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 notebook met en place un processus de suivi pour un modèle financier déployé, à partir d’artefacts réels issus de l’échantillon de réserve. Il vérifie que les données de caractéristiques entrantes sont renseignées et structurellement valides avant de…

Apprentissage automatiqueStatistiquesGestion des risquesActions
Machine Learning for Trading

Ce notebook explique comment interpréter les prévisions d’une régression Ridge pour un panel d’ETF avec SHAP. Pour un modèle linéaire, l’attribution de chaque caractéristique correspond à son coefficient multiplié par l’écart entre sa valeur et sa moyenne de…

Apprentissage automatiqueStatistiquesActionsBacktest
Machine Learning for Trading

Ce notebook explique comment un autoencodeur conditionnel étend un modèle de composantes principales instrumentées : un réseau neuronal associe les caractéristiques des actions aux expositions factorielles, tandis que le modèle conserve la même structure,…

ActionsInvestissement factorielApprentissage automatiqueBacktest
Machine Learning for Trading

Cette étude filtre les caractéristiques financières et de volatilité GJR-GARCH en fonction des rendements futurs des actions. Pour chaque séance, elle calcule la corrélation de rang entre les valeurs d’une caractéristique et les rendements ultérieurs pour…

ActionsOptionsStatistiquesApprentissage automatique
Machine Learning for Trading

Cette référence décrit deux corpus d’actualités financières utilisés pour l’analyse du sentiment, le développement de caractéristiques textuelles et les expériences reliant les actualités aux rendements. FNSPID relie les titres aux symboles boursiers et…

ActionsSentiment de marchéApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook illustre la couverture par apprentissage profond d’un call européen vendu à découvert. Il simule les trajectoires du sous-jacent par mouvement brownien géométrique, calcule le delta de Black-Scholes comme référence et entraîne un réseau neuronal…

OptionsApprentissage automatiqueGestion des risquesÉvaluation des dérivés
Machine Learning for Trading

Cette analyse évalue si les signaux retenus dans plusieurs études de cas de trading semblent assez fiables pour un usage ultérieur. Elle compare les coefficients d’information de validation (IC) aux résultats hors échantillon, examine la stabilité et la…

Apprentissage automatiqueStatistiquesBacktestGestion des risques
Machine Learning for Trading

Ce tutoriel passe en revue les variables construites à partir des historiques de prix et de volume des actifs : rendements sur différents horizons, tendances et retournements, plusieurs estimateurs de volatilité, régimes de volatilité, liquidité, risque de…

Indicateurs techniquesMomentumVolatilitéApprentissage automatique
Machine Learning for Trading

Ce notebook explique l’analyse en composantes principales instrumentée (IPCA) pour un panel d’actions doté de variables de surface d’options. Contrairement à l’analyse en composantes principales classique PCA, qui estime les expositions de chaque action à…

ActionsOptionsInvestissement factorielApprentissage automatique
Machine Learning for Trading

Ce document décrit les contrôles de registre permettant de décider s’il faut réutiliser ou relancer l’entraînement d’un modèle et des backtests. Les exécutions sont identifiées par des empreintes calculées à partir de leurs spécifications ; une exécution…

BacktestApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook montre comment ajuster un transformeur pour reconnaître les entités financières nommées et convertir des segments de texte en champs structurés pour les organisations, les personnes, les montants, les dates et les pourcentages. Il présente les…

Apprentissage automatiqueStatistiquesSentiment de marchéActions
Machine Learning for Trading

Ce notebook étudie le boosting de gradient pour prévoir transversalement les rendements des contrats à terme CME. Il fait varier la capacité des arbres au moyen de profils de nombre de feuilles et compare les objectifs d’erreur quadratique, d’erreur absolue…

Contrats à termeMatières premièresApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook ajoute un réseau convolutif temporel (TCN) à une comparaison de modèles séquentiels pour prévoir les primes de financement des contrats perpétuels de cryptomonnaies. Le remplissage causal garantit que chaque position n’utilise que les…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook compare quatre méthodes d’extraction de passages dans un corpus de textes de déclarations d’entreprises : BM25, les plongements denses, la fusion réciproque des rangs (RRF) et un reclasseur à encodeur croisé. RRF combine des listes classées…

Apprentissage automatiqueStatistiquesActionsMarchés américains
Machine Learning for Trading

Ce document présente une architecture de prévision de bout en bout qui associe un panel de recherche, une prévision agrégée, un débat contradictoire et un superviseur. Le superviseur repère les désaccords, recherche des éléments permettant de les clarifier…

Apprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Cette étude évalue des signaux transversaux quotidiens sur un vaste univers d’actions US et décrit un long processus de recherche, des données disponibles à la date considérée et des variables construites jusqu’à la comparaison des modèles, la construction…

ActionsApprentissage automatiqueMomentumRetour à la moyenne
Machine Learning for Trading

Ce notebook organise des comparaisons entre études de cas de modèles LightGBM, avec des modèles linéaires et TabM comme familles de référence lorsqu’ils sont disponibles. Il évalue les configurations selon la taille des arbres, les pertes de régression, les…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce document décrit un environnement Gymnasium pour entraîner un agent à liquider une position sur un horizon fixe. L’observation combine l’inventaire restant et le temps avec le spread, la profondeur du marché, la volatilité et un régime normal ou tendu. Une…

Apprentissage automatiqueExécution des ordresMicrostructure des marchésVolatilité
Machine Learning for Trading

Ce notebook compare LightGBM à un MLP, à TabM et, lorsqu’il est disponible, à TabPFN pour prévoir les rendements futurs ETF à partir de caractéristiques tabulaires. Les modèles sont évalués sur les mêmes plis chronologiques walk-forward, en utilisant le…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare les moindres carrés ordinaires à Ridge, LASSO et Elastic Net pour prévoir les rendements futurs à 21 jours des ETF. Les modèles utilisent les mêmes plis walk-forward définis, avec une période de purge correspondant à l’horizon des…

ActionsApprentissage automatiqueStatistiquesBacktest