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

242 documents

Machine Learning for Trading

Ce chapitre présente la gouvernance après déploiement des systèmes de trading fondés sur l’apprentissage automatique. Il distingue les défaillances techniques, où des entrées identiques produisent des sorties différentes, de la dégradation statistique, où…

Apprentissage automatiqueGestion des risquesExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook teste la classification des transactions Lee-Ready par rapport aux étiquettes du côté de l’initiateur dans des données Nasdaq détaillées ordre par ordre. Il reconstitue le carnet d’ordres à cours limité à partir des messages d’ajout, de…

Microstructure des marchésTrading haute fréquenceExécution des ordresActions
Machine Learning for Trading

Ce notebook mesure l’effet des coûts de trading sur des stratégies déjà sélectionnées aux étapes de signal, d’allocation et d’overlay de risque. Il fixe une configuration choisie par validation pour chaque étiquette avant de faire varier les coûts, afin que…

ActionsBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Le document présente une machine à états commune pour les suspensions automatisées du trading, avec des états fermé, ouvert et semi-ouvert. Elle applique ce cycle de vie à quatre conditions : le drawdown du portefeuille, la perte quotidienne, les séances…

Gestion des risquesExécution des ordresStatistiques
Machine Learning for Trading

Ce document présente une méthode événementielle pour détenir un nombre limité de positions intrajournalières. Les prévisions sont alignées sur les barres de prix à l’aide du score disponible le plus récent, avec une limite de fraîcheur facultative. Les…

ActionsTrading haute fréquenceMicrostructure des marchésExécution des ordres
Machine Learning for Trading

Ce notebook évalue les prévisions de modèle en tant que stratégies de trading sur le NASDAQ-100, à l’aide d’un moteur de backtest commun. Il commence par un contrôle du pipeline avec des signaux aléatoires : des profits persistants après coûts indiqueraient…

ActionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce code décrit la résolution des paramètres de backtest à partir de la configuration d’une étude de cas et la manière dont l’identité d’une exécution tient compte des changements d’univers négocié et de l’ancienneté des prédictions. Sa leçon centrale est que…

BacktestExécution des ordresGestion des risquesDimensionnement des positions
Machine Learning for Trading

Ce notebook présente un audit actuel comparant VectorBT Pro et VectorBT OSS à ML4T sur des stratégies prises en charge et fondées sur des données réelles. Les deux éditions de VectorBT participent à l’allocation d’ETF, à l’allocation de devises cotées en USD…

Multi-actifsActionsContrats à termeMarché des changes
Machine Learning for Trading

Cet audit compare Backtrader et Zipline à ML4T sur des cas réels de stratégies, en ne retenant que les combinaisons d’actifs et de contrats que chaque moteur et le jeu de données figé peuvent représenter nativement. Il couvre l’allocation d’ETF et un panel…

BacktestExécution des ordresContrats à termeMarché des changes
Machine Learning for Trading

Ce notebook compare des rééquilibrages quotidiens, hebdomadaires, bimensuels et mensuels pour un portefeuille de momentum classé en tête, construit à partir d’un univers fixe de ETF. Il mesure la rotation du portefeuille et la performance brute ajustée du…

ActionsMomentumExécution des ordresBacktest
Machine Learning for Trading

Ce notebook présente une méthode de rapport pour une stratégie de retour à la moyenne du RSI, acheteuse uniquement, sur BTC. Il compare les performances brutes et nettes, puis évalue la stratégie face à une stratégie d’achat-conservation en utilisant les…

CryptomonnaiesRetour à la moyenneIndicateurs techniquesBacktest
Machine Learning for Trading

Ce notebook explique comment les limites de participation au volume plafonnent la part du volume de marché qu’un ordre peut consommer à chaque intervalle. Lorsqu’un ordre parent dépasse le montant autorisé, le courtier en exécute une partie et reporte le…

ActionsExécution des ordresMicrostructure des marchésGestion des risques
Machine Learning for Trading

Ce notebook étudie comment l’impact de marché modifie les résultats de backtest d’une stratégie de momentum sur des actions de liquidité différente. Il maintient constants la taille des ordres et la stratégie, estime la liquidité et la volatilité sur une…

ActionsMomentumMicrostructure des marchésBacktest
Machine Learning for Trading

Cette démonstration exécute une stratégie de croisement de deux moyennes mobiles dans un moteur de backtest historique et dans un moteur en réel qui rejoue les mêmes barres quotidiennes ETF. La stratégie, les entrées, les paramètres et la convention…

ActionsIndicateurs techniquesBacktestExécution des ordres
Machine Learning for Trading

Ce notebook présente l’exécution d’un ordre parent comme un problème de contrôle à horizon fini. Un agent Q-learning tabulaire choisit un multiplicateur du rythme de transaction fondé sur VWAP, en fonction du temps restant, de l’inventaire restant et des…

Exécution des ordresApprentissage automatiqueMicrostructure des marchésGestion des risques
Machine Learning for Trading

Ce tutoriel construit un simulateur mensuel de rotation des ETF à partir d’un classement de momentum ajusté du risque sur période glissante et d’un filtre de régime fondé sur la courbe des taux des bons du Trésor. À la fin de chaque mois, la règle classe dix…

BacktestMomentumConstruction de portefeuilleExécution des ordres
Machine Learning for Trading

Ce document compare quatre sources de données de marché sur actions pour étudier les transactions, les cotations et les carnets d’ordres à cours limité : AlgoSeek TAQ, Databento market by order, NASDAQ ITCH et IEX HIST. Il explique la granularité et la…

ActionsMicrostructure des marchésExécution des ordresTrading haute fréquence
Machine Learning for Trading

Le document présente un processus VectorBT pour une règle de retour à la moyenne sur Bitcoin, en position acheteuse uniquement, fondée sur le RSI. Il calcule le RSI à partir des cours de clôture quotidiens, entre lorsque la valeur de la veille passe sous un…

CryptomonnaiesRetour à la moyenneIndicateurs techniquesBacktest
Machine Learning for Trading

Le document évalue comment les coûts de trading modifient la performance de validation d’une allocation en actions et options du S&P 500, sélectionnée auparavant. Il fait varier les frais à sens unique en proportion de la valeur négociée et les compare à une…

ActionsOptionsBacktestExécution des ordres
Machine Learning for Trading

Cet audit compare plusieurs moteurs de backtesting sur des données historiques communes pour l’allocation de ETF, les contrats à terme CME, les contrats perpétuels crypto avec financement, le marché des changes et les actions US. Chaque paire prise en charge…

BacktestExécution des ordresMulti-actifsContrats à terme
Machine Learning for Trading

Ce notebook met en œuvre une règle de réversion à la moyenne RSI acheteuse uniquement sur des contrats perpétuels BTC/USDT, avec un moteur de backtesting événementiel. Il agrège les barres intrajournalières en données quotidiennes OHLCV selon le fuseau UTC,…

CryptomonnaiesContrats à terme perpétuelsRetour à la moyenneIndicateurs techniques