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 notebook montre comment configurer Feast avec des sources Parquet, des entités, des vues de variables, des horodatages et une politique de durée de conservation, puis récupérer des variables pour des exemples d’entraînement et une requête « à la date…

Apprentissage automatiqueExécution des ordresBacktestStatistiques
Machine Learning for Trading

Ce notebook exploratoire décrit la structure et l’interprétation des barres minute AlgoSeek NASDAQ-100. Il organise les champs pré-calculés du jeu de données en prix et quantités des cotations, prix des transactions, spreads, volumes, catégories de…

ActionsMicrostructure des marchésExécution des ordresMarchés américains
Machine Learning for Trading

Le document présente une couche logicielle pour courtier qui vérifie les ordres et l’état du portefeuille avant de transmettre les transactions. Ses contrôles comprennent des plafonds de quantité et de valeur par ordre, des limites d’exposition des…

Gestion des risquesDimensionnement des positionsExécution des ordresBacktest
Machine Learning for Trading

Ce carnet compare des bases de données embarquées, serveur, généralistes et spécialisées dans le trading pour des tâches de séries temporelles financières : écritures en bloc, balayages complets, requêtes par fenêtre temporelle, agrégation OHLCV et…

BacktestStatistiquesMicrostructure des marchésExécution des ordres
Machine Learning for Trading

Cette analyse compare trois méthodes pour convertir des prévisions signées de rendement du modèle en positions binaires : un seuil fixe à zéro, un percentile glissant par symbole et un percentile transversal entre symboles. Elle applique ces règles aux…

Apprentissage automatiqueExécution des ordresBacktestCryptomonnaies
Machine Learning for Trading

Cette analyse explique comment lire les coefficients d’information transversaux (IC) des modèles de contrats à terme CME et les relier aux tests de portefeuille ultérieurs. Elle calcule la corrélation de rang entre rendements prévus et réalisés pour chaque…

Contrats à termeStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce carnet évalue si des données historiques sur les ETF peuvent soutenir une stratégie de classement mensuel avant la construction d’un modèle ou d’une prévision. Il vérifie l’éligibilité à chaque date à partir de la liquidité de l’année précédente, compte…

ActionsBacktestExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook étudie pourquoi deux moteurs de backtesting peuvent produire des résultats différents à partir de signaux identiques. Il maintient fixe une stratégie ETF précalculée, construit un portefeuille déterministe à partir de ses prévisions et modifie…

BacktestExécution des ordresMicrostructure des marchésDimensionnement des positions
Machine Learning for Trading

Ce notebook évalue des prévisions de validation issues de recherches sur les actions et les options en les transformant en portefeuilles d’actions acheteurs uniquement. Il utilise une référence équipondérée des K meilleurs titres, compare plusieurs niveaux…

ActionsOptionsBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook utilise des transactions et des messages d’ordres issus de NASDAQ ITCH pour illustrer des phénomènes de microstructure de marché. Il examine l’autocorrélation du premier ordre négative des rendements de prix au niveau du tick, en expliquant…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook développe une tâche simulée de création de marché dans laquelle un agent PPO choisit le biais des cotations et la largeur du spread. La probabilité d’exécution diminue à mesure que les cotations s’éloignent du prix médian, tandis que le…

Tenue de marchéApprentissage automatiqueExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Ce notebook vérifie si les données peuvent soutenir une stratégie hebdomadaire transversale sur contrats à terme avant tout ajustement de modèle. Il décrit une méthode qui classe les produits CME, prend des positions longues sur les contrats les mieux…

Contrats à termeMatières premièresStratégies de portageExécution des ordres
Machine Learning for Trading

Ce notebook utilise des enregistrements de transactions issus de NASDAQ ITCH pour examiner l’activité de trading intrajournalière. Il regroupe les transactions individuelles en barres temporelles et compare les volumes en actions, le nombre de transactions,…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook explique comment l’impact de marché augmente avec la taille des ordres et utilise le modèle de participation en racine carrée pour estimer la capacité d’une stratégie. Il distingue les données de marché disponibles, comme la volatilité et le…

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

Ce guide présente deux sources de données de ticks du carnet d’ordres sur les actions US destinées à la recherche en microstructure : les événements market-by-order de Databento et les messages NASDAQ TotalView-ITCH. Il décrit leurs formats, leurs…

ActionsMicrostructure des marchésExécution des ordresMarchés américains
Machine Learning for Trading

Ce notebook compare deux méthodes d’estimation des spreads bid-ask lorsque les données historiques contiennent les cours d’ouverture, les plus hauts, les plus bas, les clôtures et le volume quotidiens, mais aucune cotation. Corwin-Schultz sépare le spread de…

Microstructure des marchésExécution des ordresStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook mesure l’évolution des performances de validation d’une stratégie d’options S&P 500 selon différentes fractions supposées du spread coté effectivement payées. Il sélectionne une stratégie de référence par famille de modèles, puis relance chacune…

OptionsExécution des ordresBacktestGestion des risques
Machine Learning for Trading

Ce guide de données compare deux sources de données de ticks actions US pour étudier le carnet d’ordres et la microstructure des marchés. Les enregistrements market-by-order de Databento fournissent des événements prétraités d’ajout, de modification,…

ActionsMicrostructure des marchésExécution des ordres
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