieurs frameworks de backtesting avec ML4T, sur des études de cas de stratégies réelles et une charge synthétique de résistance. Il précise les règles de comparaison des exécutions ordonnées, des…

BacktestExécution des ordresMicrostructure des marchésContrats à terme
Machine Learning for Trading

Ce notebook compare la justesse et le temps d’exécution de VectorBT Pro et de VectorBT OSS à ML4T sur des stratégies d’étude de cas prises en charge. Il couvre l’allocation d’ETF, le marché des changes coté en USD et un panel d’actions US pour les deux…

BacktestExécution des ordresContrats à termeMarché des changes
Machine Learning for Trading

Ce notebook montre qu’un ordre d’un montant fixe peut entraîner des coûts très différents selon les actions, car sa taille relative au volume de transactions disponible compte. Il applique un modèle d’impact de marché en racine carrée à une stratégie…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce document explique comment construire des labels de rendement futur et de direction pour la recherche intrajournalière sur le NASDAQ-100. Le rendement repose sur une convention d’exécution explicite : observer la clôture d’une barre, entrer à la barre…

ActionsMicrostructure des marchésExécution des ordresStatistiques