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

807 documents

Machine Learning for Trading

Cette configuration définit un workflow de recherche sur une stratégie long-short de contrats à terme perpétuels crypto. Elle précise un univers de 19 actifs sélectionnés selon le volume, des décisions alignées sur les règlements du financement toutes les…

CryptomonnaiesContrats à terme perpétuelsStratégies de portageRetour à la moyenne
Machine Learning for Trading

Cette vue d’ensemble rassemble les données de configuration de neuf études de cas de trading couvrant les actions, les cryptomonnaies, le forex, les contrats à terme, les options et les portefeuilles multi-actifs. Elle compare l’univers, la fréquence des…

Multi-actifsBacktestGestion des risquesExécution des ordres
Machine Learning for Trading

Cette démonstration étend un processus d’ordre unique à un rééquilibrage quotidien pour un univers fixe d’actions américaines à grande capitalisation US. Elle explique comment comparer les positions courantes chez le courtier aux positions cibles du modèle,…

ActionsExécution des ordresGestion des risquesMicrostructure des marchés
Machine Learning for Trading

Cette étude de cas évalue des straddles vendeurs à la monnaie sur les constituants du S&P 500, ouverts chaque semaine et conservés jusqu’à l’échéance avec couverture delta quotidienne. Son principal choix méthodologique consiste à modéliser les rendements à…

OptionsVolatilitéBacktestExécution des ordres
Machine Learning for Trading

Ce notebook décrit comment évaluer des prévisions sur l’échantillon de réserve pour une stratégie FX sélectionnée auparavant. Il réutilise la spécification de backtest enregistrée pour la configuration choisie, en conservant fixes le signal, l’allocation,…

Marché des changesBacktestGestion des risquesDimensionnement des positions
Machine Learning for Trading

Ce notebook évalue l’effet des hypothèses de coûts de transaction sur le Sharpe en validation d’une allocation sélectionnée d’actions et d’options du S&P 500. Lorsque disponible, il reprend la configuration choisie parmi un ensemble de candidats figé, puis…

ActionsOptionsExécution des ordresBacktest
Machine Learning for Trading

Ce notebook étudie l’effet des règles d’allocation sur les stratégies ETF une fois que le modèle a classé les actifs. Il conserve les ensembles de prévisions et le calendrier de rééquilibrage, sélectionne le même panier des k premiers pour chaque comparaison…

ActionsConstruction de portefeuilleDimensionnement des positionsGestion des risques
Machine Learning for Trading

Ce chapitre décrit un parcours de la recherche à l’exécution en réel, fondé sur une logique de stratégie utilisable en backtest, en trading en papier et en trading en réel. Il aborde les intégrations aux courtiers et aux plateformes, les cycles de…

Exécution des ordresGestion des risquesBacktestMicrostructure des marchés
Machine Learning for Trading

Ce notebook montre comment connecter à Alpaca une interface commune de stratégie de momentum ETF, avec une simulation hors ligne disponible par défaut. Il explique comment les adaptateurs de courtier et de données de marché peuvent changer sans modifier la…

ActionsMomentumExécution des ordresGestion des risques
Machine Learning for Trading

Ce chapitre soutient qu’une recherche durable en trading dépend d’un processus discipliné, capable de s’adapter à l’évolution des marchés, aux données probantes bruitées et aux coûts de mise en œuvre. Il distingue les ruptures structurelles, les régimes, la…

Apprentissage automatiqueBacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook applique des règles configurées de stop-loss, de stop suiveur et de sortie temporelle au signal ou à la stratégie d’allocation les mieux classés en validation pour chaque horizon de rendement des contrats à terme. Chaque règle est évaluée…

Contrats à termeStratégies de portageRetour à la moyenneGestion des risques
Machine Learning for Trading

Ce chapitre soutient qu’une discipline de recherche reproductible constitue une source d’avantage en trading plus durable que toute stratégie individuelle. Il présente un processus fondé sur des hypothèses réfutables, une évaluation hors échantillon et des…

Apprentissage automatiqueStatistiquesGestion des risquesFinance décentralisée (DeFi)
Machine Learning for Trading

Ce document présente une analyse de sensibilité aux coûts pour une stratégie de momentum ETF fixe. Il conserve l’univers, les pondérations, le calendrier et le simulateur, tout en relançant le backtest avec différents frais par opération. La courbe obtenue…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce notebook applique une configuration ETF sélectionnée au préalable à sa période de test réservée. Il dérive les prévisions correspondantes pour cette période à partir de l’identité d’entraînement et du point de contrôle sélectionnés, puis utilise les…

ActionsBacktestConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce notebook montre comment une couche d’intermédiation du courtier peut rejeter des ordres dangereux grâce à des limites de taille d’ordre et de position, des plafonds de fréquence d’ordres, des restrictions sur les actifs et un commutateur d’arrêt…

Gestion des risquesDimensionnement des positionsExécution des ordres
Machine Learning for Trading

Cette méthode de génération d’indice crée une série quotidienne de rendements équipondérés à partir des actifs déclarés dans une étude de cas. Elle prend d’abord le dernier cours de clôture de chaque symbole pour chaque séance, calcule ensuite les rendements…

BacktestConstruction de portefeuilleStatistiquesGestion des risques
Machine Learning for Trading

Cette analyse profile un univers fixe de 100 ETF répartis en neuf groupes d’actifs. Elle vérifie la couverture par fonds et par année, confirme que le panel de prix correspond à la configuration des groupes, examine les valeurs nulles et l’ordre OHLC, et…

Multi-actifsStatistiquesGestion des risquesBacktest
Machine Learning for Trading

Ce notebook utilise l’apprentissage automatique double pour tester si l’association entre l’écart de volatilité implicite moins réalisée et les rendements futurs des actions persiste après ajustement pour les facteurs de confusion observés. Il compare…

OptionsActionsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document explique comment évaluer une stratégie choisie sur les données de validation à l’aide de prévisions issues d’un échantillon de réserve distinct de 2021. L’allocation sélectionnée, la concentration, les contrôles du risque, le calendrier de…

ActionsBacktestGestion des risquesConstruction de portefeuille