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

160 documents

Machine Learning for Trading

Ce document transforme des prédictions transversales ETF en transactions simulées. Il distingue la qualité du classement, mesurée par le coefficient d’information, de la performance réalisée de la stratégie : un portefeuille des k premiers dépend des valeurs…

ActionsBacktestConstruction de portefeuilleExécution des ordres
Machine Learning for Trading

Ce notebook utilise un panel synthétique d’actifs pour présenter la PCA instrumentée PCA, où les expositions factorielles dépendent linéairement de caractéristiques observées avant les rendements. Les moindres carrés alternés estiment la relation entre…

Apprentissage automatiqueStatistiquesInvestissement factorielConstruction de portefeuille
Machine Learning for Trading

Ce notebook étudie l’effet du dimensionnement des positions sur les backtests FX, après que le modèle a déjà sélectionné les paires de devises à négocier. Il conserve les prédictions, le mappage du signal, les coûts et les paramètres d’exécution de la…

Marché des changesDimensionnement des positionsConstruction de portefeuilleBacktest
Machine Learning for Trading

Ce notebook interroge les registres de backtests de neuf cas d’étude et assemble des tableaux comparables pour les analyses ultérieures. Il organise les résultats par classe d’actifs et fréquence des données, puis consigne les performances aux étapes du…

BacktestStatistiquesConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce notebook présente une passerelle de déploiement entre un pipeline d’apprentissage automatique hors ligne et le moteur de trading LEAN de QuantConnect. Il sélectionne de manière reproductible une exécution de modèle dans un registre, exporte ses…

Apprentissage automatiqueConstruction de portefeuilleExécution des ordresBacktest
Machine Learning for Trading

Ce chapitre présente la construction de portefeuille comme le processus qui transforme des prévisions de rendement, des estimations de risque et des contraintes en pondérations, en levier et en décisions de rééquilibrage. Il expose un processus de recherche…

Construction de portefeuilleGestion des risquesDimensionnement des positionsBacktest
Machine Learning for Trading

Ce notebook explique comment évaluer les sorties au niveau des positions et les combiner avec des contrôles à l’échelle du portefeuille. Il compare les sorties fixes par stop-loss, prise de bénéfices et durée aux stops suiveurs et resserrés ; une sortie…

Gestion des risquesDimensionnement des positionsBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook synthétise les résultats de neuf études de cas de marché dans un entonnoir cumulatif de sélection des stratégies. Il teste, dans l’ordre, si un modèle présente un coefficient d’information positif, si sa configuration sélectionnée affiche un…

BacktestStatistiquesGestion des risquesExécution des ordres
Machine Learning for Trading

Ce notebook construit un répartiteur de portefeuille qui place un réseau de sélection de variables de type Temporal Fusion Transformer avant un encodeur LSTM. Le réseau de sélection intègre séparément chaque caractéristique d’entrée et attribue aux…

ActionsApprentissage automatiqueConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce notebook applique l’analyse en composantes principales aux variations des taux du Trésor selon les échéances. La standardisation des variations donne la même influence à chaque échéance ; les composantes obtenues sont interprétées comme des déplacements…

Titres à revenu fixeStatistiquesGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce tutoriel déduit la fraction de Kelly pour un pari binaire en maximisant la croissance logarithmique espérée du patrimoine, puis étend l’idée aux rendements continus et à un portefeuille multi-actifs. Il utilise la dérivation symbolique et des simulations…

Dimensionnement des positionsConstruction de portefeuilleGestion des risquesStatistiques
Machine Learning for Trading

Ce chapitre traite les coûts de transaction comme une contrainte à toutes les étapes de la recherche et du déploiement d’une stratégie, de l’évaluation des facteurs et du backtesting à la construction du portefeuille, à la surveillance des risques et au…

Exécution des ordresMicrostructure des marchésBacktestGestion des risques
Machine Learning for Trading

Ce notebook transforme les positions institutionnelles 13F en un graphe biparti reliant institutions et actions, puis en dérive des variables pour la recherche, notamment la similarité de détention conjointe, l’étendue et la concentration de l’actionnariat,…

ActionsStatistiquesConstruction de portefeuilleApprentissage automatique
Machine Learning for Trading

Ce notebook explique comment décomposer les rendements et le risque ETF à l’aide de CAPM et des régressions factorielles de Fama–French. Il estime les expositions sur l’échantillon complet avec des erreurs-types robustes à l’hétéroscédasticité et à…

ActionsInvestissement factorielGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook compare six méthodes d’allocation de positions longues uniquement ETF, conçues pour réduire la dépendance aux estimations instables. Il applique une régularisation de covariance de Ledoit-Wolf aux estimateurs qui utilisent la covariance et…

Multi-actifsActionsTitres à revenu fixeConstruction de portefeuille
Machine Learning for Trading

Le document présente un flux de recherche en trading par apprentissage automatique, de la collecte des données et de la création des variables à l’entraînement des modèles, au backtesting, aux coûts de transaction, aux décisions de portefeuille et de risque,…

Apprentissage automatiqueBacktestGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook applique l’analyse en composantes principales fondée sur les corrélations aux rendements des ETF sectoriels afin de décrire les facteurs de risque communs et la rotation sectorielle. La standardisation des rendements donne une variance unitaire à…

ActionsInvestissement factorielStatistiquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook applique l’analyse en composantes principales à un sous-ensemble liquide d’actions US pour extraire des facteurs latents et former des portefeuilles propres long-short. Il explique comment convertir des vecteurs PCA standardisés en pondérations…

ActionsInvestissement factorielStatistiquesGestion des risques