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 évalue quatre signaux issus de textes d’actualité : la surprise pondérée, le sentiment moyen, la dynamique du sentiment et la couverture des articles. Il utilise les rendements futurs préparés lors d’une étape antérieure de création de…

ActionsSentiment de marchéStatistiquesInvestissement factoriel
Machine Learning for Trading

Le notebook montre comment régler LightGBM pour la prévision des rendements ETF avec l’échantillonneur TPE d’Optuna. Il explore la structure des arbres, l’échantillonnage et les paramètres de régularisation, utilise l’arrêt anticipé pour choisir le nombre…

Apprentissage automatiqueBacktestStatistiquesActions
Machine Learning for Trading

Ce notebook transforme les positions institutionnelles 13F en un graphe biparti reliant institutions et actions, puis en dérive des variables pour la recherche, notamment la similarité de détention conjointe, l’étendue et la concentration de l’actionnariat,…

ActionsStatistiquesConstruction de portefeuilleApprentissage automatique
Machine Learning for Trading

Ce notebook étudie le calibrage des barres temporelles, de ticks, de volume, en dollars et de déséquilibre à partir de plusieurs séances de données de transactions détaillées par ordre NVDA. Il filtre les transactions pour ne retenir que les heures normales…

ActionsMicrostructure des marchésStatistiquesExécution des ordres
Machine Learning for Trading

Ce chapitre présente la recherche sur les stratégies comme la conception et l’évaluation d’un processus de décision exécutable, de l’idée économique initiale au dimensionnement des positions, aux contraintes, aux coûts et aux tests proches du trading en…

BacktestApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook définit les étiquettes de rendements futurs pour un panel d’actions US et explique pourquoi leur construction affecte tous les modèles et backtests en aval. Il précise les fenêtres de rendement fondées sur les prix ajustés et exprimées en séances…

ActionsMomentumStatistiquesBacktest
Machine Learning for Trading

Ce notebook construit des variables fondées sur des modèles pour l’étude des options S&P 500, à partir des rendements du sous-jacent. Il ajuste GJR-GARCH, qui accorde un poids supplémentaire aux chocs de rendement négatifs, ainsi qu’un modèle de volatilité…

OptionsVolatilitéStatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook explique comment décomposer les rendements et le risque ETF à l’aide de CAPM et des régressions factorielles de Fama–French. Il estime les expositions sur l’échantillon complet avec des erreurs-types robustes à l’hétéroscédasticité et à…

ActionsInvestissement factorielGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook audite l’ensemble complet des prévisions canoniques de validation pour une étude de paires FX. Il vérifie l’identité des modèles, la disponibilité des artefacts, l’exhaustivité, la couverture des étiquettes configurées et la conformité des…

Marché des changesApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook audite les prévisions de validation enregistrées pour une étude de paires FX. Il vérifie que le catalogue comprend la population de modèles configurée, des ensembles complets de prévisions, les artefacts disponibles et les identités de modèles…

Marché des changesApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook évalue NLinear, un modèle séquentiel simple qui soustrait le dernier niveau observé d’une fenêtre rétrospective et transforme la séquence obtenue en prévision par une transformation linéaire. Il ajuste la population de modèles ETF sur des plis…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook définit des étiquettes de rendement total mensuel pour une étude transversale des caractéristiques d’entreprises US et vérifie leur correspondance avec les lignes du fournisseur. Le tableau associe les caractéristiques du mois précédent au…

ActionsMarchés américainsApprentissage automatiqueBacktest
Machine Learning for Trading

Le document décrit le chargement des données de marché ETF, avec des filtres facultatifs sur les symboles et les dates, ainsi qu’une limite déterministe au nombre de symboles renvoyés. Le point analytique principal consiste à adapter la série de prix à la…

ActionsMulti-actifsStatistiques
Machine Learning for Trading

Le notebook traite chaque fenêtre de rendements comme une distribution empirique et regroupe les fenêtres selon la distance de Wasserstein unidimensionnelle. Pour des échantillons de même taille, le tri fournit l’appariement optimal des quantiles ; la…

ActionsApprentissage automatiqueStatistiquesVolatilité
Machine Learning for Trading

Ce notebook applique l’analyse en composantes principales fondée sur les corrélations aux rendements des ETF sectoriels afin de décrire les facteurs de risque communs et la rotation sectorielle. La standardisation des rendements donne une variance unitaire à…

ActionsInvestissement factorielStatistiquesConstruction de portefeuille
Machine Learning for Trading

Ce module décrit des contrôles visant à vérifier que les entrées de prédiction et de backtest couvrent les séances et les segments définis par une étude. Les contrôles relatifs comparent les modèles candidats entre eux et peuvent donc manquer une défaillance…

BacktestGestion des risquesStatistiquesMicrostructure des marchés
Machine Learning for Trading

Ce notebook transforme les rendements prospectifs des 21 jours des ETF en cible de hausse ou de baisse et évalue une régression logistique régularisée par L1 et L2 sur des segments chronologiques de validation walk-forward. Il met les variables à l’échelle à…

Apprentissage automatiqueStatistiquesDimensionnement des positionsActions
Machine Learning for Trading

Ce notebook applique l’analyse en composantes principales à un sous-ensemble liquide d’actions US pour extraire des facteurs latents et former des portefeuilles propres long-short. Il explique comment convertir des vecteurs PCA standardisés en pondérations…

ActionsInvestissement factorielStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook décrit l’ajustement de PatchTST aux données à la minute NASDAQ-100 pour prévoir les rendements sur plusieurs horizons futurs. Le modèle regroupe les observations consécutives en segments et leur applique un mécanisme d’attention, réduisant le…

ActionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook vérifie si les données historiques ETF permettent de soutenir une stratégie de classement mensuel avant d’ajuster un modèle ou de produire des prévisions. Il teste l’univers négociable à partir de la liquidité de l’année précédente, compte les…

Multi-actifsBacktestExécution des ordresGestion des risques