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 chapitre explique comment évaluer des modèles d’apprentissage automatique financier en respectant les informations disponibles à chaque instant de décision. Il distingue l’entraînement, la validation et un échantillon de test final, et explique pourquoi…

Apprentissage automatiqueBacktestStatistiquesGestion des risques
Machine Learning for Trading

Ce carnet interroge les registres de plusieurs études de cas de trading et produit des tableaux croisés pour comparer les signaux, l’allocation, les coûts et le risque entre jeux de données. Il présente des diagnostics sur le groupe de configurations…

BacktestStatistiquesMulti-actifsGestion des risques
Machine Learning for Trading

Ce carnet de synthèse compare la pondération égale, l’inverse de la volatilité, l’optimisation moyenne-variance et la parité du risque hiérarchique à partir d’un signal commun appliqué à un univers ETF diversifié. Un modèle Ridge glissant utilise des…

Construction de portefeuilleBacktestActionsExécution des ordres
Machine Learning for Trading

Ce carnet isole l’allocation de portefeuille en fixant le signal sélectionné pour chaque étude de cas et en comparant les backtests au stade de l’allocation. Il examine notamment la pondération égale, l’inverse de la volatilité, la pondération par score,…

Construction de portefeuilleBacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce carnet compare des méthodes d’allocation de portefeuille entre études de cas en maintenant fixe la prédiction de signal sélectionnée pour chacune. Il charge des backtests au stade de l’allocation liés à la même prédiction de référence, puis examine des…

Construction de portefeuilleBacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce carnet examine comment la fréquence de rééquilibrage influe sur le taux de rotation, la performance brute et les résultats ajustés des coûts d’un portefeuille d’ETF momentum les mieux classés. Il estime le taux de rotation à partir des variations…

ActionsMomentumExécution des ordresBacktest
Machine Learning for Trading

Ce carnet présente un processus reliant les transactions perdantes aux explications du modèle associées aux décisions correspondantes. Il construit un panel de variables pour un seul actif SPY à partir de données de prix et de données macroéconomiques,…

ActionsApprentissage automatiqueGestion des risquesStatistiques
Machine Learning for Trading

Cette démonstration présente une boucle de trading crypto en fonctionnement continu, connectée au marché au comptant en USD d’Alpaca. Elle associe l’univers d’une étude de cas sur les contrats à terme perpétuels aux paires au comptant prises en charge par la…

CryptomonnaiesMarchés au comptantContrats à terme perpétuelsMomentum
Machine Learning for Trading

Ce carnet compare les allocations de portefeuille de PyPortfolioOpt, Riskfolio-Lib et skfolio à partir du même panel de rendements ETF. Il ajuste les méthodes d’allocation sur une période d’entraînement, vérifie que des objectifs équivalents et des…

Multi-actifsConstruction de portefeuilleBacktestExécution des ordres
Machine Learning for Trading

Ce carnet estime dans quelle mesure un portefeuille à pondération égale d’actions US encore présentes peut surestimer les rendements par rapport à un portefeuille incluant les sociétés sorties du jeu de données. Il examine d’abord quand le panel consigne les…

ActionsMarchés américainsBacktestStatistiques
Machine Learning for Trading

Ce carnet présente la surveillance de la dérive des covariables pour les variables de momentum des ETF ETF et les contrats à terme perpétuels crypto, sur des fenêtres de marché contrastées. Il compare l’indice de stabilité de population, qui mesure les…

Apprentissage automatiqueStatistiquesGestion des risquesCryptomonnaies
Machine Learning for Trading

Ce notebook construit le cadre de Markowitz entièrement investi et sans ventes à découvert, avec des portefeuilles réalisables, la frontière efficiente et les solutions de Sharpe maximal et de variance minimale. Il explique comment la variance du…

Multi-actifsConstruction de portefeuilleStatistiquesBacktest
Machine Learning for Trading

Ce notebook montre comment ajuster les règles StopLoss, TakeProfit et TrailingStop d’un portefeuille de momentum tout en maintenant une séparation chronologique entre le calibrage et l’évaluation. Il teste différentes amplitudes de règles individuelles et…

ActionsGestion des risquesBacktestMomentum
Machine Learning for Trading

Ce document présente un diagnostic réutilisable des jeux de données financiers, couvrant l’intégrité des index, les doublons, les valeurs manquantes, les valeurs aberrantes, les lacunes du calendrier et les anomalies propres au domaine. Il vérifie les types…

Multi-actifsStatistiquesGestion des risquesMarchés américains
Machine Learning for Trading

Ce document compare différentes méthodes de dimensionnement des positions pour des stratégies sur contrats à terme CME, sélectionnées à partir d’une référence classée selon le Sharpe de validation à pondération égale. La pondération égale traite tous les…

Contrats à termeMatières premièresDimensionnement des positionsConstruction de portefeuille
Machine Learning for Trading

Ce document explique comment comparer un modèle en place à un modèle candidat en évaluation simulée avant d’allouer du capital. Il fixe à l’avance leurs rôles et les seuils de promotion, puis évalue le candidat selon cinq dimensions : amélioration du Sharpe…

Apprentissage automatiqueStatistiquesGestion des risquesBacktest
Machine Learning for Trading

Le document présente une couche logicielle pour courtier qui vérifie les ordres et l’état du portefeuille avant de transmettre les transactions. Ses contrôles comprennent des plafonds de quantité et de valeur par ordre, des limites d’exposition des…

Gestion des risquesDimensionnement des positionsExécution des ordresBacktest
Machine Learning for Trading

Ce carnet crée un banc d’évaluation pour la génération augmentée par récupération dans le domaine financier, avec des mesures distinctes de couverture de la recherche, de fidélité des réponses aux sources, d’abstention appropriée et de comportement de…

Apprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce carnet utilise Optuna pour régler des modèles de rendement LightGBM en tenant compte à la fois du coefficient d’information transversal (IC) et de la rotation des prévisions. Une recherche monoobjectif maximise IC à titre de comparaison ; une recherche…

Apprentissage automatiqueStatistiquesContrats à termeCryptomonnaies
Machine Learning for Trading

Ce cours compare des modèles stochastiques paramétriques et des méthodes bootstrap pour générer des trajectoires financières synthétiques. Il couvre le mouvement brownien géométrique, la diffusion par sauts, le retour à la moyenne, la volatilité stochastique…

StatistiquesVolatilitéGestion des risquesBacktest