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

704 documents

Machine Learning for Trading

Ce notebook reconstitue la meilleure offre acheteur et vendeur en vigueur pour chaque transaction AAPL au cours d’une séance de mars 2020, puis applique la méthode Lee–Ready pour déduire si les acheteurs ou les vendeurs ont initié les transactions. Il…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook évalue une par une les caractéristiques candidates de 20 paires de devises par rapport aux rendements futurs. Il limite l’analyse aux périodes de validation walk-forward, associe chaque séance à son pli et laisse un intervalle tampon avant la…

Marché des changesStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook explique comment combiner les prévisions probabilistes de plusieurs agents et étalonner les probabilités obtenues. Il présente l’extrémisation de Neyman, qui éloigne la prévision moyenne du taux de base en fonction de la taille du panel et d’une…

StatistiquesApprentissage automatiqueSentiment de marché
Machine Learning for Trading

Cet utilitaire de données facilite l’utilisation du jeu de données de valorisation de Chen, Pelger et Zhu, qui comprend les rendements boursiers, les caractéristiques des entreprises, des séries macroéconomiques et des tenseurs de caractéristiques…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook examine si des caractéristiques financières contribuent à expliquer une étiquette de rendement d’options couvertes en delta sur 10 séances. Il compare des modèles Ridge utilisant une caractéristique de volatilité implicite, des groupes de…

OptionsActionsStatistiquesApprentissage automatique
Machine Learning for Trading

Ce module décrit une méthode commune pour préparer des plis d’entraînement et de validation walk-forward pour plusieurs familles de modèles. Il sépare les opérations coûteuses indépendantes du modèle — découpage des fenêtres temporelles, application de…

Apprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook compare les prédictions de validation de plusieurs familles de modèles pour étudier le financement des contrats à terme perpétuels. Il explique que le coefficient d’information mesure l’association entre les rangs des prédictions et les…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook présente des méthodes pratiques de nettoyage des données de marché et d’entreprises, notamment la gestion des doublons, les indicateurs de lacunes, les filtres par domaine, la détection des pics par retournement, l’écrêtage des valeurs…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook examine si les attributions SHAP restent stables lorsque les prévisions sont similaires ou lorsque les modèles sont réajustés avec différentes graines aléatoires et architectures. À partir des rendements futurs ETF, il recherche des paires…

Apprentissage automatiqueStatistiquesGestion des risquesActions
Machine Learning for Trading

Ce notebook compare les contrats événementiels réglés en cryptomonnaie de Polymarket aux contrats réglementés de Kalshi, en se concentrant sur la façon dont les règles d’accès et les politiques de cotation façonnent les prix et les questions représentés par…

Stratégies événementiellesCryptomonnaiesStatistiquesMicrostructure des marchés
Machine Learning for Trading

Ce notebook présente un processus de diagnostic au niveau des opérations qui relie les pertes réalisées aux explications SHAP d’un modèle. Il entraîne un modèle LightGBM sur des caractéristiques retardées de prix et de volatilité, ainsi que des données…

Apprentissage automatiqueStatistiquesActionsSentiment de marché
Machine Learning for Trading

Ce notebook compare l’imitation du comportement à l’apprentissage par renforcement inverse (IRL) pour apprendre à partir de relevés d’exécution. Les démonstrations proviennent d’un calendrier TWAP, dont l’objectif neutre au risque est connu : répartir les…

Exécution des ordresApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Le notebook présente le cadre d’Almgren–Chriss pour planifier une liquidation importante. Il mesure le déficit d’exécution par rapport au prix d’arrivée et modélise deux coûts concurrents : l’impact de marché, qui augmente avec l’intensité du trading, et le…

Exécution des ordresMicrostructure des marchésGestion des risquesStatistiques
Machine Learning for Trading

Cette étude de cas explique comment construire des étiquettes de rendements futurs pour une stratégie transversale de change qui classe les paires de devises et achète ou vend selon leur ordre relatif. Elle commence par répartir des barres de prix au…

Marché des changesMarchés au comptantMomentumRetour à la moyenne
Machine Learning for Trading

Le code calcule des métriques de performance standardisées à partir de tableaux de prévisions hors échantillon, séparément pour chaque pli et sous forme d’agrégats synthétiques. Il prend en charge la régression et la classification, notamment le coefficient…

StatistiquesBacktestApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce relevé consigne une exécution de prévision LangGraph sur la question de savoir si la Réserve fédérale relèverait son taux directeur en 2026. Trois agents ont produit des probabilités, suivies d’un débat et d’une mise à jour du superviseur. Les résultats…

Titres à revenu fixeMarchés américainsStatistiques
Machine Learning for Trading

Ce notebook assemble un agent de recherche qui cherche des éléments probants et renvoie une probabilité structurée pour une question binaire. Il décrit l’analyse et la validation des actions, un budget de tours et un artefact de prévision enregistré, qui…

Apprentissage automatiqueSentiment de marchéStatistiques
Machine Learning for Trading

Ce notebook présente PCA comme une référence à facteurs latents sans caractéristiques pour prévoir les rendements de ETF. Il décompose, pour chaque étiquette, la matrice des rendements sur la fenêtre d’entraînement, puis assemble les prévisions à partir…

Investissement factorielApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce module décrit deux composants d’un pipeline de prévision multi-agents. Un agent de débat alterne entre arguments haussiers et baissiers, en demandant à chaque camp de répondre aux affirmations de l’autre et de fournir une estimation de probabilité étayée.…

Apprentissage automatiqueSentiment de marchéStatistiques
Machine Learning for Trading

Ce notebook montre comment utiliser PCMCI pour rechercher des relations décalées entre les rendements de ETF et ceux de la volatilité, sans définir au préalable de graphe causal. Il oppose les tests d’indépendance conditionnelle fondés sur un panel aux tests…

Apprentissage automatiqueStatistiquesMulti-actifsBacktest
Machine Learning for Trading

Ce notebook explique comment PatchTST utilise des segments de longueur fixe de caractéristiques séquentielles de marché pour prévoir les étiquettes du NASDAQ-100. Le mécanisme d’attention relie les segments sur une fenêtre rétrospective d’une heure, tout en…

ActionsApprentissage automatiqueBacktestStatistiques