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

1,447 documents

Machine Learning for Trading

Ce notebook estime si la part du volume signé initié par les acheteurs est associée aux rendements des 15 prochaines minutes, après prise en compte du spread relatif, de la volatilité réalisée récente et du rendement mensuel antérieur. L’apprentissage…

ActionsMicrostructure des marchésApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook compare des modèles prédictifs qui classent les actions NASDAQ-100 selon leur rendement des 15 prochaines minutes, à partir d’informations intrajournalières de microstructure telles que les écarts acheteur-vendeur, le déséquilibre de profondeur,…

ActionsApprentissage automatiqueStatistiquesMicrostructure des marchés
Machine Learning for Trading

Ce notebook produit des prédictions pour une fenêtre de réserve ETF jusque-là inexplorée, à l’aide de la configuration choisie sur les données de validation. Il reconstruit la spécification d’entraînement pour qu’elle se termine un horizon d’étiquette avant…

BacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook développe la valorisation Black-Scholes des options d’achat et de vente européennes, vérifie la parité put-call et calcule la volatilité implicite par recherche de racine de Brent. Il définit également Delta, Gamma, Vega, Theta et Rho, et utilise…

OptionsÉvaluation des dérivésVolatilitéGestion des risques
Machine Learning for Trading

Ce notebook décrit un transformer par blocs pour la prévision séquentielle dans une étude sur les actions et options du S&P 500. Il divise une fenêtre temporelle en blocs contigus et représente chaque bloc par un jeton, permettant à l’attention de comparer…

ActionsOptionsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook de caractéristiques ETF explique comment des modèles statistiques ajustés peuvent laisser fuiter des informations futures par leurs paramètres estimés, même lorsque leurs formules n’utilisent que des observations passées. La solution consiste à…

ActionsApprentissage automatiqueStatistiquesVolatilité
Machine Learning for Trading

Ce notebook étudie le gradient boosting sur un panel d’actions US, en faisant varier la capacité des arbres, la fonction objectif et le point de contrôle d’entraînement sur trois horizons de rendements futurs. Il explique comment des arbres peu profonds…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Cette étude de cas explique comment produire des prévisions pour une période de réserve après avoir fait des choix de modèle et de stratégie à partir des données de validation. Elle récupère la configuration précédemment sélectionnée, reconstitue sa…

ActionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook présente EdgarTools pour explorer les déclarations SEC par entreprise et type de déclaration. Il montre comment rechercher des émetteurs à l’aide d’identifiants CIK stables, récupérer des rapports annuels et trimestriels, extraire des états…

ActionsMarchés américainsBacktestStatistiques
Machine Learning for Trading

Ce notebook décrit un modèle séquentiel LSTM destiné à prévoir les rendements boursiers à partir de fenêtres ordonnées de caractéristiques récentes. Chaque exemple utilise 60 séances consécutives pour une action ; les fenêtres qui traversent des…

ActionsApprentissage automatiqueStatistiquesMarchés américains
Machine Learning for Trading

Ce notebook synthétise les résultats de validation enregistrés pour cinq estimateurs à facteurs latents — PCA, IPCA, CAE, SDF et SAE — sur neuf études de cas. Il indique d’abord quels estimateurs ont des résultats dans chaque panel, puis identifie le…

Investissement factorielApprentissage automatiqueStatistiquesActions
Machine Learning for Trading

Ce notebook applique TabM, un ensemble neuronal à partage de poids, à un panel d’actions US représenté par une ligne de caractéristiques pour chaque action et séance. Un tronc commun à deux couches alimente plusieurs membres, chacun doté de son propre…

ActionsApprentissage automatiqueBacktestStatistiques