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

Cette analyse évalue si les signaux retenus dans plusieurs études de cas de trading semblent assez fiables pour un usage ultérieur. Elle compare les coefficients d’information de validation (IC) aux résultats hors échantillon, examine la stabilité et la…

Apprentissage automatiqueStatistiquesBacktestGestion des risques
Machine Learning for Trading

Ce tutoriel passe en revue les variables construites à partir des historiques de prix et de volume des actifs : rendements sur différents horizons, tendances et retournements, plusieurs estimateurs de volatilité, régimes de volatilité, liquidité, risque de…

Indicateurs techniquesMomentumVolatilitéApprentissage automatique
Machine Learning for Trading

Ce notebook mesure l’évolution des performances de validation d’une stratégie d’options S&P 500 selon différentes fractions supposées du spread coté effectivement payées. Il sélectionne une stratégie de référence par famille de modèles, puis relance chacune…

OptionsExécution des ordresBacktestGestion des risques
Machine Learning for Trading

Ce document présente une architecture de prévision de bout en bout qui associe un panel de recherche, une prévision agrégée, un débat contradictoire et un superviseur. Le superviseur repère les désaccords, recherche des éléments permettant de les clarifier…

Apprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce document décrit un environnement Gymnasium pour entraîner un agent à liquider une position sur un horizon fixe. L’observation combine l’inventaire restant et le temps avec le spread, la profondeur du marché, la volatilité et un régime normal ou tendu. Une…

Apprentissage automatiqueExécution des ordresMicrostructure des marchésVolatilité
Machine Learning for Trading

Ce document décrit une comparaison, au stade de la validation, de règles de stop fixes et suiveurs pour des stratégies FX. Pour chaque étiquette de rendement, il sélectionne une stratégie parente dans une cohorte scellée de résultats de signaux et…

Marché des changesGestion des risquesBacktestDimensionnement des positions
Machine Learning for Trading

Ce notebook étudie si une prime extrême sur les contrats à terme perpétuels affecte les rendements ultérieurs du BTC ou le retour de la prime à la moyenne. Il définit le traitement comme un état de prime élevée et compare un résultat de marché général,…

CryptomonnaiesContrats à terme perpétuelsArbitrageStatistiques
Machine Learning for Trading

Ce notebook construit des étiquettes de rendement futur des actions pour une stratégie qui exploite les données d’options cotées afin de classer les actions, puis de les détenir. Il crée une série de prix ajustés des opérations sur titres et identifie les…

ActionsOptionsStatistiquesBacktest
Machine Learning for Trading

Ce notebook formule un ordre parent comme un problème de contrôle à horizon fini. À chaque intervalle, le Q-learning tabulaire choisit un multiplicateur appliqué à une tranche de transaction fondée sur le VWAP, en fonction du temps et de l’inventaire…

ActionsExécution des ordresApprentissage automatiqueMicrostructure des marchés
Machine Learning for Trading

Ce notebook utilise les rendements historiques des actions US pour construire un réseau de corrélations et explorer la construction de portefeuille. Il sélectionne un univers liquide à partir des données de la fenêtre d’estimation, convertit les corrélations…

ActionsMarchés américainsConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce notebook évalue un facteur de momentum transversal à l’aide des coefficients d’information, des rendements par quantile, des écarts entre les extrêmes et de diagnostics de classification. Il présente le IC de Spearman comme la corrélation de rang calculée…

MomentumInvestissement factorielStatistiquesBacktest
Machine Learning for Trading

Cette étude de cas examine si les informations tirées des options cotées peuvent aider à sélectionner des actions du S&P 500. Elle combine les prix quotidiens des actions avec les niveaux de volatilité implicite des options, leur asymétrie, leur structure…

ActionsOptionsBacktestGestion des risques
Machine Learning for Trading

Ce notebook utilise l’excursion favorable maximale (MFE) et l’excursion défavorable maximale (MAE) pour ancrer les largeurs des étiquettes à triple barrière dans les trajectoires de prix observées. Pour une position prise à la clôture d’une barre, il mesure…

ActionsContrats à termeCryptomonnaiesVolatilité
Machine Learning for Trading

Le document décrit un balayage d’allocation de portefeuille FX conçu pour isoler le dimensionnement des positions de la sélection des signaux. Il part de candidats de référence figés, à pondération égale et classés selon les performances de backtest en…

Marché des changesConstruction de portefeuilleBacktestGestion des risques
Machine Learning for Trading

Le document explique comment l’incertitude d’un modèle peut fournir des informations au-delà de son estimation ponctuelle. Il oppose GARCH, qui définit la volatilité à partir des rendements passés, à un modèle de volatilité stochastique qui traite la…

VolatilitéStatistiquesApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce notebook évalue des règles de sécurité pour un assistant financier fondé sur des documents à l’aide de six cas construits manuellement. Ces cas couvrent l’injection de prompt, les chiffres fabriqués dans des contenus non fiables, les tentatives d’action…

Apprentissage automatiqueGestion des risquesSentiment de marchéStatistiques
Machine Learning for Trading

Cette étude de cas compare différentes méthodes de dimensionnement des positions sur les contrats à terme CME à une référence à pondération égale. Elle explique comment le dimensionnement inversement proportionnel à la volatilité utilise la volatilité propre…

Contrats à termeDimensionnement des positionsConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce notebook passe en revue des méthodes de détection des changements dans le processus générant une série financière, en prenant les données quotidiennes SPY comme exemple. Il oppose le test de Zivot–Andrews, qui estime une rupture tout en testant la…

StatistiquesApprentissage automatiqueIndicateurs techniquesGestion des risques