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 utilise des données de transactions et d’ordres issues de NASDAQ ITCH pour illustrer des phénomènes de microstructure. Il examine l’autocorrélation négative de premier ordre des rendements des transactions au tick près, compare cet effet aux…

ActionsMicrostructure des marchésStatistiquesExécution des ordres
Machine Learning for Trading

Cette démonstration étend un processus d’ordre unique à un rééquilibrage quotidien pour un univers fixe d’actions américaines à grande capitalisation US. Elle explique comment comparer les positions courantes chez le courtier aux positions cibles du modèle,…

ActionsExécution des ordresGestion des risquesMicrostructure des marchés
Machine Learning for Trading

Ce notebook présente un processus pour déterminer si le momentum sur six mois, hors période récente, influe sur les rendements futurs à 21 jours et si cet effet varie avec la volatilité du marché. Il estime les effets sur les données d’entraînement par…

ActionsMomentumApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook ajuste des modèles linéaires à des caractéristiques de microstructure du NASDAQ-100 observées à intervalles d’une minute afin de prévoir les rendements sur plusieurs horizons futurs. Son objectif est d’établir une référence simple avant…

ActionsApprentissage automatiqueStatistiquesIndicateurs techniques
Machine Learning for Trading

Ce document décrit un jeu de données quotidien sur les actions américaines US, couvrant environ 3,200 sociétés de 1962 à mars 2018. Il inclut des émetteurs radiés de la cote, ce qui le rend utile pour les recherches historiques où exclure les entreprises…

ActionsMarchés américainsBacktest
Machine Learning for Trading

Ce notebook évalue l’effet des hypothèses de coûts de transaction sur le Sharpe en validation d’une allocation sélectionnée d’actions et d’options du S&P 500. Lorsque disponible, il reprend la configuration choisie parmi un ensemble de candidats figé, puis…

ActionsOptionsExécution des ordresBacktest
Machine Learning for Trading

Cette étude de cas sur le NASDAQ-100 examine si les signaux de microstructure à intervalle de 15 minutes peuvent résister aux coûts de trading. Le processus évalue le flux d’ordres, l’obsolescence des cotations et les écarts relatifs, puis compare une…

ActionsMarchés américainsMicrostructure des marchésExécution des ordres
Machine Learning for Trading

Ce notebook étudie l’effet des règles d’allocation sur les stratégies ETF une fois que le modèle a classé les actifs. Il conserve les ensembles de prévisions et le calendrier de rééquilibrage, sélectionne le même panier des k premiers pour chaque comparaison…

ActionsConstruction de portefeuilleDimensionnement des positionsGestion des risques
Machine Learning for Trading

Ce chapitre décrit un parcours de la recherche à l’exécution en réel, fondé sur une logique de stratégie utilisable en backtest, en trading en papier et en trading en réel. Il aborde les intégrations aux courtiers et aux plateformes, les cycles de…

Exécution des ordresGestion des risquesBacktestMicrostructure des marchés
Machine Learning for Trading

Ce notebook montre comment connecter à Alpaca une interface commune de stratégie de momentum ETF, avec une simulation hors ligne disponible par défaut. Il explique comment les adaptateurs de courtier et de données de marché peuvent changer sans modifier la…

ActionsMomentumExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook vérifie si une stratégie quotidienne de classement d’actions US dispose de suffisamment de données exploitables pour permettre une évaluation équitable avant l’ajustement d’un modèle. Il explique comment constituer un univers en date connue avec…

ActionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce document présente une analyse de sensibilité aux coûts pour une stratégie de momentum ETF fixe. Il conserve l’univers, les pondérations, le calendrier et le simulateur, tout en relançant le backtest avec différents frais par opération. La courbe obtenue…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce notebook applique une configuration ETF sélectionnée au préalable à sa période de test réservée. Il dérive les prévisions correspondantes pour cette période à partir de l’identité d’entraînement et du point de contrôle sélectionnés, puis utilise les…

ActionsBacktestConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce processus d’évaluation filtre les caractéristiques financières et issues de modèles en fonction des rendements futurs d’un panel intrajournalier NASDAQ-100. Il réserve d’abord la période finale de test et exclut les observations dont les étiquettes…

ActionsStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce document décrit un jeu de données quotidien d’actions US, issu des archives Wiki Prices de NASDAQ Data Link. Il couvre des milliers d’entreprises de 1962 à mars 2018 et inclut les sociétés radiées de la cote, ce qui le rend utile à la recherche historique…

ActionsMarchés américainsBacktest
Machine Learning for Trading

Ce document explique comment mesurer les rendements autour d’événements tels que le déclenchement de signaux, les annonces de résultats ou les publications macroéconomiques. Son exemple pratique utilise des cassures de momentum sur des ETF liquides. Pour…

ActionsStratégies événementiellesMomentumCassure