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

Cette analyse compare les effets de traitement enregistrés par des modèles de double apprentissage automatique dans neuf études de cas de trading. Elle charge les résultats actuels du registre de chaque étude, vérifie l’intégrité du registre et les…

StatistiquesApprentissage automatiqueBacktestActions
Machine Learning for Trading

Ce notebook explique comment l’incertitude d’un modèle peut apporter des informations au-delà d’une estimation ponctuelle. Il ajuste un modèle de volatilité stochastique dans lequel le logarithme de la volatilité latente évolue dans le temps et les…

VolatilitéApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook présente un débat en plusieurs tours entre positions haussière et baissière autour d’une prévision de probabilité contestée. Chaque camp argumente à partir de résumés partagés d’agents de recherche, prend connaissance de la position précédente de…

StatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook construit des caractéristiques à partir de modèles ajustés sur des historiques de prix de change, en complément des indicateurs calculés directement à partir des prix passés. Il décrit trois approches : un filtre espace-état qui estime un niveau…

Marché des changesApprentissage automatiqueStatistiquesIndicateurs techniques
Machine Learning for Trading

Ce notebook applique TabM, une architecture neuronale tabulaire qui partage un réseau de caractéristiques à deux couches entre les membres de l’ensemble. Chaque membre met à l’échelle la représentation partagée à l’aide de son propre vecteur appris et…

OptionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook utilise SHAP pour expliquer les prévisions de rendements ETF d’une régression Ridge. Pour un modèle linéaire, les attributions des caractéristiques ont une relation de forme fermée avec les coefficients ajustés et les écarts par rapport aux…

ActionsApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook teste une conception de sortie à deux modèles sur des données horaires perpétuelles de BTC, ETH et SOL. Un classificateur d’entrée repère les rendements futurs exceptionnellement élevés ; sa probabilité prédite est ensuite combinée aux…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueBacktest
Machine Learning for Trading

Cette analyse compare les prédictions de validation de plusieurs familles de modèles appliquées au financement des contrats à terme perpétuels. Elle explique que le coefficient d’information mesure le classement des rendements ultérieurs, que AUC mesure…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette étude de cas applique des arbres de gradient boosting aux variables de microstructure du NASDAQ-100 pour prévoir les rendements et leur direction à plusieurs horizons intrajournaliers. Elle compare les arbres aux modèles linéaires : les arbres peuvent…

Apprentissage automatiqueMicrostructure des marchésActionsStatistiques
Machine Learning for Trading

Ce notebook assemble un système de prévision en quatre étapes : un groupe d’agents de recherche, l’agrégation des probabilités, un débat contradictoire et un superviseur qui repère les désaccords, recherche des éléments permettant de les clarifier et formule…

Apprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook compare la recherche relationnelle déterministe à la recherche par plongements dans un corpus de positions institutionnelles 13F. Il crée un instantané à une date donnée en conservant, pour chaque institution, la dernière position déclarée avant…

Apprentissage automatiqueActionsStatistiquesBacktest
Machine Learning for Trading

Ce notebook montre l’entraînement d’un réseau antagoniste génératif sur des variables ETF conçues avec confidentialité différentielle. Il présente les paramètres de confidentialité epsilon et delta, explique pourquoi DP-SGD écrête le gradient de chaque…

Apprentissage automatiqueStatistiquesGestion des risquesActions
Machine Learning for Trading

Ce notebook applique l’inférence classique des moindres carrés ordinaires aux variables ETF et aux rendements futurs. Il examine les estimations des coefficients, les erreurs types, les statistiques t, les valeurs p et les tests d’hétéroscédasticité,…

ActionsStatistiquesGestion des risquesApprentissage automatique
Machine Learning for Trading

Ce notebook suit des signaux de classement ETF depuis leur formation jusqu’à leur portefeuille et à un backtest simplifié. Des régressions ridge et des classifications logistiques sont entraînées par validation walk-forward, puis comparées à des…

ActionsApprentissage automatiqueBacktestExécution des ordres
Machine Learning for Trading

Ce notebook ajuste PatchTST, un modèle de séquence de type transformeur, comme membre d’un ensemble de modèles défini à l’avance pour la recherche sur les options S&P 500. Il divise une série rétrospective en blocs de longueur fixe, les intègre sous forme de…

OptionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook construit un allocateur LSTM qui transforme directement des séquences de rendements ETF et des variables de volatilité glissante en pondérations de portefeuille exclusivement acheteuses. Une sortie softmax maintient des pondérations non négatives…

Apprentissage automatiqueConstruction de portefeuilleBacktestGestion des risques