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

103 documents

Machine Learning for Trading

Ce notebook distingue la prévision des rendements de l’affirmation selon laquelle le momentum en est la cause. Il prend le rendement de l’action sur l’année précédente, hors dernier mois, comme traitement et le rendement futur comme résultat. La volatilité…

ActionsMomentumApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook définit des objectifs de rendements futurs pour classer les actions US et explique comment faire correspondre leurs horizons aux séances de trading réelles. Il utilise des prix ajustés des divisions d’actions et des dividendes pour calculer les…

ActionsMomentumStatistiquesBacktest
Machine Learning for Trading

Cette étude de cas applique l’estimation causale au momentum des ETF et examine si son effet sur les rendements futurs varie selon la volatilité du marché. Elle utilise un traitement de momentum continu, un rendement futur à 21 jours, des variables de…

ActionsMarchés américainsMomentumApprentissage automatique
Machine Learning for Trading

Le document transforme une hypothèse de momentum multi-actifs en test exploratoire mensuel sur un univers de 100-ETF. Il construit des prix ajustés de fin de mois, mesure le momentum sur 12 à -1 mois, puis répartit les ETF admissibles en cinq groupes…

Multi-actifsMomentumSuivi de tendanceStatistiques
Machine Learning for Trading

Ce notebook explique pourquoi les tests t classiques peuvent exagérer la force d’un coefficient d’information (IC) lorsque les observations quotidiennes de IC sont dépendantes. Il construit un signal de momentum à partir de données d’ETF, examine…

StatistiquesBacktestMomentum
Machine Learning for Trading

Ce carnet examine comment la fréquence de rééquilibrage influe sur le taux de rotation, la performance brute et les résultats ajustés des coûts d’un portefeuille d’ETF momentum les mieux classés. Il estime le taux de rotation à partir des variations…

ActionsMomentumExécution des ordresBacktest
Machine Learning for Trading

Cette démonstration présente une boucle de trading crypto en fonctionnement continu, connectée au marché au comptant en USD d’Alpaca. Elle associe l’univers d’une étude de cas sur les contrats à terme perpétuels aux paires au comptant prises en charge par la…

CryptomonnaiesMarchés au comptantContrats à terme perpétuelsMomentum
Machine Learning for Trading

Ce notebook montre comment ajuster les règles StopLoss, TakeProfit et TrailingStop d’un portefeuille de momentum tout en maintenant une séparation chronologique entre le calibrage et l’évaluation. Il teste différentes amplitudes de règles individuelles et…

ActionsGestion des risquesBacktestMomentum
Machine Learning for Trading

Cette étude de cas sur les actions US distingue la prévision des rendements futurs de l’affirmation selon laquelle le momentum en est la cause. Elle considère comme traitement le rendement de l’action sur l’année précédente, hors dernier mois, comme résultat…

ActionsMomentumApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook élargit l’évaluation des facteurs ETF d’un seul horizon de rendement à une analyse de dix facteurs sur trois horizons, avec correction pour les tests multiples. Il applique ensuite des diagnostics fondés sur les mécanismes au momentum à long…

Multi-actifsMomentumRetour à la moyenneStatistiques
Machine Learning for Trading

Ce notebook utilise le double apprentissage automatique (DML) pour estimer l’effet ajusté d’une mesure continue de momentum ETF sur les rendements ultérieurs, en contrôlant la volatilité récente et à plus long terme, le régime de marché et la pente de la…

Apprentissage automatiqueStatistiquesActionsMomentum
Machine Learning for Trading

Ce module d’ingénierie des caractéristiques prépare les données quotidiennes de prix pour des modèles systématiques de portefeuille macro. Il crée des rendements par horizon ajustés à la volatilité estimée, plusieurs signaux MACD à plusieurs échelles et des…

Multi-actifsMomentumSuivi de tendanceVolatilité
Machine Learning for Trading

Ce tutoriel passe en revue les variables construites à partir des historiques de prix et de volume des actifs : rendements sur différents horizons, tendances et retournements, plusieurs estimateurs de volatilité, régimes de volatilité, liquidité, risque de…

Indicateurs techniquesMomentumVolatilitéApprentissage automatique
Machine Learning for Trading

Cette étude évalue des signaux transversaux quotidiens sur un vaste univers d’actions US et décrit un long processus de recherche, des données disponibles à la date considérée et des variables construites jusqu’à la comparaison des modèles, la construction…

ActionsApprentissage automatiqueMomentumRetour à la moyenne
Machine Learning for Trading

Ce notebook évalue un facteur de momentum transversal à l’aide des coefficients d’information, des rendements par quantile, des écarts entre les extrêmes et de diagnostics de classification. Il présente le IC de Spearman comme la corrélation de rang calculée…

MomentumInvestissement factorielStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare deux architectures Transformer pour prévoir les rendements ETF sur 21 jours à partir de caractéristiques de momentum passées. PatchTST regroupe les jours consécutifs en segments, plaçant une courte séquence de formes locales dans chaque…

ActionsApprentissage automatiqueMomentumBacktest
Machine Learning for Trading

Ce notebook compare deux modèles de fondation préentraînés pour séries temporelles, Chronos et TinyTimeMixer, à un LSTM et à un modèle linéaire pénalisé sur un panel d’ETF. Chaque modèle reçoit un contexte historique univarié ; les modèles préentraînés…

Apprentissage automatiqueActionsMomentumBacktest
Machine Learning for Trading

Ce notebook teste si quatre stratégies de portefeuilles gérés expliquent les rendements de SPY après contrôle de la coévolution générale des ETF. Les stratégies classent les ETF selon le momentum retardé, la volatilité ou les rendements récents. Dix…

Investissement factorielApprentissage automatiqueStatistiquesMomentum