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

462 documents

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
arXiv papers

Cette étude compare le Double Deep Q-Learning aux mélanges d’experts partitionnés par K-means et aux réseaux denses à nombre de paramètres équivalent pour l’exécution d’ordres sur BTC/USDT. L’évaluation utilise des données du carnet d’ordres à cours limité…

CryptomonnaiesExécution des ordresApprentissage automatiqueMicrostructure des marchés
arXiv papers

Cet article propose un graphe de protocole canonique pour les marchés événementiels à effet de levier, où plusieurs composants individuellement valides peuvent autrement créer des états financiers contradictoires. Il attribue chaque domaine — positions,…

Évaluation des dérivésGestion des risquesExécution des ordresMicrostructure des marchés
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
Machine Learning for Trading

Ce notebook produit un rapport vérifiable sur une stratégie Bitcoin exclusivement acheteuse, avec entrées et sorties selon des seuils RSI. Il compare les résultats bruts et nets, puis mesure la performance par rapport à une référence d’achat-conservation…

CryptomonnaiesRetour à la moyenneIndicateurs techniquesBacktest
Machine Learning for Trading

Cette configuration décrit une stratégie quotidienne long-short sur actions US qui classe un vaste univers boursier selon les prédictions du modèle, achète le décile supérieur et vend à découvert le décile inférieur, avec des pondérations égales au sein de…

ActionsMarchés américainsConstruction de portefeuilleExécution des ordres
Machine Learning for Trading

Ce notebook mesure l’évolution du ratio de Sharpe de validation des straddles à la monnaie sur options S&P 500 selon les coûts d’exécution supposés et deux univers d’options. Il exprime le coût du spread comme une fraction du demi-spread coté de l’option,…

OptionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce notebook explique comment évaluer si les stratégies fondées sur un panel d’actions US peuvent résister aux frictions de trading. Il fixe une configuration par étiquette à l’aide du Sharpe de validation, puis réévalue cette même stratégie selon différents…

ActionsBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Ce document explique comment représenter le cycle de vie d’un ordre en temps réel par un ensemble fini d’états et de transitions valides déclenchées par des événements. Il couvre la soumission, l’accusé de réception du courtier, l’acceptation par la bourse,…

Exécution des ordresMicrostructure des marchésGestion des risques