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

2,371 documents

Machine Learning for Trading

Ce notebook mesure la capacité de la méthode Lee-Ready à déduire le sens de l’agresseur d’une transaction à partir des messages Nasdaq ordre par ordre, en prenant les étiquettes d’agresseur fournies par la plateforme comme vérité de référence. Il reconstruit…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook présente un autoencodeur conditionnel pour les rendements des actions : un réseau neuronal transforme les caractéristiques des actions en expositions factorielles non linéaires, tandis qu’un autre réseau extrait des facteurs latents contemporains…

ActionsApprentissage automatiqueInvestissement factorielStatistiques
Machine Learning for Trading

Ce notebook mesure l’effet des coûts de transaction sur une configuration fixe de stratégie sur contrats à terme CME. Il sélectionne la configuration présentée au moyen d’un processus partagé au stade de validation, conserve son dispositif de contrôle du…

Contrats à termeMatières premièresBacktestExécution des ordres
Machine Learning for Trading

Ce notebook explique comment reconstruire un carnet d’ordres à cours limité à partir des messages par ordre de DataBento pour un seul symbole NASDAQ et une journée de trading. Il modélise chaque ordre, regroupe les ordres par niveau de prix et gère…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook compare plusieurs méthodes de couverture d’un call européen vendu lorsque le rééquilibrage est discret et que les transactions entraînent des coûts proportionnels. Il définit le P&L final autofinancé, puis entraîne un modèle neuronal de…

OptionsApprentissage automatiqueGestion des risquesExécution des ordres
Machine Learning for Trading

Ce notebook compare le réglage mono-objectif des hyperparamètres à une recherche multiobjectif pour des modèles de prévision LightGBM. La référence maximise le coefficient d’information (IC) en validation. La recherche NSGA-II maximise plutôt IC tout en…

Apprentissage automatiqueStatistiquesBacktestExécution des ordres
Machine Learning for Trading

Ce chapitre synthétise neuf études de cas qui suivent des signaux d’apprentissage automatique à travers la construction de portefeuille, les coûts de trading, les dispositifs de contrôle du risque et l’évaluation hors échantillon figée. Il prend la…

Apprentissage automatiqueActionsBacktestConstruction de portefeuille
Machine Learning for Trading

Cette évaluation suit une stratégie sur actions US, depuis un ensemble figé de backtests de validation jusqu’à son évaluation hors échantillon. Elle applique une règle déterministe : choisir le candidat ayant le meilleur ratio de Sharpe en validation, et…

ActionsBacktestStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook exécute une configuration de microstructure NASDAQ-100 sélectionnée sur ses prévisions hors échantillon enregistrées. Le modèle, la méthode d’allocation, la concentration, le calendrier de rééquilibrage, le dispositif de contrôle du risque et les…

ActionsMarchés américainsBacktestGestion des risques
Machine Learning for Trading

Ce notebook explique comment sélectionner une stratégie parmi un ensemble fixe de backtests d’actions US et évaluer la stratégie obtenue sur une période hors échantillon distincte. Il vérifie que les candidats partagent les identifiants de données et de…

ActionsBacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook compare trois modèles linéaires de séries temporelles, un encodeur Transformer et des prévisions sans paramètre sur les rendements quotidiens de SPY. Les approches linéaires associent une fenêtre historique à une prévision sur plusieurs jours,…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook présente un débat de prévision en plusieurs manches entre des rôles haussier et baissier. Chaque camp défend une probabilité plus élevée ou plus faible pour un événement, prend connaissance de l’argument précédent de l’autre camp lors des manches…

Apprentissage automatiqueStatistiquesSentiment de marchéGestion des risques
Machine Learning for Trading

Ce notebook examine si les arbres à gradient boosting peuvent détecter dans les caractéristiques de microstructure NASDAQ-100 des relations non linéaires qu’un modèle linéaire pourrait manquer. Il étudie la possibilité que le déséquilibre des flux d’ordres…

ActionsApprentissage automatiqueMicrostructure des marchésStatistiques
Machine Learning for Trading

Ce notebook présente un agent de recherche de type opérateur pour faire évoluer des études de cas quantitatives. Au lieu de limiter le modèle à des actions de prévision prédéfinies, il lui fournit des outils généraux pour les fichiers, les commandes shell,…

Apprentissage automatiqueBacktestStatistiquesGestion des risques
Machine Learning for Trading

Cette analyse de faisabilité vérifie si le panel d’actions US disponible permet d’étudier une stratégie quotidienne de classement actions long-short. Elle examine la construction de l’univers à date connue à l’aide de seuils de prix et de turnover passé,…

ActionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce notebook réajuste la configuration sélectionnée lors des étapes de validation précédentes à partir de l’historique antérieur à -2021, puis publie des prévisions pour un holdout 2021. Il récupère la configuration choisie dans un ensemble de candidats…

ActionsOptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook met en œuvre un processus ESG pour les titres ESG : il sélectionne des actualités à l’aide de mots-clés, attribue chaque titre sélectionné à une catégorie environnementale, sociale ou de gouvernance, puis évalue le sentiment d’un échantillon de…

Apprentissage automatiqueSentiment de marchéStatistiques
Machine Learning for Trading

Ce notebook agrège des résultats de modèles walk-forward existants sur des études de cas financières pour comparer LSTM, NLinear, TSMixer, TCN et PatchTST aux références linéaires, à gradient boosting et aux réseaux neuronaux tabulaires. Sa mesure principale…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook examine si les facteurs d’investissement publiés offrent des primes de rendement crédibles et se diversifient mutuellement. Il s’appuie sur des séries longues et multi-actifs d’AQR, ainsi que sur les facteurs actions de Fama-French, en utilisant…

Investissement factorielStatistiquesConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce module d’analyse partagé décrit différentes méthodes d’estimation des frictions de négociation sur plusieurs classes d’actifs. Il comprend des estimateurs de spreads bid-ask fondés sur les cours hauts et bas et l’autocovariance des rendements, des mesures…

Exécution des ordresMicrostructure des marchésGestion des risquesBacktest
Machine Learning for Trading

Ce notebook traite la valeur totale verrouillée comme une donnée alternative et évalue l’hypothèse selon laquelle les conditions de capital de la DeFi peuvent aider à prédire les rendements de l’ether. Il définit TVL comme la valeur en dollars des…

CryptomonnaiesDonnées on-chainFinance décentralisée (DeFi)Statistiques