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

8 documents

Machine Learning for Trading

Ce notebook explique quand une stratégie se décrit le plus clairement par des tableaux précalculés et quand elle bénéficie d’une simulation séquentielle qui fait évoluer les positions, les exécutions, la trésorerie, les profits et pertes réalisés ou les…

BacktestDimensionnement des positionsTrading par pairesGestion des risques
Machine Learning for Trading

Ce notebook explique dans quels cas il est plus clair de simuler une stratégie de trading barre par barre avec un état évolutif que de l’exprimer au moyen de signaux ou de pondérations précalculés. Il compare les backtests fondés sur des tableaux, rapides et…

BacktestDimensionnement des positionsTrading par pairesGestion des risques
Machine Learning for Trading

Ce notebook explique un modèle espace-état de tendance linéaire locale pour extraire des caractéristiques financières des niveaux de prix. L’état caché comprend un niveau de prix et sa pente ; les observations sont des cours de clôture bruités. À chaque…

ActionsStatistiquesIndicateurs techniquesTrading par paires
Machine Learning for Trading

Ce notebook transforme les classements de prévisions des paires de devises en une stratégie de référence négociée. À chaque instant de décision, il forme des portefeuilles long et short de même taille à partir des paires les mieux et les moins bien classées,…

Marché des changesTrading par pairesBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook explique le filtrage de Kalman comme méthode d’extraction de caractéristiques à partir des prix financiers. Un état de tendance linéaire locale suit à la fois un niveau de prix latent et sa pente, tandis qu’un modèle d’observation tient compte…

ActionsIndicateurs techniquesStatistiquesTrading par paires
Machine Learning for Trading

Ce notebook élabore des variables nécessitant plusieurs séries d’actifs. Il compare les tests de cointégration d’Engle-Granger et de Johansen, explique pourquoi une simple coévolution n’implique pas un écart stationnaire et estime les ratios de couverture…

Multi-actifsTrading par pairesRetour à la moyenneStatistiques