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

904 documents

Machine Learning for Trading

Ce carnet utilise Optuna pour régler des modèles de rendement LightGBM en tenant compte à la fois du coefficient d’information transversal (IC) et de la rotation des prévisions. Une recherche monoobjectif maximise IC à titre de comparaison ; une recherche…

Apprentissage automatiqueStatistiquesContrats à termeCryptomonnaies
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

Cette référence présente le Financial Phrasebank, un ensemble annoté de phrases d’actualité financière utilisé pour entraîner ou évaluer des modèles de traitement automatique du langage. Des annotateurs humains attribuent des étiquettes de sentiment positif,…

Sentiment de marchéApprentissage automatique
Machine Learning for Trading

Cette analyse explique comment lire les coefficients d’information transversaux (IC) des modèles de contrats à terme CME et les relier aux tests de portefeuille ultérieurs. Elle calcule la corrélation de rang entre rendements prévus et réalisés pour chaque…

Contrats à termeStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook compare la pondération égale, la volatilité inverse, la variance minimale et la parité du risque hiérarchique avec le même univers ETF, les mêmes prévisions, le même calendrier de rééquilibrage et le même protocole de backtest. Un modèle Ridge…

Construction de portefeuilleBacktestGestion des risquesApprentissage automatique
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 développe une tâche simulée de création de marché dans laquelle un agent PPO choisit le biais des cotations et la largeur du spread. La probabilité d’exécution diminue à mesure que les cotations s’éloignent du prix médian, tandis que le…

Tenue de marchéApprentissage automatiqueExécution des ordresMicrostructure des marchés
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 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
Machine Learning for Trading

Ce notebook prépare un entraînement de prévision LSTM pour une étude de cas sur des paires FX. Le modèle conserve un état caché au fil d’une séquence rétrospective, et le notebook détermine l’architecture et les paramètres d’entraînement à l’aide des outils…

Marché des changesApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook examine comment exprimer l’incertitude des prévisions de rendement des ETF en comparant le dropout Monte-Carlo aux ensembles profonds. Le dropout reste actif lors de passages d’inférence répétés, tandis qu’un ensemble mesure les désaccords entre…

ActionsApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook rassemble les estimations enregistrées de double apprentissage automatique issues de plusieurs études de cas de trading et compare leur incertitude et leurs diagnostics. Il charge les lignes actuelles du registre de chaque étude, vérifie…

StatistiquesApprentissage automatiqueGestion des risquesBacktest
Machine Learning for Trading

Ce notebook ajuste un modèle LSTM déclaré pour la prévision dans une étude sur les options du S&P 500. Le réseau reçoit des fenêtres chronologiques de l’historique de chaque symbole et utilise un état récurrent à portes pour représenter l’information entre…

ActionsOptionsApprentissage automatiqueBacktest