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

1,447 documents

Machine Learning for Trading

Ce notebook rassemble les backtests enregistrés d’une étude de cas sur ETF pour évaluer les stratégies en tenant compte de l’incertitude. Il lit les mesures de performance accompagnées d’intervalles de confiance bootstrap par blocs et utilise des bootstraps…

BacktestStatistiquesConstruction de portefeuilleInvestissement factoriel
Machine Learning for Trading

Ce notebook explique comment un panel macroéconomique horodaté selon la période qu’il mesure peut introduire des informations futures dans un backtest de trading. Il estime les dates de publication en ajoutant la durée de la période à la date horodatée, puis…

BacktestStatistiquesGestion des risquesMulti-actifs
Machine Learning for Trading

Ce notebook utilise TreeSHAP pour expliquer les prévisions de rendement de LightGBM : importance globale des facteurs, explications de prévisions individuelles, graphiques de dépendance et valeurs d’interaction par paire. Il compare les classements SHAP aux…

ActionsApprentissage automatiqueStatistiquesInvestissement factoriel
Machine Learning for Trading

Le document explique comment créer des facteurs de paires de devises à partir de trois modèles de séries temporelles ajustés : un filtre espace-état qui estime un niveau de prix évoluant lentement, un modèle de Markov caché à deux états pour les régimes de…

Marché des changesStatistiquesVolatilitéBacktest
Machine Learning for Trading

Le document présente une machine à états commune pour les suspensions automatisées du trading, avec des états fermé, ouvert et semi-ouvert. Elle applique ce cycle de vie à quatre conditions : le drawdown du portefeuille, la perte quotidienne, les séances…

Gestion des risquesExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook examine si les modèles séquentiels peuvent améliorer les résumés construits manuellement de l’historique de la prime de financement perpétuelle. Il compare NLinear, un modèle linéaire simple qui lit une fenêtre ordonnée, à un LSTM à deux couches.…

CryptomonnaiesApprentissage automatiqueContrats à terme perpétuelsBacktest
Machine Learning for Trading

Ce document explique pourquoi les stop-loss, les stops suiveurs et les sorties temporelles ne peuvent pas être évalués dans une étude de cas dont le backtest conserve les pondérations pendant un mois et n’observe que le rendement mensuel à terme réalisé. Ces…

ActionsGestion des risquesBacktestDimensionnement des positions
Machine Learning for Trading

Ce document décrit un processus d’évaluation de stratégies NASDAQ-100 microstructure enregistrées en backtest. Il lit les exécutions existantes au lieu d’entraîner des modèles ou de relancer les backtests, retrace les lignées de stratégies sélectionnées,…

ActionsMicrostructure des marchésBacktestStatistiques
Machine Learning for Trading

Ce document présente une méthode par étapes pour faire correspondre aux titres les noms d’entreprises issus de données alternatives, de déclarations, d’actualités et de sources de prix. Il commence par joindre les données au moyen des identifiants…

ActionsStatistiquesApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce document décrit la création d’une matrice de facteurs transversaux pour les actions du S&P 500, en combinant des historiques de cours ajustés et des surfaces résumées de volatilité implicite des options. Il classe les facteurs par rôle, donnée d’entrée,…

ActionsOptionsVolatilitéMomentum
Machine Learning for Trading

Ce notebook exécute ou rejoue un panel d’agents de recherche identiques répondant à une même question de prévision, puis examine leurs prévisions, leurs recherches et leurs échanges. Le traçage séparé de chaque agent préserve l’attribution lors des appels…

Apprentissage automatiqueStatistiquesSentiment de marchéBacktest
Machine Learning for Trading

Ce notebook explique comment un réseau convolutif temporel (TCN) peut prévoir les rendements à partir de données financières ordonnées. Les convolutions causales garantissent qu’une sortie à un instant donné ne dépend que des entrées actuelles et…

Apprentissage automatiqueActionsMomentumStatistiques
Machine Learning for Trading

Ce document décrit plusieurs méthodes pour convertir des scores de prévision en signaux de trading : seuils fixes, percentiles glissants par actif et percentiles transversaux. Les seuils fixes utilisent un niveau de score choisi ; les seuils glissants…

Apprentissage automatiqueConstruction de portefeuilleDimensionnement des positionsBacktest
Machine Learning for Trading

Ce notebook construit des régimes de marché descriptifs à partir des données économiques mensuelles de la Réserve fédérale : chômage, taux des fonds fédéraux, courbe des taux du Trésor et inflation. Il explique comment aligner des séries dont les fréquences…

StatistiquesApprentissage automatiqueMarchés américainsVolatilité
Machine Learning for Trading

Ce document décrit des outils de comparaison de stratégies de trading enregistrées et de préparation d’évaluations structurées d’études de cas. Une méthode centrale de classement limite les séries de rendements à leurs horodatages communs exacts avant de…

BacktestGestion des risquesConstruction de portefeuilleStatistiques
Machine Learning for Trading

Ce notebook compare sklearn HistGradientBoosting, XGBoost, LightGBM et CatBoost pour une tâche de prévision des rendements sur ETF. Il mesure le coefficient d’information transversal, le temps d’entraînement et la mémoire du processus lors d’exécutions CPU…

Apprentissage automatiqueBacktestStatistiquesActions
Machine Learning for Trading

Ce notebook présente un processus de sélection de variables pour la recherche sur les ETF, afin de réduire de nombreuses transformations candidates et de nombreux horizons candidats à un ensemble plus restreint pour la modélisation ultérieure. Il calcule les…

Apprentissage automatiqueStatistiquesInvestissement factorielBacktest
Machine Learning for Trading

Ce notebook évalue les prévisions de modèle en tant que stratégies de trading sur le NASDAQ-100, à l’aide d’un moteur de backtest commun. Il commence par un contrôle du pipeline avec des signaux aléatoires : des profits persistants après coûts indiqueraient…

ActionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Le document décrit des méthodes de comparaison des rendements d’une stratégie à deux références externes : les rendements totaux quotidiens de SPY et les rendements du marché Fama-French, calculés en ajoutant la prime de risque du marché au taux sans risque.…

BacktestStatistiquesGestion des risquesMarchés américains
Machine Learning for Trading

Le document décrit l’ajustement d’un modèle linéaire séquentiel simple sur des caractéristiques à la minute du NASDAQ-100 afin de prévoir les rendements futurs à plusieurs horizons. Chaque entrée contient l’heure précédente pour une action, exprimée en…

ActionsApprentissage automatiqueMicrostructure des marchésBacktest
Machine Learning for Trading

Ce notebook construit des caractéristiques de volatilité conditionnelle fondées sur un modèle pour les actions du S&P 500 avec un modèle GJR-GARCH(1,1), puis compare un écart de volatilité implicite des options mesuré par rapport à la volatilité réalisée à…

ActionsOptionsVolatilitéApprentissage automatique