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

1,030 documents

Machine Learning for Trading

Ce document décrit un jeu de données mensuel sur les actions US, conçu pour la recherche en apprentissage automatique sur la valorisation des actifs. Il comprend 94 caractéristiques d’entreprises transformées par rang, notamment des mesures comptables et des…

ActionsApprentissage automatiqueInvestissement factorielMarchés américains
Machine Learning for Trading

Ce notebook étudie comment l’impact de marché modifie les résultats de backtest d’une stratégie de momentum sur des actions de liquidité différente. Il maintient constants la taille des ordres et la stratégie, estime la liquidité et la volatilité sur une…

ActionsMomentumMicrostructure des marchésBacktest
Machine Learning for Trading

Ce notebook compare deux architectures Transformer pour prévoir les rendements des ETF sur 21 jours à partir de huit caractéristiques de momentum rétrospectif. PatchTST regroupe les jours consécutifs en segments, ce qui réduit le nombre de jetons d’attention…

Apprentissage automatiqueMomentumActionsStatistiques
Machine Learning for Trading

Cette démonstration exécute une stratégie de croisement de deux moyennes mobiles dans un moteur de backtest historique et dans un moteur en réel qui rejoue les mêmes barres quotidiennes ETF. La stratégie, les entrées, les paramètres et la convention…

ActionsIndicateurs techniquesBacktestExécution des ordres
Machine Learning for Trading

Ce notebook compare l’erreur quadratique, l’erreur absolue et la perte de Huber pour des modèles de gradient boosting prédisant les rendements de straddles vendeurs à la monnaie. La cible présente un gain plafonné et des pertes potentiellement sévères ; la…

OptionsVolatilitéApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook transforme des données horaires de contrats futures continus en barres quotidiennes OHLCV alignées sur les séances Globex de CME. Il attribue les horodatages à la séance se terminant à 4 PM, heure du Centre. Ainsi, les transactions du dimanche…

Contrats à termeBacktestMicrostructure des marchés
Machine Learning for Trading

Ce notebook présente un modèle de facteur d’actualisation stochastique (SDF) pour valoriser la coupe transversale des rendements des entreprises US. Il apprend des pondérations qui rendent les rendements actualisés des actifs conformes aux conditions de…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document décrit une étude d’ablation visant à déterminer si des embeddings de graphe appris améliorent les prévisions de rendements boursiers au-delà des caractéristiques tabulaires classiques. Il construit un réseau à partir des corrélations historiques…

ActionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Cette configuration décrit une stratégie quotidienne long-short sur 20 paires FX. Elle définit une heure de décision à la clôture de New York, une exécution à la barre suivante, une pondération égale et des signaux de classement fondés sur le momentum ou le…

Marché des changesMomentumStratégies de portageRetour à la moyenne
Machine Learning for Trading

Ce document décrit un outil de production de comparaisons de performance appariées entre les étapes de sélection d’une stratégie. Il compare les sélections de signaux à des références équipondérées, les sélections sur échantillons de réserve à celles sur…

StatistiquesBacktestGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook compare le bagging par Random Forest à XGBoost, LightGBM et CatBoost pour prédire les rendements boursiers à partir de caractéristiques d’entreprises anonymisées. Il utilise des découpages chronologiques prédéfinis en ensembles d’entraînement, de…

Apprentissage automatiqueActionsStatistiquesInvestissement factoriel
Machine Learning for Trading

Cette étude examine si le mauvais ajustement d’un modèle linéaire aux rendements mensuels des actions US vient de son objectif d’erreur quadratique. Elle maintient fixes la cible de rendements futurs non winsorisée, les caractéristiques et les plis…

ActionsMarchés américainsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce tutoriel construit un simulateur mensuel de rotation des ETF à partir d’un classement de momentum ajusté du risque sur période glissante et d’un filtre de régime fondé sur la courbe des taux des bons du Trésor. À la fin de chaque mois, la règle classe dix…

BacktestMomentumConstruction de portefeuilleExécution des ordres
Machine Learning for Trading

Ce document décrit un modèle séquentiel LSTM pour une étude sur les options du S&P 500. Contrairement aux modèles en coupe transversale qui s’appuient sur des caractéristiques conçues pour résumer l’historique d’un symbole, le LSTM reçoit des fenêtres…

OptionsActionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook montre comment tester si quatre stratégies de portefeuille géré apportent un pouvoir explicatif supplémentaire pour les rendements de SPY, après contrôle des mouvements généraux captés par dix composantes principales. Les portefeuilles candidats…

ActionsApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook réajuste la configuration FX déjà sélectionnée lors de la validation et enregistre ses prévisions pour un backtest ultérieur sur période de réserve. Il retrouve la sélection parmi les backtests de validation financièrement viables, dans un…

Marché des changesBacktestApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce document décrit un workflow partagé pour entraîner des réseaux convolutifs temporels sur des données quotidiennes de paires FX. Un modèle traite une séquence de longueur fixe, et l’absence d’un jour attendu exclut toute fenêtre qui traverse cette lacune.…

Marché des changesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook explique un modèle pédagogique d’espace d’état sélectif fondé sur Mamba et l’évalue pour la prévision des rendements de ETF. Contrairement à un modèle d’espace d’état à paramètres fixes, il déduit le terme entrée-vers-état, le terme…

ActionsApprentissage automatiqueMomentumBacktest
Machine Learning for Trading

Ce notebook présente les signatures de chemins comme des caractéristiques de longueur fixe qui préservent l’ordre et la géométrie conjointe des observations dans une fenêtre de série temporelle. Le premier niveau enregistre la variation totale de chaque…

ActionsIndicateurs techniquesApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook explique comment construire et examiner un panel trimestriel de données fondamentales d’actions US à partir des données SEC XBRL, en conservant à la fois la période décrite par un fait et la date à laquelle il est devenu public. Pour un backtest…

ActionsInvestissement factorielBacktestMarchés américains
Machine Learning for Trading

Le document présente un processus VectorBT pour une règle de retour à la moyenne sur Bitcoin, en position acheteuse uniquement, fondée sur le RSI. Il calcule le RSI à partir des cours de clôture quotidiens, entre lorsque la valeur de la veille passe sous un…

CryptomonnaiesRetour à la moyenneIndicateurs techniquesBacktest