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 définit des labels de rendement futur des prix pour un panel fixe de contrats perpétuels crypto et explique comment leur construction influe sur chaque modèle et backtest ultérieur. Il décale les horodatages d’ouverture des barres au moment où…

CryptomonnaiesContrats à terme perpétuelsBacktestStatistiques
Machine Learning for Trading

Ce module source construit des tableaux de catalogue à partir de registres d’expériences sur les prédictions de modèles et les backtests. Il définit des champs réservés à la provenance, à l’identité, à l’état d’achèvement, à la disponibilité des artefacts et…

BacktestStatistiquesGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce projet de synthèse explique comment évaluer des prévisions probabilistes à l’aide du score de Brier, du score logarithmique, de l’erreur de calibration attendue et de la netteté, ainsi que la manière dont les diagrammes de fiabilité révèlent les…

StatistiquesApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce notebook montre qu’un ordre d’un montant fixe peut entraîner des coûts très différents selon les actions, car sa taille relative au volume de transactions disponible compte. Il applique un modèle d’impact de marché en racine carrée à une stratégie…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce notebook évalue des configurations de séquence LSTM et NLinear sur des contrats à terme CME. Les modèles séquentiels consomment des fenêtres ordonnées d’observations pour déterminer si l’évolution récente contient des informations au-delà des…

Contrats à termeApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook décrit un processus commun d’ajustement de réseaux convolutifs temporels sur des données quotidiennes de paires FX. Au lieu de traiter chaque date comme une ligne de caractéristiques isolée, le modèle utilise une fenêtre rétrospective fixe…

Marché des changesApprentissage automatiqueBacktest
Machine Learning for Trading

Cette étude de cas évalue les signaux quotidiens de momentum et de carry dans un univers restreint et corrélé de paires de devises au comptant G10. Le processus va des contrôles de faisabilité et des labels de rendements futurs aux caractéristiques conçues…

Marché des changesMomentumStratégies de portageBacktest
Machine Learning for Trading

Ce notebook applique SHAP au niveau des tokens à un modèle FinBERT figé qui classe les textes financiers comme négatifs, neutres ou positifs. Il encapsule l’inférence du modèle pour préserver l’ordre des labels du checkpoint, puis explique les probabilités…

Apprentissage automatiqueSentiment de marchéStatistiques
Machine Learning for Trading

Ce notebook explique comment ajuster finement un transformeur pour la reconnaissance d’entités nommées financières, qui identifie dans un texte des segments tels que des organisations, des personnes, des montants, des dates et des pourcentages. Il porte sur…

Apprentissage automatiqueActionsStatistiques
Machine Learning for Trading

Ce carnet présente un processus de contrôle de la qualité des données quotidiennes US sur les actions OHLCV. Les contrôles structurels portent sur les valeurs nulles, les doublons, l’ordre chronologique, la cohérence des prix, les valeurs négatives, les prix…

ActionsStatistiquesGestion des risquesMicrostructure des marchés
Machine Learning for Trading

Ce notebook présente un processus visant à réduire un vaste ensemble de caractéristiques d’ETF à des candidates pour une modélisation ultérieure. Il classe les caractéristiques à l’aide de coefficients d’information de Spearman transversaux calculés par date…

ActionsStatistiquesApprentissage automatiqueInvestissement factoriel
Machine Learning for Trading

Ce notebook explique comment un facteur d’actualisation stochastique (SDF) valorise une coupe transversale de signaux sur options d’actions. Contrairement aux modèles factoriels qui estiment les expositions et les rendements des facteurs, l’approche SDF…

OptionsActionsApprentissage automatiqueInvestissement factoriel
Machine Learning for Trading

Ce document présente les facteurs latents comme des schémas communs de rendement entre actions, le coefficient de charge de chaque action décrivant son exposition à un schéma. Il oppose l’analyse en composantes principales, qui extrait les facteurs et les…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document explique comment construire des labels de rendement futur et de direction pour la recherche intrajournalière sur le NASDAQ-100. Le rendement repose sur une convention d’exécution explicite : observer la clôture d’une barre, entrer à la barre…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook étudie TabM, une architecture de réseau neuronal pour données tabulaires, à partir de caractéristiques mensuelles d’entreprises. Il compare trois configurations prédéfinies qui augmentent la largeur des couches cachées et la taille de l’ensemble,…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce chapitre présente la gouvernance après déploiement des systèmes de trading fondés sur l’apprentissage automatique. Il distingue les défaillances techniques, où des entrées identiques produisent des sorties différentes, de la dégradation statistique, où…

Apprentissage automatiqueGestion des risquesExécution des ordresStatistiques
Machine Learning for Trading

Cet index présente les facteurs latents comme des schémas communs extraits des mouvements conjoints des rendements boursiers, chaque coefficient de charge indiquant l’exposition d’une action à un schéma. Il oppose l’analyse en composantes principales, qui…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette analyse explique comment interpréter les coefficients d’information pour un catalogue de modèles de prévision de contrats à terme CME. Elle définit l’IC de chaque date comme la corrélation de rang entre les rendements prévus et réalisés sur différents…

Contrats à termeStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook exécute trois agents de recherche identiques sur une question de récession, soit en rejouant une capture enregistrée, soit en lançant des modèles et des recherches en direct en parallèle. Il consigne la probabilité et la confiance de chaque…

Apprentissage automatiqueStatistiquesSentiment de marchéBacktest