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

Cette démonstration décrit le fonctionnement opérationnel d’une stratégie crypto exécutée en continu et connectée à un courtier spot en USD. Elle transpose l’univers plus vaste d’une étude sur les contrats à terme perpétuels à l’ensemble plus restreint des…

CryptomonnaiesContrats à terme perpétuelsMarchés au comptantMomentum
Machine Learning for Trading

Cette vue d’ensemble rassemble les données de configuration de neuf études de cas de trading couvrant les actions, les cryptomonnaies, le forex, les contrats à terme, les options et les portefeuilles multi-actifs. Elle compare l’univers, la fréquence des…

Multi-actifsBacktestGestion des risquesExécution des ordres
Machine Learning for Trading

Ce notebook présente un cadre déterministe pour vérifier la cohérence des pipelines de backtest et de trading en réel. Il compare les étapes qui transforment les barres de prix en décisions : calcul des caractéristiques, prédictions, signaux et tailles…

BacktestExécution des ordresApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook entraîne un agent d’apprentissage par renforcement à répartir un ordre de vente fixe sur des barres horaires d’un marché de contrats à terme perpétuels crypto. Son état comprend les rendements retardés, la volatilité, le volume de l’heure…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresApprentissage automatique
Machine Learning for Trading

Ce notebook utilise des données de transactions et d’ordres issues de NASDAQ ITCH pour illustrer des phénomènes de microstructure. Il examine l’autocorrélation négative de premier ordre des rendements des transactions au tick près, compare cet effet aux…

ActionsMicrostructure des marchésStatistiquesExécution des ordres
Machine Learning for Trading

Cette démonstration étend un processus d’ordre unique à un rééquilibrage quotidien pour un univers fixe d’actions américaines à grande capitalisation US. Elle explique comment comparer les positions courantes chez le courtier aux positions cibles du modèle,…

ActionsExécution des ordresGestion des risquesMicrostructure des marchés
Machine Learning for Trading

Cette étude de cas évalue des straddles vendeurs à la monnaie sur les constituants du S&P 500, ouverts chaque semaine et conservés jusqu’à l’échéance avec couverture delta quotidienne. Son principal choix méthodologique consiste à modéliser les rendements à…

OptionsVolatilitéBacktestExécution des ordres
Machine Learning for Trading

Ce notebook évalue l’effet des hypothèses de coûts de transaction sur le Sharpe en validation d’une allocation sélectionnée d’actions et d’options du S&P 500. Lorsque disponible, il reprend la configuration choisie parmi un ensemble de candidats figé, puis…

ActionsOptionsExécution des ordresBacktest
Machine Learning for Trading

Cette étude de cas sur le NASDAQ-100 examine si les signaux de microstructure à intervalle de 15 minutes peuvent résister aux coûts de trading. Le processus évalue le flux d’ordres, l’obsolescence des cotations et les écarts relatifs, puis compare une…

ActionsMarchés américainsMicrostructure des marchésExécution des ordres
Machine Learning for Trading

Ce chapitre décrit un parcours de la recherche à l’exécution en réel, fondé sur une logique de stratégie utilisable en backtest, en trading en papier et en trading en réel. Il aborde les intégrations aux courtiers et aux plateformes, les cycles de…

Exécution des ordresGestion des risquesBacktestMicrostructure des marchés
Machine Learning for Trading

Ce notebook montre comment connecter à Alpaca une interface commune de stratégie de momentum ETF, avec une simulation hors ligne disponible par défaut. Il explique comment les adaptateurs de courtier et de données de marché peuvent changer sans modifier la…

ActionsMomentumExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook vérifie si une stratégie quotidienne de classement d’actions US dispose de suffisamment de données exploitables pour permettre une évaluation équitable avant l’ajustement d’un modèle. Il explique comment constituer un univers en date connue avec…

ActionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce document présente une analyse de sensibilité aux coûts pour une stratégie de momentum ETF fixe. Il conserve l’univers, les pondérations, le calendrier et le simulateur, tout en relançant le backtest avec différents frais par opération. La courbe obtenue…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce notebook montre comment une couche d’intermédiation du courtier peut rejeter des ordres dangereux grâce à des limites de taille d’ordre et de position, des plafonds de fréquence d’ordres, des restrictions sur les actifs et un commutateur d’arrêt…

Gestion des risquesDimensionnement des positionsExécution des ordres
Machine Learning for Trading

Cette analyse profile un univers fixe de 100 ETF répartis en neuf groupes d’actifs. Elle vérifie la couverture par fonds et par année, confirme que le panel de prix correspond à la configuration des groupes, examine les valeurs nulles et l’ordre OHLC, et…

Multi-actifsStatistiquesGestion des risquesBacktest
Machine Learning for Trading

Ce module source fournit des chargeurs pour les cours des actions américaines, les indices, les options, la microstructure de marché, les fondamentaux et les positions institutionnelles. Son détail méthodologique le plus important porte sur le…

ActionsMicrostructure des marchésExécution des ordresMarchés américains
Machine Learning for Trading

Ce notebook élabore un cadre tenant compte des unités pour estimer les coûts de trading sur les actions, les ETF, les futures, le change et les contrats perpétuels crypto. Il distingue d’abord le volume échangé des mesures d’activité qui ne peuvent pas être…

Exécution des ordresMicrostructure des marchésGestion des risquesContrats à terme
Machine Learning for Trading

Ce notebook réévalue les principales configurations d’allocation ETF selon deux grilles de coûts, en maintenant fixes les prévisions, la concentration et les règles d’allocation. Il compare le modèle de l’étude de cas, fondé sur une commission par action et…

ActionsExécution des ordresBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook mesure l’effet des coûts d’exécution sur une configuration déjà sélectionnée de futures perpétuels crypto. Il maintient fixes le modèle, le checkpoint, la règle d’entrée, l’allocation et le contrôle du risque, puis relance les backtests sur une…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresBacktest
Machine Learning for Trading

Ce notebook construit un backtest mensuel de rotation d’ETF ETF, des rendements du portefeuille jusqu’aux transactions simulées. Il classe dix fonds selon leurs rendements ajustés du risque sur la période précédente, applique un régime fondé sur la courbe…

BacktestMomentumExécution des ordresConstruction de portefeuille
Machine Learning for Trading

Ce notebook reconstitue la meilleure offre acheteur et vendeur en vigueur pour chaque transaction AAPL au cours d’une séance de mars 2020, puis applique la méthode Lee–Ready pour déduire si les acheteurs ou les vendeurs ont initié les transactions. Il…

ActionsMicrostructure des marchésExécution des ordresStatistiques