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

Ce document explique comment comparer un modèle en place à un modèle candidat en évaluation simulée avant d’allouer du capital. Il fixe à l’avance leurs rôles et les seuils de promotion, puis évalue le candidat selon cinq dimensions : amélioration du Sharpe…

Apprentissage automatiqueStatistiquesGestion des risquesBacktest
Machine Learning for Trading

Le notebook présente un autoencodeur supervisé pour la modélisation des facteurs boursiers. Contrairement aux autoencodeurs non supervisés qui apprennent un goulot d’étranglement en reconstruisant la coupe transversale, ce modèle inclut aussi les rendements…

ActionsApprentissage automatiqueInvestissement factorielStatistiques
Machine Learning for Trading

Ce notebook exploratoire décrit la structure et l’interprétation des barres minute AlgoSeek NASDAQ-100. Il organise les champs pré-calculés du jeu de données en prix et quantités des cotations, prix des transactions, spreads, volumes, catégories de…

ActionsMicrostructure des marchésExécution des ordresMarchés américains
Machine Learning for Trading

Le notebook explique comment distinguer les variations continues des prix et les sauts dans les rendements intrajournaliers des actions. Il estime la variance réalisée quotidienne à partir des rendements au carré et utilise la variation bipuissance comme…

ActionsVolatilitéStatistiquesMicrostructure des marchés
Machine Learning for Trading

Le document présente une couche logicielle pour courtier qui vérifie les ordres et l’état du portefeuille avant de transmettre les transactions. Ses contrôles comprennent des plafonds de quantité et de valeur par ordre, des limites d’exposition des…

Gestion des risquesDimensionnement des positionsExécution des ordresBacktest
Machine Learning for Trading

Ce chapitre passe en revue les représentations du texte financier, des dictionnaires et comptages de mots jusqu’à TF-IDF, en passant par les plongements statiques, les réseaux récurrents et les Transformers. Il explique les compromis : les méthodes simples…

Apprentissage automatiqueSentiment de marchéStatistiquesActions
Machine Learning for Trading

Cette analyse compare trois méthodes pour convertir des prévisions signées de rendement du modèle en positions binaires : un seuil fixe à zéro, un percentile glissant par symbole et un percentile transversal entre symboles. Elle applique ces règles aux…

Apprentissage automatiqueExécution des ordresBacktestCryptomonnaies
Machine Learning for Trading

Ce carnet évalue si des données historiques sur les ETF peuvent soutenir une stratégie de classement mensuel avant la construction d’un modèle ou d’une prévision. Il vérifie l’éligibilité à chaque date à partir de la liquidité de l’année précédente, compte…

ActionsBacktestExécution des ordresStatistiques
Machine Learning for Trading

Ce carnet sélectionne des caractéristiques candidates pour une stratégie qui vend des options d’achat et de vente à la monnaie sur la même action, avec la même échéance, et conserve le straddle jusqu’à l’échéance. Pour chaque caractéristique, il mesure si…

OptionsActionsStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook traite les données trimestrielles groupées sur les positions 13F de la SEC afin d’étudier la détention institutionnelle, le classement des gestionnaires et les réseaux de détention commune. Il sélectionne le dernier dépôt de chaque gestionnaire…

ActionsMarchés américainsStatistiquesMicrostructure des marchés
Machine Learning for Trading

Ce notebook évalue des prévisions de validation issues de recherches sur les actions et les options en les transformant en portefeuilles d’actions acheteurs uniquement. Il utilise une référence équipondérée des K meilleurs titres, compare plusieurs niveaux…

ActionsOptionsBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook utilise des transactions et des messages d’ordres issus de NASDAQ ITCH pour illustrer des phénomènes de microstructure de marché. Il examine l’autocorrélation du premier ordre négative des rendements de prix au niveau du tick, en expliquant…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce module utilitaire fournit des outils statistiques pour diagnostiquer les panels de données de trading. Sa méthode d’autocorrélation calcule une courbe au sein de chaque entité avant de regrouper les résultats entre entités, évitant ainsi une dépendance…

StatistiquesBacktestMicrostructure des marchésActions
Machine Learning for Trading

Cette étude de cas sur les actions US distingue la prévision des rendements futurs de l’affirmation selon laquelle le momentum en est la cause. Elle considère comme traitement le rendement de l’action sur l’année précédente, hors dernier mois, comme résultat…

ActionsMomentumApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook pédagogique compare des méthodes de création d’étiquettes cibles pour des modèles de trading supervisés à partir de données ETF. Il couvre les rendements à horizon fixe et les étiquettes directionnelles, les percentiles glissants des séries…

Apprentissage automatiqueStatistiquesBacktestGestion des risques
Machine Learning for Trading

Ce notebook présente des contrôles du biais d’anticipation à partir de prix ETF et de séries macroéconomiques. Il montre qu’une moyenne mobile centrée inclut des observations futures, peut suivre de trop près les retournements de prix et présente une…

ActionsStatistiquesBacktestGestion des risques
Machine Learning for Trading

Ce notebook compare trois façons d’utiliser les régimes de marché pour la prévision : un modèle de référence sans variable de régime, un modèle unique auquel est fournie la probabilité filtrée d’un état volatil et des modèles distincts entraînés dans des…

ActionsApprentissage automatiqueStatistiquesVolatilité
Machine Learning for Trading

Ce notebook utilise le double apprentissage automatique (DML) pour estimer l’effet ajusté d’une mesure continue de momentum ETF sur les rendements ultérieurs, en contrôlant la volatilité récente et à plus long terme, le régime de marché et la pente de la…

Apprentissage automatiqueStatistiquesActionsMomentum