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 notebook évalue les contrôles de sécurité d’un système de questions-réponses sur des documents financiers, à l’aide de six cas rédigés manuellement. Ces cas représentent l’injection indirecte de prompt, les données fabriquées dans des contenus non…

Apprentissage automatiqueGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook présente un panel publié pour la recherche en apprentissage automatique sur les actions US. Il contient des observations mensuelles avec 46 caractéristiques d’entreprises et les rendements excédentaires du mois suivant, sur plusieurs décennies.…

ActionsInvestissement factorielStatistiquesApprentissage automatique
Machine Learning for Trading

Ce chapitre explique comment créer et utiliser des graphes de connaissances financières lorsque les questions dépendent de relations telles que la propriété, les chaînes d’approvisionnement ou la contagion. Il traite de l’identité des entités, des schémas de…

Apprentissage automatiqueActionsMarchés américainsConstruction de portefeuille
Machine Learning for Trading

Ce notebook compare deux architectures Transformer pour prévoir les rendements des ETF sur 21 jours à partir de huit caractéristiques de momentum rétrospectif. PatchTST regroupe les jours consécutifs en segments, ce qui réduit le nombre de jetons d’attention…

Apprentissage automatiqueMomentumActionsStatistiques
Machine Learning for Trading

Ce notebook analyse un portefeuille d’ETF actions à l’aide de régressions CAPM CAPM et de facteurs Fama-French, puis étend l’analyse aux expositions glissantes, à l’attribution des rendements et à la dépendance résiduelle. Il utilise des rendements…

ActionsInvestissement factorielConstruction de portefeuilleStatistiques
Machine Learning for Trading

Ce notebook évalue si des données FX au comptant en barres de quatre heures peuvent étayer une stratégie transversale quotidienne qui classe les paires de devises selon le momentum et le carry, achète les plus fortes et vend les plus faibles. Il n’ajuste pas…

Marché des changesMomentumStratégies de portageStatistiques
Machine Learning for Trading

Cette démonstration exécute une stratégie de croisement de deux moyennes mobiles dans un moteur de backtest historique et dans un moteur en réel qui rejoue les mêmes barres quotidiennes ETF. La stratégie, les entrées, les paramètres et la convention…

ActionsIndicateurs techniquesBacktestExécution des ordres
Machine Learning for Trading

Ce notebook compare l’erreur quadratique, l’erreur absolue et la perte de Huber pour des modèles de gradient boosting prédisant les rendements de straddles vendeurs à la monnaie. La cible présente un gain plafonné et des pertes potentiellement sévères ; la…

OptionsVolatilitéApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook transforme des données horaires de contrats futures continus en barres quotidiennes OHLCV alignées sur les séances Globex de CME. Il attribue les horodatages à la séance se terminant à 4 PM, heure du Centre. Ainsi, les transactions du dimanche…

Contrats à termeBacktestMicrostructure des marchés
Machine Learning for Trading

Ce notebook présente un modèle de facteur d’actualisation stochastique (SDF) pour valoriser la coupe transversale des rendements des entreprises US. Il apprend des pondérations qui rendent les rendements actualisés des actifs conformes aux conditions de…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
Machine Learning for Trading

Cet adaptateur de modèle applique PatchTST, une architecture Transformer pour la prévision de séries temporelles à long horizon, à la régression scalaire. Il accepte des séquences organisées par temps et caractéristique, les réorganise pour le modèle de base…

Apprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document décrit une étude d’ablation visant à déterminer si des embeddings de graphe appris améliorent les prévisions de rendements boursiers au-delà des caractéristiques tabulaires classiques. Il construit un réseau à partir des corrélations historiques…

ActionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Cette configuration décrit une stratégie quotidienne long-short sur 20 paires FX. Elle définit une heure de décision à la clôture de New York, une exécution à la barre suivante, une pondération égale et des signaux de classement fondés sur le momentum ou le…

Marché des changesMomentumStratégies de portageRetour à la moyenne
Machine Learning for Trading

Ce document décrit un outil de production de comparaisons de performance appariées entre les étapes de sélection d’une stratégie. Il compare les sélections de signaux à des références équipondérées, les sélections sur échantillons de réserve à celles sur…

StatistiquesBacktestGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook compare le bagging par Random Forest à XGBoost, LightGBM et CatBoost pour prédire les rendements boursiers à partir de caractéristiques d’entreprises anonymisées. Il utilise des découpages chronologiques prédéfinis en ensembles d’entraînement, de…

Apprentissage automatiqueActionsStatistiquesInvestissement factoriel
Machine Learning for Trading

Ce notebook présente l’exécution d’un ordre parent comme un problème de contrôle à horizon fini. Un agent Q-learning tabulaire choisit un multiplicateur du rythme de transaction fondé sur VWAP, en fonction du temps restant, de l’inventaire restant et des…

Exécution des ordresApprentissage automatiqueMicrostructure des marchésGestion des risques
Machine Learning for Trading

Ce notebook utilise des caractéristiques ETF et des rendements futurs pour illustrer l’inférence classique par moindres carrés ordinaires avant de passer aux méthodes axées sur la prévision. Il examine les tests de coefficients et les erreurs types, puis…

ActionsStatistiquesApprentissage automatiqueGestion des risques
Machine Learning for Trading

Cette étude examine si le mauvais ajustement d’un modèle linéaire aux rendements mensuels des actions US vient de son objectif d’erreur quadratique. Elle maintient fixes la cible de rendements futurs non winsorisée, les caractéristiques et les plis…

ActionsMarchés américainsApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette référence décrit deux sources publiques de déclarations SEC pour étudier les positions sur actions et l’activité des initiés. Les rapports trimestriels 13F fournissent les positions institutionnelles, soit pour un ensemble sélectionné de gestionnaires,…

ActionsMarchés américainsConstruction de portefeuilleStratégies événementielles