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

122 documents

Machine Learning for Trading

Ce notebook d’ingénierie des facteurs construit des variables qui nécessitent des informations allant au-delà de l’historique des prix d’un seul actif. Pour les contrats à terme, il calcule le rendement de roulement annualisé à partir des niveaux…

Contrats à termeOptionsStratégies de portageVolatilité
Machine Learning for Trading

Ce notebook construit des régimes de marché descriptifs à partir des données économiques mensuelles de la Réserve fédérale : chômage, taux des fonds fédéraux, courbe des taux du Trésor et inflation. Il explique comment aligner des séries dont les fréquences…

StatistiquesApprentissage automatiqueMarchés américainsVolatilité
Machine Learning for Trading

Ce notebook construit des caractéristiques de volatilité conditionnelle fondées sur un modèle pour les actions du S&P 500 avec un modèle GJR-GARCH(1,1), puis compare un écart de volatilité implicite des options mesuré par rapport à la volatilité réalisée à…

ActionsOptionsVolatilitéApprentissage automatique
Machine Learning for Trading

Cette étude sur les contrats à terme CME fait varier la capacité des arbres de boosting et la fonction de perte, tout en enregistrant les prédictions à plusieurs points de contrôle de l’entraînement. Le nombre de feuilles détermine le niveau de détail du…

Contrats à termeApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook construit un allocateur de portefeuille de bout en bout qui place un réseau de sélection de variables de type Temporal Fusion Transformer en amont d’un LSTM. Des réseaux résiduels à portes distincts intègrent chaque caractéristique, puis des…

Apprentissage automatiqueConstruction de portefeuilleDimensionnement des positionsVolatilité
Machine Learning for Trading

Ce document de configuration définit un pipeline hebdomadaire de recherche sur les actions du S&P 500, qui associe les caractéristiques du marché des options à des signaux fondés sur les prix. Il précise l’univers admissible, le calendrier des décisions et…

OptionsActionsVolatilitéMomentum
Machine Learning for Trading

Ce notebook compare l’erreur quadratique, l’erreur absolue et la perte de Huber pour des modèles de gradient boosting prédisant les rendements de straddles vendeurs à la monnaie. La cible présente un gain plafonné et des pertes potentiellement sévères ; la…

OptionsVolatilitéApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette analyse explique le lien entre l’indice de prime des contrats à terme perpétuels de Binance et les cours au comptant, ainsi que la façon dont la plateforme transforme cette prime en financement périodique. L’indice utilise les prix d’impact acheteur et…

CryptomonnaiesContrats à terme perpétuelsStratégies de portageArbitrage
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

Ce document présente des méthodes communes pour générer des caractéristiques issues de modèles ajustés sans utiliser d’observations futures. Pour les modèles de Markov cachés, il distingue les probabilités d’état filtrées, fondées sur les observations…

Apprentissage automatiqueVolatilitéStatistiquesBacktest
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 présente la couverture profonde d’une position vendeuse sur un call européen. Il simule des trajectoires de mouvement brownien géométrique, utilise la couverture delta de Black–Scholes comme référence et entraîne un réseau neuronal semi-récurrent…

OptionsÉvaluation des dérivésApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce document présente un jeu de données de change OHLCV couvrant les paires majeures et croisées G10, avec des barres journalières et de quatre heures provenant de OANDA. Il explique comment télécharger et charger les données, les filtrer par paire ou plage…

Marché des changesStatistiquesVolatilité
Machine Learning for Trading

Cette étude cherche à déterminer si les variables du marché des options peuvent classer les rendements futurs des actions. Les caractéristiques comprennent la volatilité implicite selon les échéances, l’asymétrie put-call, la pente de la structure par terme…

OptionsActionsVolatilitéApprentissage automatique
Machine Learning for Trading

Ce document élabore un panel quotidien de caractéristiques pour classer vingt paires de devises à la clôture de New York, à 5 PM. Il distingue les signaux pouvant être classés, tels que les rendements standardisés sur plusieurs horizons et la position dans…

Marché des changesRetour à la moyenneMomentumVolatilité
Machine Learning for Trading

Ce notebook examine les transactions et les cotations AAPL pendant le krach boursier de mars 16, 2020 afin de montrer comment la microstructure de marché évolue sous tension. Il filtre les données aux heures normales de trading, distingue les transactions…

ActionsMicrostructure des marchésExécution des ordresVolatilité
Machine Learning for Trading

Le carnet présente la valeur à risque comme un quantile de perte et la valeur à risque conditionnelle, ou perte attendue, comme la perte moyenne au-delà de ce seuil. Il estime le risque de queue sur une journée pour un vaste ETF d’actions au moyen de quatre…

ActionsVolatilitéGestion des risquesStatistiques
Machine Learning for Trading

Cette étude de cas ajuste des modèles linéaires régularisés aux rendements de straddles vendeurs à la monnaie conservés jusqu’à l’échéance. Comme le revenu de prime plafonne le gain tandis que les pertes peuvent croître sans limite, quelques pertes sévères…

OptionsVolatilitéApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce notebook construit quatre caractéristiques fondées sur des modèles pour la recherche sur les options S&P 500 : des prévisions de volatilité au jour suivant issues de GJR-GARCH et de la volatilité stochastique, ainsi que les écarts entre chaque prévision…

OptionsVolatilitéÉvaluation des dérivésBacktest