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

807 documents

Machine Learning for Trading

Ce notebook présente un processus de questions-réponses en lecture seule sur un graphe de participations institutionnelles construit à partir des déclarations 13F. Au lieu de générer des requêtes de base de données à partir du langage naturel, il dirige les…

ActionsApprentissage automatiqueExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook estime si la part du volume signé initié par les acheteurs est associée aux rendements des 15 prochaines minutes, après prise en compte du spread relatif, de la volatilité réalisée récente et du rendement mensuel antérieur. L’apprentissage…

ActionsMicrostructure des marchésApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document présente une machine à états réutilisable pour suspendre automatiquement le trading, avec des états fermé, ouvert et semi-ouvert. Elle applique la même logique de transition à quatre risques : drawdown du compte, perte quotidienne, séances…

Gestion des risquesExécution des ordresBacktest
Machine Learning for Trading

Ce notebook produit des prédictions pour une fenêtre de réserve ETF jusque-là inexplorée, à l’aide de la configuration choisie sur les données de validation. Il reconstruit la spécification d’entraînement pour qu’elle se termine un horizon d’étiquette avant…

BacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook définit une méthode pour évaluer un modèle challenger en mode shadow avant de lui allouer du capital. Il compare les prédictions enregistrées d’un modèle de référence fixe et d’un candidat, construit des portefeuilles long-short classés et…

Apprentissage automatiqueGestion des risquesBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook évalue les stop-loss par position, les stops suiveurs et les sorties à durée limitée sur les configurations de l’étape d’allocation d’une stratégie intrajournalière NASDAQ-100. Les décisions sont prises toutes les quinze minutes, tandis que le…

ActionsGestion des risquesBacktestExécution des ordres
Machine Learning for Trading

Ce notebook développe la valorisation Black-Scholes des options d’achat et de vente européennes, vérifie la parité put-call et calcule la volatilité implicite par recherche de racine de Brent. Il définit également Delta, Gamma, Vega, Theta et Rho, et utilise…

OptionsÉvaluation des dérivésVolatilitéGestion des risques
Machine Learning for Trading

Ce chapitre présente l’apprentissage par renforcement comme un outil de contrôle séquentiel, distinct de la prévision supervisée. Il se concentre sur les tâches où les actions influent sur les résultats ultérieurs et où les récompenses sont relativement…

Apprentissage automatiqueExécution des ordresTenue de marchéOptions
Machine Learning for Trading

Ce notebook construit un allocateur LSTM qui transforme directement des caractéristiques récentes de rendement et de volatilité ETF en pondérations de portefeuille exclusivement longues. Une sortie softmax maintient des pondérations non négatives et un…

Apprentissage automatiqueConstruction de portefeuilleBacktestGestion des risques
Machine Learning for Trading

Cette analyse sélectionne une configuration dans un ensemble figé de candidats sur contrats à terme perpétuels crypto, couvrant quatre étiquettes de prévision et plusieurs étapes de stratégie. Elle retient le meilleur Sharpe de validation et considère les…

CryptomonnaiesContrats à terme perpétuelsStatistiquesBacktest
Machine Learning for Trading

Ce notebook utilise l’apprentissage automatique double pour estimer si le portage des contrats à terme prédit les rendements ultérieurs indépendamment de la volatilité, du momentum et du rang transversal du portage. Il élimine l’effet de ces facteurs de…

Contrats à termeStratégies de portageApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce carnet décrit une politique de portefeuille ETF de bout en bout, conçue pour améliorer les performances dans différentes conditions de marché. Elle comprend des caractéristiques de rendement et de tendance normalisées par la volatilité, un modèle fondé…

Multi-actifsConstruction de portefeuilleApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce notebook utilise l’analyse des excursions favorables et défavorables maximales pour définir la largeur des barrières triples à partir des trajectoires de prix observées. Pour une entrée longue à la clôture d’une barre, il mesure le plus haut et le plus…

Gestion des risquesVolatilitéBacktest
Machine Learning for Trading

Le document explique comment quatre modèles d’impact de marché estiment le mouvement de prix défavorable par action associé à un ordre : sans impact, impact linéaire, impact en racine carrée et loi de puissance configurable. Il précise la convention de…

Exécution des ordresMicrostructure des marchésBacktestGestion des risques
Machine Learning for Trading

Ce notebook examine pourquoi deux moteurs de backtesting peuvent produire des résultats différents à partir de signaux identiques. Il maintient la stratégie et l’univers négociable constants, rend les pondérations du portefeuille déterministes en cas de…

BacktestExécution des ordresDimensionnement des positionsGestion des risques
Machine Learning for Trading

Ce chapitre présente le backtest comme une tentative de réfuter une stratégie au moyen d’hypothèses explicites sur le calendrier des signaux, l’exécution, le rééquilibrage, le dimensionnement, les coûts, les contraintes et les indices de référence. Il…

BacktestExécution des ordresGestion des risquesStatistiques
Machine Learning for Trading

Cette source décrit les protections permettant de reconstruire une demande de modèle à partir de sa spécification d’entraînement immuable et de valider l’exécution obtenue. Elle vérifie que la demande utilise une version d’identité prise en charge, un niveau…

Apprentissage automatiqueBacktestStatistiquesGestion des risques
Machine Learning for Trading

Le notebook explique comment interpréter les contrats binaires de taux de la Réserve fédérale proposés par Kalshi comme des probabilités et convertir une échelle de seuils de taux en distribution implicite. Il souligne que le flux contient des offres YES :…

Contrats à termeStatistiquesMicrostructure des marchésIndicateurs techniques