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 document décrit des outils de comparaison de stratégies de trading enregistrées et de préparation d’évaluations structurées d’études de cas. Une méthode centrale de classement limite les séries de rendements à leurs horodatages communs exacts avant de…

BacktestGestion des risquesConstruction de portefeuilleStatistiques
Machine Learning for Trading

Ce notebook construit une tâche simulée de tenue de marché dans laquelle un agent d’optimisation proximale de politique choisit l’asymétrie des cotations et la largeur de la fourchette. L’environnement utilise un processus de volatilité GARCH calibré sur les…

Tenue de marchéApprentissage automatiqueCryptomonnaiesContrats à terme perpétuels
Machine Learning for Trading

Ce notebook compare sklearn HistGradientBoosting, XGBoost, LightGBM et CatBoost pour une tâche de prévision des rendements sur ETF. Il mesure le coefficient d’information transversal, le temps d’entraînement et la mémoire du processus lors d’exécutions CPU…

Apprentissage automatiqueBacktestStatistiquesActions
Machine Learning for Trading

Ce notebook convertit des prévisions transversales sur les actions en portefeuilles long-short en classant les titres à chaque rééquilibrage, en achetant les k titres les mieux classés et en vendant à découvert les k titres les moins bien classés, avec un…

ActionsApprentissage automatiqueBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook présente un processus de sélection de variables pour la recherche sur les ETF, afin de réduire de nombreuses transformations candidates et de nombreux horizons candidats à un ensemble plus restreint pour la modélisation ultérieure. Il calcule les…

Apprentissage automatiqueStatistiquesInvestissement factorielBacktest
Machine Learning for Trading

Ce notebook évalue les prévisions de modèle en tant que stratégies de trading sur le NASDAQ-100, à l’aide d’un moteur de backtest commun. Il commence par un contrôle du pipeline avec des signaux aléatoires : des profits persistants après coûts indiqueraient…

ActionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce code décrit la résolution des paramètres de backtest à partir de la configuration d’une étude de cas et la manière dont l’identité d’une exécution tient compte des changements d’univers négocié et de l’ancienneté des prédictions. Sa leçon centrale est que…

BacktestExécution des ordresGestion des risquesDimensionnement des positions
Machine Learning for Trading

Le document décrit des méthodes de comparaison des rendements d’une stratégie à deux références externes : les rendements totaux quotidiens de SPY et les rendements du marché Fama-French, calculés en ajoutant la prime de risque du marché au taux sans risque.…

BacktestStatistiquesGestion des risquesMarchés américains
Machine Learning for Trading

Le document décrit l’ajustement d’un modèle linéaire séquentiel simple sur des caractéristiques à la minute du NASDAQ-100 afin de prévoir les rendements futurs à plusieurs horizons. Chaque entrée contient l’heure précédente pour une action, exprimée en…

ActionsApprentissage automatiqueMicrostructure des marchésBacktest
Machine Learning for Trading

Ce notebook construit des caractéristiques de volatilité conditionnelle fondées sur un modèle pour les actions du S&P 500 avec un modèle GJR-GARCH(1,1), puis compare un écart de volatilité implicite des options mesuré par rapport à la volatilité réalisée à…

ActionsOptionsVolatilitéApprentissage automatique
Machine Learning for Trading

Cette étude sur les contrats à terme CME fait varier la capacité des arbres de boosting et la fonction de perte, tout en enregistrant les prédictions à plusieurs points de contrôle de l’entraînement. Le nombre de feuilles détermine le niveau de détail du…

Contrats à termeApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook étudie l’effet des choix de régularisation Ridge sur le coefficient d’information d’un panel ETF et la façon dont la recherche d’hyperparamètres peut gonfler les performances publiées. Il évalue d’abord une large grille d’alpha sur des plis…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook explique comment construire des rendements spot futurs sur une, cinq et 21 séances pour un univers fixe de paires FX. Il commence par répartir les barres de quatre heures en séances de trading à l’aide d’un calendrier de rollover de New York,…

Marché des changesMarchés au comptantMomentumRetour à la moyenne
Machine Learning for Trading

Ce notebook exécute la spécification de stratégie FX déjà sélectionnée sur les prédictions hors échantillon enregistrées. Il conserve le signal, l’allocation, les contrôles du risque, la règle de rééquilibrage, les coûts et les paramètres du compte de la…

Marché des changesBacktestGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook présente un audit actuel comparant VectorBT Pro et VectorBT OSS à ML4T sur des stratégies prises en charge et fondées sur des données réelles. Les deux éditions de VectorBT participent à l’allocation d’ETF, à l’allocation de devises cotées en USD…

Multi-actifsActionsContrats à termeMarché des changes
Machine Learning for Trading

Ce notebook étudie six méthodes d’allocation appliquées à des configurations sélectionnées de stratégies crypto perpétuelles. Les classements et les règles d’entrée restent fixes, tandis que le capital affecté à chaque position varie. Les méthodes s’appuient…

CryptomonnaiesContrats à terme perpétuelsDimensionnement des positionsConstruction de portefeuille
Machine Learning for Trading

Le notebook présente un workflow de recherche autonome dans lequel un modèle de langage utilise des outils généralistes pour examiner des fichiers, exécuter des commandes, interroger un registre de backtests et analyser des données. Au lieu de coder en dur…

Apprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce module partagé d’ingénierie des caractéristiques définit des règles de construction et des audits pour les prédicteurs financiers utilisés dans plusieurs études de cas. Il consigne pour chaque famille de caractéristiques son hypothèse, ses entrées, sa…

Indicateurs techniquesStatistiquesApprentissage automatique