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 évalue les prévisions de modèle en tant que stratégies de trading sur le NASDAQ-100, à l’aide d’un moteur de backtest commun. Il commence par un contrôle du pipeline avec des signaux aléatoires : des profits persistants après coûts indiqueraient…

ActionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce code décrit la résolution des paramètres de backtest à partir de la configuration d’une étude de cas et la manière dont l’identité d’une exécution tient compte des changements d’univers négocié et de l’ancienneté des prédictions. Sa leçon centrale est que…

BacktestExécution des ordresGestion des risquesDimensionnement des positions
Machine Learning for Trading

Le document décrit des méthodes de comparaison des rendements d’une stratégie à deux références externes : les rendements totaux quotidiens de SPY et les rendements du marché Fama-French, calculés en ajoutant la prime de risque du marché au taux sans risque.…

BacktestStatistiquesGestion des risquesMarchés américains
Machine Learning for Trading

Le document décrit l’ajustement d’un modèle linéaire séquentiel simple sur des caractéristiques à la minute du NASDAQ-100 afin de prévoir les rendements futurs à plusieurs horizons. Chaque entrée contient l’heure précédente pour une action, exprimée en…

ActionsApprentissage automatiqueMicrostructure des marchésBacktest
Machine Learning for Trading

Cette étude sur les contrats à terme CME fait varier la capacité des arbres de boosting et la fonction de perte, tout en enregistrant les prédictions à plusieurs points de contrôle de l’entraînement. Le nombre de feuilles détermine le niveau de détail du…

Contrats à termeApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook étudie l’effet des choix de régularisation Ridge sur le coefficient d’information d’un panel ETF et la façon dont la recherche d’hyperparamètres peut gonfler les performances publiées. Il évalue d’abord une large grille d’alpha sur des plis…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook explique comment construire des rendements spot futurs sur une, cinq et 21 séances pour un univers fixe de paires FX. Il commence par répartir les barres de quatre heures en séances de trading à l’aide d’un calendrier de rollover de New York,…

Marché des changesMarchés au comptantMomentumRetour à la moyenne
Machine Learning for Trading

Ce notebook exécute la spécification de stratégie FX déjà sélectionnée sur les prédictions hors échantillon enregistrées. Il conserve le signal, l’allocation, les contrôles du risque, la règle de rééquilibrage, les coûts et les paramètres du compte de la…

Marché des changesBacktestGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook étudie six méthodes d’allocation appliquées à des configurations sélectionnées de stratégies crypto perpétuelles. Les classements et les règles d’entrée restent fixes, tandis que le capital affecté à chaque position varie. Les méthodes s’appuient…

CryptomonnaiesContrats à terme perpétuelsDimensionnement des positionsConstruction de portefeuille
Machine Learning for Trading

Le notebook présente un workflow de recherche autonome dans lequel un modèle de langage utilise des outils généralistes pour examiner des fichiers, exécuter des commandes, interroger un registre de backtests et analyser des données. Au lieu de coder en dur…

Apprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook compare la pondération équipondérée à deux règles d’allocation pour des stratégies fondées sur les caractéristiques d’entreprises US : la pondération par score, qui affecte davantage de capital aux prédictions de modèle les plus élevées, et la…

ActionsDimensionnement des positionsConstruction de portefeuilleBacktest
Machine Learning for Trading

Cette analyse compare des signaux appris pour les rendements mensuels transversaux des actions US, à partir de caractéristiques comptables et de marché, avec le rendement du mois suivant comme cible. Elle examine les modèles linéaires, les arbres de…

ActionsMarchés américainsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce chapitre présente des workflows agentiques pour les tâches de recherche financière où la collecte, le filtrage et la synthèse d’éléments de preuve disparates constituent le principal défi. Il les compare aux modèles classiques, efficaces sur des entrées…

Apprentissage automatiqueStatistiquesGestion des risquesBacktest
Machine Learning for Trading

Cet audit compare Backtrader et Zipline à ML4T sur des cas réels de stratégies, en ne retenant que les combinaisons d’actifs et de contrats que chaque moteur et le jeu de données figé peuvent représenter nativement. Il couvre l’allocation d’ETF et un panel…

BacktestExécution des ordresContrats à termeMarché des changes
Machine Learning for Trading

Ce notebook explique comment évaluer des modèles financiers sans laisser des informations indisponibles à la date de décision s’infiltrer dans l’entraînement ou la sélection du modèle. Il distingue les ensembles d’entraînement, de validation et de réserve…

BacktestApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook compare quatre méthodes de découverte de relations dans un panel de rendements de ETF : NOTEARS pour les graphes acycliques dirigés linéaires contemporains, VAR-LiNGAM pour les structures retardées et instantanées, PCMCI pour les tests…

Apprentissage automatiqueStatistiquesBacktestMulti-actifs
Machine Learning for Trading

Ce notebook étudie l’effet de la régularisation Ridge sur les performances du coefficient d’information (IC) et la manière dont la recherche d’hyperparamètres peut biaiser les résultats de validation rapportés. Il commence par évaluer une vaste grille de…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare des rééquilibrages quotidiens, hebdomadaires, bimensuels et mensuels pour un portefeuille de momentum classé en tête, construit à partir d’un univers fixe de ETF. Il mesure la rotation du portefeuille et la performance brute ajustée du…

ActionsMomentumExécution des ordresBacktest
Machine Learning for Trading

Ce module de configuration présente un cadre pour définir les paramètres des séries de backtests pour chaque étude de cas. Il lit les schémas d’entrée, les méthodes d’allocation, les grilles de coûts de transaction et les contrôles du risque dans les…

BacktestGestion des risquesDimensionnement des positionsConstruction de portefeuille