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

733 documents

Machine Learning for Trading

Ce notebook présente un cadre déterministe pour vérifier la cohérence des pipelines de backtest et de trading en réel. Il compare les étapes qui transforment les barres de prix en décisions : calcul des caractéristiques, prédictions, signaux et tailles…

BacktestExécution des ordresApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook entraîne un agent d’apprentissage par renforcement à répartir un ordre de vente fixe sur des barres horaires d’un marché de contrats à terme perpétuels crypto. Son état comprend les rendements retardés, la volatilité, le volume de l’heure…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresApprentissage automatique
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

Cette étude de cas évalue des straddles vendeurs à la monnaie sur les constituants du S&P 500, ouverts chaque semaine et conservés jusqu’à l’échéance avec couverture delta quotidienne. Son principal choix méthodologique consiste à modéliser les rendements à…

OptionsVolatilitéBacktestExécution des ordres
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 notebook décrit comment évaluer des prévisions sur l’échantillon de réserve pour une stratégie FX sélectionnée auparavant. Il réutilise la spécification de backtest enregistrée pour la configuration choisie, en conservant fixes le signal, l’allocation,…

Marché des changesBacktestGestion des risquesDimensionnement des positions
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

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 chapitre soutient qu’une recherche durable en trading dépend d’un processus discipliné, capable de s’adapter à l’évolution des marchés, aux données probantes bruitées et aux coûts de mise en œuvre. Il distingue les ruptures structurelles, les régimes, la…

Apprentissage automatiqueBacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook d’évaluation filtre les caractéristiques financières et issues de modèles en fonction de leur relation avec le rendement suivant sur huit heures des contrats à terme perpétuels crypto. Il constitue l’échantillon d’évaluation à partir de fenêtres…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
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 notebook étudie l’effet de la régularisation sur un modèle de contrats à terme CME construit à partir de familles de caractéristiques corrélées, notamment des mesures de portage, de ratio de Sharpe glissant, de momentum et de volatilité. Il compare Ridge,…

Contrats à termeApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook applique des règles configurées de stop-loss, de stop suiveur et de sortie temporelle au signal ou à la stratégie d’allocation les mieux classés en validation pour chaque horizon de rendement des contrats à terme. Chaque règle est évaluée…

Contrats à termeStratégies de portageRetour à la moyenneGestion des risques
Machine Learning for Trading

Ce notebook décrit l’adaptation de Diffusion-TS pour générer des séquences synthétiques de rendements ETF. Son débruiteur prédit la séquence propre comme une somme de composantes de tendance polynomiale, de saisonnalité de Fourier et de résidus, tandis…

Apprentissage automatiqueStatistiquesVolatilitéMulti-actifs
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

Le document explique pourquoi TabM est utilisé pour modéliser les données de panel du financement des contrats perpétuels : son socle neuronal partagé combine toutes les caractéristiques d’entrée, tandis que des couches non linéaires peuvent représenter les…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueBacktest