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

104 documents

Machine Learning for Trading

Le notebook explique comment comparer des modèles de prédiction d’options S&P 500 sans que des échantillons d’évaluation incomplets ou mal appariés faussent les résultats. Il identifie chaque modèle par sa famille, sa configuration et son point de contrôle,…

OptionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook évalue des prédictions de validation sous forme de portefeuilles d’actions acheteurs uniquement, en sélectionnant les K premières valeurs à poids égal selon un calendrier de décision déterminé par la fréquence de chaque étiquette. Il vérifie…

ActionsOptionsBacktestConstruction de portefeuille
Machine Learning for Trading

Cette étude de cas compare des modèles séquentiels sur un panel de caractéristiques d’actions et d’options de l’indice S&P 500. Elle associe un LSTM, qui conserve un état contrôlé sur une fenêtre rétrospective, à une référence N-Linear qui retire le dernier…

ActionsOptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Cette étude de cas compare des modèles de boosting de gradient qui prédisent le rendement à l’échéance de straddles vendeurs à la monnaie. Elle fait varier la capacité des arbres et trois fonctions objectif d’ajustement : erreur quadratique, erreur absolue…

OptionsVolatilitéApprentissage automatiqueBacktest
Machine Learning for Trading

Cette configuration décrit une étude hebdomadaire de vente de straddles à la monnaie sur des composantes du S&P 500. Les positions sont ouvertes le vendredi et conservées jusqu’à l’échéance, avec des couvertures quotidiennes en actions déclenchées par les…

OptionsVolatilitéGestion des risquesBacktest