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

733 documents

Machine Learning for Trading

Ce notebook présente un autoencodeur conditionnel pour les rendements des actions : un réseau neuronal transforme les caractéristiques des actions en expositions factorielles non linéaires, tandis qu’un autre réseau extrait des facteurs latents contemporains…

ActionsApprentissage automatiqueInvestissement factorielStatistiques
Machine Learning for Trading

Ce notebook mesure l’effet des coûts de transaction sur une configuration fixe de stratégie sur contrats à terme CME. Il sélectionne la configuration présentée au moyen d’un processus partagé au stade de validation, conserve son dispositif de contrôle du…

Contrats à termeMatières premièresBacktestExécution des ordres
Machine Learning for Trading

Ce notebook compare plusieurs méthodes de couverture d’un call européen vendu lorsque le rééquilibrage est discret et que les transactions entraînent des coûts proportionnels. Il définit le P&L final autofinancé, puis entraîne un modèle neuronal de…

OptionsApprentissage automatiqueGestion des risquesExécution des ordres
Machine Learning for Trading

Ce notebook compare le réglage mono-objectif des hyperparamètres à une recherche multiobjectif pour des modèles de prévision LightGBM. La référence maximise le coefficient d’information (IC) en validation. La recherche NSGA-II maximise plutôt IC tout en…

Apprentissage automatiqueStatistiquesBacktestExécution des ordres
Machine Learning for Trading

Ce chapitre synthétise neuf études de cas qui suivent des signaux d’apprentissage automatique à travers la construction de portefeuille, les coûts de trading, les dispositifs de contrôle du risque et l’évaluation hors échantillon figée. Il prend la…

Apprentissage automatiqueActionsBacktestConstruction de portefeuille
Machine Learning for Trading

Cette évaluation suit une stratégie sur actions US, depuis un ensemble figé de backtests de validation jusqu’à son évaluation hors échantillon. Elle applique une règle déterministe : choisir le candidat ayant le meilleur ratio de Sharpe en validation, et…

ActionsBacktestStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook exécute une configuration de microstructure NASDAQ-100 sélectionnée sur ses prévisions hors échantillon enregistrées. Le modèle, la méthode d’allocation, la concentration, le calendrier de rééquilibrage, le dispositif de contrôle du risque et les…

ActionsMarchés américainsBacktestGestion des risques
Machine Learning for Trading

Ce notebook explique comment sélectionner une stratégie parmi un ensemble fixe de backtests d’actions US et évaluer la stratégie obtenue sur une période hors échantillon distincte. Il vérifie que les candidats partagent les identifiants de données et de…

ActionsBacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook compare trois modèles linéaires de séries temporelles, un encodeur Transformer et des prévisions sans paramètre sur les rendements quotidiens de SPY. Les approches linéaires associent une fenêtre historique à une prévision sur plusieurs jours,…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook examine si les arbres à gradient boosting peuvent détecter dans les caractéristiques de microstructure NASDAQ-100 des relations non linéaires qu’un modèle linéaire pourrait manquer. Il étudie la possibilité que le déséquilibre des flux d’ordres…

ActionsApprentissage automatiqueMicrostructure des marchésStatistiques
Machine Learning for Trading

Ce notebook présente un agent de recherche de type opérateur pour faire évoluer des études de cas quantitatives. Au lieu de limiter le modèle à des actions de prévision prédéfinies, il lui fournit des outils généraux pour les fichiers, les commandes shell,…

Apprentissage automatiqueBacktestStatistiquesGestion des risques
Machine Learning for Trading

Cette analyse de faisabilité vérifie si le panel d’actions US disponible permet d’étudier une stratégie quotidienne de classement actions long-short. Elle examine la construction de l’univers à date connue à l’aide de seuils de prix et de turnover passé,…

ActionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce notebook réajuste la configuration sélectionnée lors des étapes de validation précédentes à partir de l’historique antérieur à -2021, puis publie des prévisions pour un holdout 2021. Il récupère la configuration choisie dans un ensemble de candidats…

ActionsOptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook agrège des résultats de modèles walk-forward existants sur des études de cas financières pour comparer LSTM, NLinear, TSMixer, TCN et PatchTST aux références linéaires, à gradient boosting et aux réseaux neuronaux tabulaires. Sa mesure principale…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce module d’analyse partagé décrit différentes méthodes d’estimation des frictions de négociation sur plusieurs classes d’actifs. Il comprend des estimateurs de spreads bid-ask fondés sur les cours hauts et bas et l’autocovariance des rendements, des mesures…

Exécution des ordresMicrostructure des marchésGestion des risquesBacktest
Machine Learning for Trading

Ce notebook examine pourquoi le coefficient d’information d’un modèle ne détermine pas le ratio de Sharpe d’une stratégie fondée sur ses prévisions. Sur plusieurs études de cas, il compare le classement des signaux aux résultats du backtest et examine…

BacktestApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook met en œuvre une adaptation pédagogique quotidienne d’un modèle adversarial de facteur d’actualisation stochastique. Un réseau de pondération de portefeuille construit un facteur à partir des rendements excédentaires du lendemain, en utilisant…

ActionsApprentissage automatiqueStatistiquesInvestissement factoriel
Machine Learning for Trading

Cette analyse évalue la fiabilité apparente de signaux de trading sélectionnés en comparant les éléments du coefficient d’information (IC) aux ratios de Sharpe obtenus après conversion des prévisions en positions. Elle agrège les résultats par famille de…

Apprentissage automatiqueStatistiquesBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook agrège des résultats walk-forward déjà obtenus pour comparer LSTM, NLinear, TSMixer, TCN et PatchTST sur plusieurs études de cas, avec des références linéaires, à gradient boosting et TabM. Il présente les coefficients d’information quotidiens…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Cette analyse de faisabilité cherche à déterminer si les données et hypothèses d’une stratégie hebdomadaire de short straddle avec couverture delta sur les composantes du S&P 500 sont plausibles avant l’ajustement d’un modèle. Elle explique comment des calls…

OptionsVolatilitéGestion des risquesBacktest
Machine Learning for Trading

Ce notebook compare des règles de pondération de portefeuille pour la vente de straddles sur des symboles sélectionnés du S&P 500. Il conserve les symboles choisis et fait varier l’allocation, avec une pondération égale comme référence. Les méthodes…

OptionsConstruction de portefeuilleDimensionnement des positionsBacktest