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

Cette analyse de faisabilité évalue si les données de cotation peuvent soutenir une stratégie transversale neutre au marché, qui classe les composantes du NASDAQ-100 à intervalles de quinze minutes et détient les deux extrémités du classement. Elle vérifie…

ActionsMicrostructure des marchésExécution des ordresBacktest
Machine Learning for Trading

Ce notebook compare des dispositifs de stop-loss, de stop suiveur et de sortie à durée fixe sur des backtests de microstructure NASDAQ-100 prédéfinis. La stratégie prend ses décisions toutes les quinze minutes, tandis que les règles de risque surveillent les…

Gestion des risquesBacktestDimensionnement des positionsActions
Machine Learning for Trading

Ce notebook décrit des caractéristiques contextuelles à évolution lente pour les décisions de trading quotidiennes : ratios comptables, conditions macroéconomiques et encodages calendaires. Il présente des mesures de valeur et de qualité telles que le…

ActionsInvestissement factorielStatistiquesIndicateurs techniques
Machine Learning for Trading

Ce notebook compare la prédiction conforme scindée, la régression quantile conformisée et l’inférence conforme adaptative pour prévoir les rendements futurs des ETF. Dans des découpages walk-forward, il entraîne le modèle sur un sous-ensemble, calibre les…

ActionsApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook évalue des prédictions de validation sous forme de portefeuilles d’actions acheteurs uniquement, en sélectionnant les K premières valeurs à poids égal selon un calendrier de décision déterminé par la fréquence de chaque étiquette. Il vérifie…

ActionsOptionsBacktestConstruction de portefeuille
Machine Learning for Trading

Cette étude de cas compare des modèles séquentiels sur un panel de caractéristiques d’actions et d’options de l’indice S&P 500. Elle associe un LSTM, qui conserve un état contrôlé sur une fenêtre rétrospective, à une référence N-Linear qui retire le dernier…

ActionsOptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook explique l’architecture en cinq parties de TimeGAN : un réseau d’incorporation et un réseau de reconstruction font le lien entre les observations brutes et l’espace latent, un superviseur apprend les transitions temporelles, et un générateur et…

Apprentissage automatiqueActionsStatistiquesBacktest
Machine Learning for Trading

Ce notebook convertit des fenêtres glissantes de rendements ETF en images à deux canaux pour un réseau neuronal convolutif. Le champ de sommation angulaire de Gramian redimensionne les valeurs de chaque fenêtre, les convertit en angles et enregistre les…

Apprentissage automatiqueStatistiquesActionsBacktest
Machine Learning for Trading

Ce notebook mesure comment les performances de validation d’une stratégie sélectionnée sur les caractéristiques des entreprises US évoluent lorsque les commissions et le slippage supposés varient. Il relance la même configuration sur une grille de coûts…

ActionsBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook décrit comment produire des prévisions pour une période test intacte après avoir choisi une configuration sur les données de validation. Il résout la configuration sélectionnée, reconstruit sa spécification d’entraînement pour la période test et…

ActionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Cette configuration décrit une étude intrajournalière des signaux de flux d’ordres sur un univers NASDAQ-100 défini à chaque instant. Elle définit un sous-ensemble filtré selon les coûts à partir des informations de liquidité disponibles avant chaque période…

ActionsMarchés américainsMicrostructure des marchésApprentissage automatique
Machine Learning for Trading

Ce notebook d’ingénierie des variables explique comment des informations plus lentes peuvent contextualiser des signaux de trading plus rapides, à l’aide de données fondamentales, macroéconomiques et calendaires. Il présente des ratios de valorisation tels…

Investissement factorielActionsStatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook décrit comment produire des prédictions hors échantillon pour une configuration de microstructure NASDAQ-100 sélectionnée après les choix du modèle et de la stratégie sur les plis de validation. Il reconstruit la spécification d’entraînement…

ActionsMicrostructure des marchésApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook explique comment une limite de participation au volume restreint la quantité d’un ordre parent susceptible d’être exécutée pendant chaque intervalle de marché. Un courtier calcule la tranche autorisée à partir du volume négocié observé et reporte…

Exécution des ordresMicrostructure des marchésGestion des risquesActions
Machine Learning for Trading

Ce document décrit un jeu de données quotidien ETF conçu comme un ensemble de candidats pour la recherche sur le momentum et multi-actifs. Il couvre neuf catégories, dont les actions US et internationales, les titres à revenu fixe, les matières premières,…

Multi-actifsMomentumActionsTitres à revenu fixe
Machine Learning for Trading

Ce notebook présente l’évaluation d’un facteur unique à partir de données réelles ETF et d’un exemple de momentum calculé à partir des prix. Il mesure les coefficients d’information de Spearman transversaux par rapport aux rendements futurs, compare les…

ActionsMomentumStatistiquesBacktest
Machine Learning for Trading

Cette étude de cas filtre des variables financières et issues de modèles en les comparant aux rendements futurs d’une stratégie de microstructure NASDAQ-100. Elle calcule les coefficients d’information des rangs transversaux au fil du temps, ajuste…

ActionsMicrostructure des marchésStatistiquesApprentissage automatique
Machine Learning for Trading

Le document présente un processus opérationnel pour maintenir à jour les données quotidiennes de marché : charger un historique initial, récupérer un petit complément avec chevauchement, vérifier les dates manquantes et surveiller la fraîcheur des données et…

ActionsBacktestStatistiquesGestion des risques