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 document décrit comment sélectionner un ensemble figé d’actions pour les backtests de validation et de réserve à l’aide d’une estimation des coûts de trading aller-retour. L’indicateur combine les coûts estimés par action, rapportés au cours moyen, et…

ActionsExécution des ordresMicrostructure des marchésBacktest
Machine Learning for Trading

Cette analyse exploratoire décrit un panel quotidien de fonds négociés en bourse répartis en neuf groupes. Elle vérifie la couverture des symboles au fil du temps, compare le panel au dictionnaire de classification, examine les valeurs manquantes et les…

ActionsConstruction de portefeuilleExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook explique comment analyser les messages historiques du flux IEX DEEP et maintenir un carnet d’ordres à cours limité à partir de mises à jour agrégées par niveau de prix. Il extrait les variations de profondeur, les meilleures offres d’achat et de…

ActionsMicrostructure des marchésExécution des ordresMarchés américains
Machine Learning for Trading

Ce notebook compare trois façons de convertir des prévisions de rendement signées en positions binaires : un seuil fixe à zéro, un percentile glissant des scores propres à chaque symbole et un percentile transversal entre symboles. Il mesure l’activation des…

Apprentissage automatiqueIndicateurs techniquesCryptomonnaiesActions
Machine Learning for Trading

Cette étude NASDAQ-100 examine l’effet des coûts de transaction sur une stratégie actions fréquemment rééquilibrée. Elle distingue deux réponses possibles aux coûts : limiter l’univers négocié aux titres plus liquides et moins coûteux, et réduire la…

ActionsMarchés américainsExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Cette démonstration de déploiement réentraîne un modèle Ridge sur des données journalières historiques couvrant un ensemble de paires de change majeures FX, récupère les barres actuelles par une session Interactive Brokers en simulation de trading, classe…

Marché des changesExécution des ordresApprentissage automatiqueMicrostructure des marchés
Machine Learning for Trading

Ce tutoriel transforme des signaux transversaux ETF en portefeuilles long-only, équipondérés et composés des dix premières positions, puis compare la régression Ridge et la classification logistique à des références fondées sur le momentum et…

ActionsBacktestExécution des ordresConstruction de portefeuille
Machine Learning for Trading

Ce notebook entraîne un agent par optimisation de politique proximale (PPO) pour liquider un ordre fixe sur un horizon donné. Il compare la politique de rythme apprise à TWAP et à un calendrier d’Almgren–Chriss, mesure l’écart de prix d’exécution et examine…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresApprentissage automatique
Machine Learning for Trading

Ce notebook reconstitue les meilleurs cours acheteur et vendeur nationaux (NBBO) en vigueur pour chaque transaction AAPL pendant la séance régulière du 16 mars 2020. Il combine chronologiquement les événements de cotation et de transaction, conserve la…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce tutoriel construit une série continue de contrats à terme individuels ES. Il identifie le contrat le plus proche à partir du volume de trading, avec une contrainte de reconduction monotone, et compare le changement de contrat fondé sur le volume à un…

Contrats à termeBacktestStatistiquesExécution des ordres
Machine Learning for Trading

Ce notebook examine les transactions et les cotations AAPL pendant le krach boursier de mars 16, 2020 afin de montrer comment la microstructure de marché évolue sous tension. Il filtre les données aux heures normales de trading, distingue les transactions…

ActionsMicrostructure des marchésExécution des ordresVolatilité
Machine Learning for Trading

Ce notebook présente le cycle opérationnel d’une stratégie de prédiction ETF : actualiser les données de marché, recalculer les caractéristiques financières, réentraîner un modèle Ridge, enregistrer les artefacts de déploiement, produire des prédictions…

ActionsApprentissage automatiqueExécution des ordresBacktest
Machine Learning for Trading

Ce notebook développe un cadre pour traduire l’activité de marché en coûts de trading modélisés et en capacité de stratégie. Il présente le modèle d’impact en racine carrée, désigne la volatilité et le volume quotidien moyen comme principaux facteurs…

Microstructure des marchésExécution des ordresGestion des risquesDimensionnement des positions
Machine Learning for Trading

Ce notebook isole les résultats du moteur LEAN dans le cadre d’un audit comparant des exécutions conservées de stratégies réelles à des profils ML4T Backtest correspondants. Il identifie quatre types de tâches pris en charge : allocation ETF, financement de…

Multi-actifsBacktestExécution des ordresCryptomonnaies
Machine Learning for Trading

Ce notebook présente un processus qui relie le chargement standardisé des données ETF, un registre de caractéristiques et des diagnostics de signaux. Il montre comment consulter les métadonnées des indicateurs, calculer des caractéristiques avec les…

ActionsIndicateurs techniquesMomentumStatistiques
Machine Learning for Trading

Cette étude construit une mesure à la minute de la pression du flux d’ordres à partir de données marché par ordre pour NVDA. Elle attribue un signe aux ajouts, annulations et exécutions d’ordres selon leur côté, pondère les événements selon leur taille et…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook convertit les prédictions de paires FX en résultats de trading de référence. À chaque instant de décision, il classe les paires, prend des positions longues et courtes de même taille, puis exécute les configurations de prédiction et les points de…

Marché des changesBacktestConstruction de portefeuilleDimensionnement des positions
Machine Learning for Trading

Ce notebook compare deux simulations de la même stratégie mensuelle de momentum ETF. Elles utilisent les mêmes pondérations cibles, univers, dates et coûts de trading totaux. L’une calcule les rendements à partir des pondérations retardées et des rendements…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce notebook compare le stockage en CSV, Parquet, Feather et HDF5 sur un tableau OHLCV déterministe d’un million de lignes. Il mesure le temps d’écriture, le temps de lecture après matérialisation des données, la taille des fichiers et les lectures ne…

ActionsStatistiquesExécution des ordres
Machine Learning for Trading

Ce notebook compare DQN, PPO et A2C dans un environnement simulé de trading de cryptomonnaies. Il calibre un processus de volatilité GARCH(1,1) à partir des rendements horaires des contrats à terme perpétuels Bitcoin, puis simule des trajectoires qui…

Apprentissage automatiqueCryptomonnaiesContrats à terme perpétuelsBacktest
Machine Learning for Trading

Cet audit compare des moteurs de trading qui rejouent les mêmes objectifs de modèle figés et les mêmes données historiques adressées par contenu pour l’allocation ETF, les contrats à terme, le financement des contrats perpétuels crypto, le marché des changes…

BacktestExécution des ordresMulti-actifsContrats à terme
Machine Learning for Trading

Ce notebook présente un processus de questions-réponses en lecture seule sur un graphe de participations institutionnelles construit à partir des déclarations 13F. Au lieu de générer des requêtes de base de données à partir du langage naturel, il dirige les…

ActionsApprentissage automatiqueExécution des ordresGestion des risques