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

934 documents

Machine Learning for Trading

Le document présente un processus reliant des chargeurs standardisés de données de marché, un registre de caractéristiques préconstruites et des diagnostics de signaux. Le calcul des caractéristiques peut être spécifié par des noms, des dictionnaires de…

Indicateurs techniquesApprentissage automatiqueStatistiquesActions
Machine Learning for Trading

Ce notebook présente l’analyse en composantes principales instrumentale comme modèle des rendements transversaux. Au lieu d’attribuer directement des pondérations de rendement aux caractéristiques de chaque société, IPCA estime une application linéaire…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook compare quatre architectures de réseaux neuronaux pour une même tâche : prévoir le prochain rendement quotidien à partir d’une fenêtre de rendements passés, regroupés sur huit fonds négociés en bourse. Il décrit comment un réseau dense, une…

Apprentissage automatiqueBacktestActionsStatistiques
Machine Learning for Trading

Ce notebook évalue des modèles séquentiels pour classer les actions du S&P 500 à partir de fenêtres d’historiques de surfaces d’options et de prix. Il associe un modèle linéaire normalisé, sans mémoire récurrente, à un LSTM dont les portes transmettent les…

Apprentissage automatiqueActionsOptionsBacktest
Machine Learning for Trading

Ce notebook présente une interface OHLCV unifiée pour Yahoo Finance, WikiPrices et FRED, puis utilise ces sources pour obtenir des données actuelles d’ETF, des actions avec un long historique et des séries macroéconomiques. Il décrit une méthode de repli…

ActionsMulti-actifsMicrostructure des marchésBacktest
Machine Learning for Trading

Ce notebook ajuste un réseau à mémoire à long et court terme comportant NASDAQ-100 caractéristiques de microstructure afin de prédire les rendements futurs sur plusieurs horizons de quelques minutes. Contrairement à un modèle linéaire aplati, un LSTM traite…

Apprentissage automatiqueMicrostructure des marchésActionsBacktest
Machine Learning for Trading

Ce carnet de synthèse compare la pondération égale, l’inverse de la volatilité, l’optimisation moyenne-variance et la parité du risque hiérarchique à partir d’un signal commun appliqué à un univers ETF diversifié. Un modèle Ridge glissant utilise des…

Construction de portefeuilleBacktestActionsExécution des ordres
Machine Learning for Trading

Ce carnet construit N-BEATS, une architecture neuronale de prévision entièrement connectée qui traite une fenêtre d’entrée complète et prédit une trajectoire future. Sa variante interprétable contraint les blocs à exprimer les composantes au moyen de bases…

Apprentissage automatiqueActionsBacktestStatistiques
Machine Learning for Trading

Ce carnet décrit la reconstruction d’un carnet d’ordres à cours limité NASDAQ à partir de messages DataBento par ordre, pour un seul symbole et une seule séance de négociation. Il présente un moteur modulaire qui suit l’état de chaque ordre, agrège les…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce carnet examine comment la fréquence de rééquilibrage influe sur le taux de rotation, la performance brute et les résultats ajustés des coûts d’un portefeuille d’ETF momentum les mieux classés. Il estime le taux de rotation à partir des variations…

ActionsMomentumExécution des ordresBacktest
Machine Learning for Trading

Ce carnet compare la recherche structurée de type graphe à la recherche vectorielle fondée sur les plongements, à partir des positions institutionnelles déclarées dans les formulaires 13F. Il construit un instantané des positions à une date donnée et à une…

ActionsApprentissage automatiqueStatistiquesConstruction de portefeuille
Machine Learning for Trading

Ce carnet présente un processus reliant les transactions perdantes aux explications du modèle associées aux décisions correspondantes. Il construit un panel de variables pour un seul actif SPY à partir de données de prix et de données macroéconomiques,…

ActionsApprentissage automatiqueGestion des risquesStatistiques
Machine Learning for Trading

Ce carnet décrit un processus de backtest sur 15 minutes pour des prédictions sur les actions NASDAQ-100. Il commence par un contrôle du fonctionnement avec un signal aléatoire : comme le trading aléatoire devrait perdre après coûts, un résultat durablement…

ActionsBacktestExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Ce carnet construit des mesures de microstructure de marché à partir des données de transactions NASDAQ ITCH, agrège les transactions en barres intrajournalières et distingue les approximations de liquidité des signaux de flux d’ordres et de l’état du carnet…

ActionsMicrostructure des marchésTrading haute fréquenceStatistiques
Machine Learning for Trading

Ce carnet construit des étiquettes de rendements futurs pour une stratégie qui exploite les signaux d’options cotées et négocie les actions sous-jacentes. Il ajuste les prix quotidiens des actions pour les divisions et les dividendes, utilise un identifiant…

ActionsOptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce carnet estime dans quelle mesure un portefeuille à pondération égale d’actions US encore présentes peut surestimer les rendements par rapport à un portefeuille incluant les sociétés sorties du jeu de données. Il examine d’abord quand le panel consigne les…

ActionsMarchés américainsBacktestStatistiques
Machine Learning for Trading

Ce carnet étudie l’effet des coûts de transaction sur une stratégie NASDAQ-100 rééquilibrée fréquemment. Il applique d’abord des hypothèses de coûts en points de base à des backtests existants avant coûts pour montrer comment le ratio de Sharpe évolue…

ActionsExécution des ordresMicrostructure des marchésBacktest
Machine Learning for Trading

Ce carnet explique l’analyse en composantes principales instrumentée comme une méthode pour faire dépendre les expositions aux facteurs latents des caractéristiques observables des actions, plutôt que d’attribuer une exposition fixe à chaque action. Une…

ActionsApprentissage automatiqueStatistiquesInvestissement factoriel
Machine Learning for Trading

Ce notebook montre comment ajuster les règles StopLoss, TakeProfit et TrailingStop d’un portefeuille de momentum tout en maintenant une séparation chronologique entre le calibrage et l’évaluation. Il teste différentes amplitudes de règles individuelles et…

ActionsGestion des risquesBacktestMomentum
Machine Learning for Trading

Ce document explique comment les décompositions en ondelettes et les estimations spectrales glissantes décrivent les rendements financiers à différentes échelles de temps. Les ondelettes divisent les rendements en composantes couvrant des périodes de plus en…

ActionsStatistiquesVolatilitéIndicateurs techniques
Machine Learning for Trading

Ce notebook transforme des ensembles de prédictions de modèles en backtests comparables sur options du S&P 500. À chaque date de décision hebdomadaire, il classe les rendements prédits, sélectionne les symboles les mieux classés dans l’univers liquide et…

OptionsActionsBacktestExécution des ordres