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 examine pourquoi le coefficient d’information d’un modèle ne détermine pas le ratio de Sharpe d’une stratégie fondée sur ses prévisions. Sur plusieurs études de cas, il compare le classement des signaux aux résultats du backtest et examine…

BacktestApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook met en œuvre une adaptation pédagogique quotidienne d’un modèle adversarial de facteur d’actualisation stochastique. Un réseau de pondération de portefeuille construit un facteur à partir des rendements excédentaires du lendemain, en utilisant…

ActionsApprentissage automatiqueStatistiquesInvestissement factoriel
Machine Learning for Trading

Cette analyse évalue la fiabilité apparente de signaux de trading sélectionnés en comparant les éléments du coefficient d’information (IC) aux ratios de Sharpe obtenus après conversion des prévisions en positions. Elle agrège les résultats par famille de…

Apprentissage automatiqueStatistiquesBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook agrège des résultats walk-forward déjà obtenus pour comparer LSTM, NLinear, TSMixer, TCN et PatchTST sur plusieurs études de cas, avec des références linéaires, à gradient boosting et TabM. Il présente les coefficients d’information quotidiens…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Cette analyse de faisabilité cherche à déterminer si les données et hypothèses d’une stratégie hebdomadaire de short straddle avec couverture delta sur les composantes du S&P 500 sont plausibles avant l’ajustement d’un modèle. Elle explique comment des calls…

OptionsVolatilitéGestion des risquesBacktest
Machine Learning for Trading

Ce notebook compare des règles de pondération de portefeuille pour la vente de straddles sur des symboles sélectionnés du S&P 500. Il conserve les symboles choisis et fait varier l’allocation, avec une pondération égale comme référence. Les méthodes…

OptionsConstruction de portefeuilleDimensionnement des positionsBacktest
Machine Learning for Trading

Ce notebook teste la réaction d’une stratégie sélectionnée sur les caractéristiques des entreprises US lorsque l’hypothèse de coûts de transaction change. Il maintient la configuration de la stratégie fixe et relance des backtests de validation sur une…

ActionsExécution des ordresBacktestGestion des risques
Machine Learning for Trading

Le notebook présente un aperçu des déclarations S&P 100 10-K et 8-K destinées à alimenter un graphe de connaissances financières. Il décrit des contrôles de schéma portant sur les champs obligatoires, l’unicité des clés d’entreprise et de numéro d’accès, la…

ActionsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document décrit une interface destinée aux lecteurs pour examiner les résultats de backtests enregistrés dans un registre. Elle permet de résumer le nombre d’exécutions, d’inspecter les spécifications et les exécutions individuelles, de classer les…

BacktestStatistiquesConstruction de portefeuilleApprentissage automatique
Machine Learning for Trading

Ce notebook applique une stratégie fixe fondée sur les caractéristiques des actions à une période réservée hors échantillon, à partir de prédictions et d’un allocateur de portefeuille sélectionné auparavant. Il conserve la configuration, le dimensionnement…

ActionsInvestissement factorielBacktestDimensionnement des positions
Machine Learning for Trading

Ce notebook analyse les liens horodatés d’événements financiers dans un graphe de connaissances, en distinguant le moment de l’événement, celui de sa publication et celui où le pipeline d’extraction a créé le lien. Il calcule les délais de publication et…

Apprentissage automatiqueStatistiquesBacktestStratégies événementielles
Machine Learning for Trading

Ce notebook élabore un cadre tenant compte des unités pour estimer les coûts de trading sur les actions, les contrats perpétuels crypto, les contrats à terme, les ETF et le marché des changes. Il distingue le volume en actions, le volume en contrats, le…

Exécution des ordresMicrostructure des marchésGestion des risquesBacktest
Machine Learning for Trading

Cette revue de chapitre décrit une démarche fondée sur des hypothèses pour définir des stratégies de trading avant le backtest. Elle relie les hypothèses documentées sur les données et une configuration immuable à l’analyse exploratoire, aux études…

MomentumRetour à la moyenneStatistiquesBacktest
Machine Learning for Trading

Ce notebook explique l’effet des spécifications des contrats à terme sur la comptabilisation d’un backtest. Il montre comment le multiplicateur du contrat convertit les variations de prix en pertes et profits en dollars, comment le prix multiplié par le…

Contrats à termeMatières premièresMomentumDimensionnement des positions
Machine Learning for Trading

Ce notebook compare des portefeuilles de référence d’ETF face à des crises historiques, à des chocs simultanés définis manuellement sur les actifs et à des scénarios de pertes de Monte-Carlo. Les périodes historiques incluent d’importantes baisses des…

Multi-actifsConstruction de portefeuilleGestion des risquesVolatilité
Machine Learning for Trading

Cette étude de cas évalue un straddle vendeur hebdomadaire sur options S&P 500 à partir de backtests enregistrés. Elle sélectionne une configuration dans un univers liquide désigné, classe les candidats sur la validation et évalue la configuration retenue…

OptionsActionsBacktestGestion des risques
Machine Learning for Trading

Le document décrit un processus d’analyse commun pour comparer des configurations de modèles entre études de cas. Il sélectionne d’abord une configuration par étude, puis établit des synthèses par pli et entre études à partir de cette sélection, afin que les…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Cette analyse reconstitue les cycles de vie des ordres à cours limité NASDAQ à partir des messages ITCH, en suivant les ordres de leur soumission jusqu’au premier événement lié à une annulation ou à leur exécution. Elle distingue les ajouts, suppressions,…

Microstructure des marchésExécution des ordresActionsStatistiques
Machine Learning for Trading

Ce relevé d’audit définit la méthode de comparaison de plusieurs frameworks de backtesting avec ML4T, sur des études de cas de stratégies réelles et une charge synthétique de résistance. Il précise les règles de comparaison des exécutions ordonnées, des…

BacktestExécution des ordresMicrostructure des marchésContrats à terme
Machine Learning for Trading

Ce notebook compare la justesse et le temps d’exécution de VectorBT Pro et de VectorBT OSS à ML4T sur des stratégies d’étude de cas prises en charge. Il couvre l’allocation d’ETF, le marché des changes coté en USD et un panel d’actions US pour les deux…

BacktestExécution des ordresContrats à termeMarché des changes
Machine Learning for Trading

Ce notebook transforme des prédictions par action en portefeuilles de validation. À chaque date de rééquilibrage, il classe les actions selon leur rendement prédit, achète le groupe en tête, vend à découvert le groupe en queue et attribue le même capital à…

ActionsApprentissage automatiqueBacktestConstruction de portefeuille