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 teste la classification des transactions Lee-Ready par rapport aux étiquettes du côté de l’initiateur dans des données Nasdaq détaillées ordre par ordre. Il reconstitue le carnet d’ordres à cours limité à partir des messages d’ajout, de…

Microstructure des marchésTrading haute fréquenceExécution des ordresActions
Machine Learning for Trading

Ce notebook rassemble les backtests enregistrés d’une étude de cas sur ETF pour évaluer les stratégies en tenant compte de l’incertitude. Il lit les mesures de performance accompagnées d’intervalles de confiance bootstrap par blocs et utilise des bootstraps…

BacktestStatistiquesConstruction de portefeuilleInvestissement factoriel
Machine Learning for Trading

Ce notebook explique comment un panel macroéconomique horodaté selon la période qu’il mesure peut introduire des informations futures dans un backtest de trading. Il estime les dates de publication en ajoutant la durée de la période à la date horodatée, puis…

BacktestStatistiquesGestion des risquesMulti-actifs
Machine Learning for Trading

Ce notebook utilise TreeSHAP pour expliquer les prévisions de rendement de LightGBM : importance globale des facteurs, explications de prévisions individuelles, graphiques de dépendance et valeurs d’interaction par paire. Il compare les classements SHAP aux…

ActionsApprentissage automatiqueStatistiquesInvestissement factoriel
Machine Learning for Trading

Ce notebook met en œuvre DeePM, une politique de portefeuille de bout en bout pour un univers diversifié de ETF. Son modèle combine des facteurs temporels, des métadonnées sur les actifs, de l’attention transversale et un a priori de graphe macroéconomique…

Multi-actifsConstruction de portefeuilleApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce notebook transforme les titres financiers en signaux au niveau des actions et les évalue par rapport aux rendements à terme. Il produit des plongements des titres, mesure la surprise liée aux actualités comme la distance sémantique par rapport à une…

ActionsInvestissement factorielSentiment de marchéApprentissage automatique
Machine Learning for Trading

Ce document explique comment évaluer sur des données de holdout une stratégie actions US sélectionnée au préalable, tout en gardant sa configuration fixe. Il déduit l’ensemble correct de prévisions de holdout à partir de l’identité d’entraînement et du point…

ActionsMarchés américainsBacktestGestion des risques
Machine Learning for Trading

Le document explique comment créer des facteurs de paires de devises à partir de trois modèles de séries temporelles ajustés : un filtre espace-état qui estime un niveau de prix évoluant lentement, un modèle de Markov caché à deux états pour les régimes de…

Marché des changesStatistiquesVolatilitéBacktest
Machine Learning for Trading

Ce notebook mesure l’effet des coûts de trading sur des stratégies déjà sélectionnées aux étapes de signal, d’allocation et d’overlay de risque. Il fixe une configuration choisie par validation pour chaque étiquette avant de faire varier les coûts, afin que…

ActionsBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Le document présente une machine à états commune pour les suspensions automatisées du trading, avec des états fermé, ouvert et semi-ouvert. Elle applique ce cycle de vie à quatre conditions : le drawdown du portefeuille, la perte quotidienne, les séances…

Gestion des risquesExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook examine si les modèles séquentiels peuvent améliorer les résumés construits manuellement de l’historique de la prime de financement perpétuelle. Il compare NLinear, un modèle linéaire simple qui lit une fenêtre ordonnée, à un LSTM à deux couches.…

CryptomonnaiesApprentissage automatiqueContrats à terme perpétuelsBacktest
Machine Learning for Trading

Ce document explique pourquoi les stop-loss, les stops suiveurs et les sorties temporelles ne peuvent pas être évalués dans une étude de cas dont le backtest conserve les pondérations pendant un mois et n’observe que le rendement mensuel à terme réalisé. Ces…

ActionsGestion des risquesBacktestDimensionnement des positions
Machine Learning for Trading

Ce document décrit un processus d’évaluation de stratégies NASDAQ-100 microstructure enregistrées en backtest. Il lit les exécutions existantes au lieu d’entraîner des modèles ou de relancer les backtests, retrace les lignées de stratégies sélectionnées,…

ActionsMicrostructure des marchésBacktestStatistiques
Machine Learning for Trading

Ce document présente une méthode par étapes pour faire correspondre aux titres les noms d’entreprises issus de données alternatives, de déclarations, d’actualités et de sources de prix. Il commence par joindre les données au moyen des identifiants…

ActionsStatistiquesApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce document décrit la création d’une matrice de facteurs transversaux pour les actions du S&P 500, en combinant des historiques de cours ajustés et des surfaces résumées de volatilité implicite des options. Il classe les facteurs par rôle, donnée d’entrée,…

ActionsOptionsVolatilitéMomentum
Machine Learning for Trading

Ce notebook exécute ou rejoue un panel d’agents de recherche identiques répondant à une même question de prévision, puis examine leurs prévisions, leurs recherches et leurs échanges. Le traçage séparé de chaque agent préserve l’attribution lors des appels…

Apprentissage automatiqueStatistiquesSentiment de marchéBacktest
Machine Learning for Trading

Ce notebook d’ingénierie des facteurs construit des variables qui nécessitent des informations allant au-delà de l’historique des prix d’un seul actif. Pour les contrats à terme, il calcule le rendement de roulement annualisé à partir des niveaux…

Contrats à termeOptionsStratégies de portageVolatilité
Machine Learning for Trading

Ce notebook explique comment un réseau convolutif temporel (TCN) peut prévoir les rendements à partir de données financières ordonnées. Les convolutions causales garantissent qu’une sortie à un instant donné ne dépend que des entrées actuelles et…

Apprentissage automatiqueActionsMomentumStatistiques
Machine Learning for Trading

Ce document présente une méthode événementielle pour détenir un nombre limité de positions intrajournalières. Les prévisions sont alignées sur les barres de prix à l’aide du score disponible le plus récent, avec une limite de fraîcheur facultative. Les…

ActionsTrading haute fréquenceMicrostructure des marchésExécution des ordres
Machine Learning for Trading

Cette étude de cas transforme des prévisions de modèle enregistrées pour des actions US en portefeuilles long-short équipondérés. Elle explore systématiquement plusieurs schémas d’entrée, chacun sélectionnant les titres les mieux classés pour les positions…

Marchés américainsActionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce document décrit plusieurs méthodes pour convertir des scores de prévision en signaux de trading : seuils fixes, percentiles glissants par actif et percentiles transversaux. Les seuils fixes utilisent un niveau de score choisi ; les seuils glissants…

Apprentissage automatiqueConstruction de portefeuilleDimensionnement des positionsBacktest
Machine Learning for Trading

Ce notebook construit des régimes de marché descriptifs à partir des données économiques mensuelles de la Réserve fédérale : chômage, taux des fonds fédéraux, courbe des taux du Trésor et inflation. Il explique comment aligner des séries dont les fréquences…

StatistiquesApprentissage automatiqueMarchés américainsVolatilité