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

240 documents

Machine Learning for Trading

Ce notebook présente un processus opérationnel pour connecter une stratégie partagée de backtest et de trading en réel à une session de trading en papier Interactive Brokers. Il vérifie l’identité et l’état du compte, demande des barres historiques pour…

ActionsMomentumExécution des ordresGestion des risques
Machine Learning for Trading

Cette revue de chapitre décrit une démarche fondée sur des hypothèses pour définir des stratégies de trading avant le backtest. Elle relie les hypothèses documentées sur les données et une configuration immuable à l’analyse exploratoire, aux études…

MomentumRetour à la moyenneStatistiquesBacktest
Machine Learning for Trading

Ce notebook explique l’effet des spécifications des contrats à terme sur la comptabilisation d’un backtest. Il montre comment le multiplicateur du contrat convertit les variations de prix en pertes et profits en dollars, comment le prix multiplié par le…

Contrats à termeMatières premièresMomentumDimensionnement des positions
Machine Learning for Trading

Ce notebook définit des labels de rendement futur des prix pour un panel fixe de contrats perpétuels crypto et explique comment leur construction influe sur chaque modèle et backtest ultérieur. Il décale les horodatages d’ouverture des barres au moment où…

CryptomonnaiesContrats à terme perpétuelsBacktestStatistiques
Machine Learning for Trading

Ce notebook montre qu’un ordre d’un montant fixe peut entraîner des coûts très différents selon les actions, car sa taille relative au volume de transactions disponible compte. Il applique un modèle d’impact de marché en racine carrée à une stratégie…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Cette étude de cas évalue les signaux quotidiens de momentum et de carry dans un univers restreint et corrélé de paires de devises au comptant G10. Le processus va des contrôles de faisabilité et des labels de rendements futurs aux caractéristiques conçues…

Marché des changesMomentumStratégies de portageBacktest
Machine Learning for Trading

Ce document décrit la création d’une matrice de facteurs transversaux pour les actions du S&P 500, en combinant des historiques de cours ajustés et des surfaces résumées de volatilité implicite des options. Il classe les facteurs par rôle, donnée d’entrée,…

ActionsOptionsVolatilitéMomentum
Machine Learning for Trading

Ce notebook explique comment un réseau convolutif temporel (TCN) peut prévoir les rendements à partir de données financières ordonnées. Les convolutions causales garantissent qu’une sortie à un instant donné ne dépend que des entrées actuelles et…

Apprentissage automatiqueActionsMomentumStatistiques
Machine Learning for Trading

Ce notebook explique comment construire des rendements spot futurs sur une, cinq et 21 séances pour un univers fixe de paires FX. Il commence par répartir les barres de quatre heures en séances de trading à l’aide d’un calendrier de rollover de New York,…

Marché des changesMarchés au comptantMomentumRetour à la moyenne
Machine Learning for Trading

Ce notebook compare des rééquilibrages quotidiens, hebdomadaires, bimensuels et mensuels pour un portefeuille de momentum classé en tête, construit à partir d’un univers fixe de ETF. Il mesure la rotation du portefeuille et la performance brute ajustée du…

ActionsMomentumExécution des ordresBacktest
Machine Learning for Trading

Ce document de configuration définit un pipeline hebdomadaire de recherche sur les actions du S&P 500, qui associe les caractéristiques du marché des options à des signaux fondés sur les prix. Il précise l’univers admissible, le calendrier des décisions et…

OptionsActionsVolatilitéMomentum
Machine Learning for Trading

Ce document présente un modèle pédagogique d’espace d’états sélectif de type Mamba pour prédire les rendements de ETF à partir de séquences de caractéristiques de momentum. Contrairement aux mécanismes d’attention et au mélange temporel dense, un modèle…

Apprentissage automatiqueStatistiquesMomentumActions
Machine Learning for Trading

Ce notebook étudie comment l’impact de marché modifie les résultats de backtest d’une stratégie de momentum sur des actions de liquidité différente. Il maintient constants la taille des ordres et la stratégie, estime la liquidité et la volatilité sur une…

ActionsMomentumMicrostructure des marchésBacktest
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 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 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 tutoriel construit un simulateur mensuel de rotation des ETF à partir d’un classement de momentum ajusté du risque sur période glissante et d’un filtre de régime fondé sur la courbe des taux des bons du Trésor. À la fin de chaque mois, la règle classe dix…

BacktestMomentumConstruction de portefeuilleExécution des ordres
Machine Learning for Trading

Ce notebook explique un modèle pédagogique d’espace d’état sélectif fondé sur Mamba et l’évalue pour la prévision des rendements de ETF. Contrairement à un modèle d’espace d’état à paramètres fixes, il déduit le terme entrée-vers-état, le terme…

ActionsApprentissage automatiqueMomentumBacktest
Machine Learning for Trading

Cette note décrit une analyse d’apprentissage automatique double à fenêtre croissante visant à déterminer si le momentum sur 12 à -2 mois prédit les rendements des entreprises US le mois suivant, après prise en compte de Beta, IdioVol, LME et Variance. Les…

ActionsMomentumApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette note sur les données décrit une collection diversifiée de fonds négociés en bourse utilisée dans une stratégie de momentum et dans une série plus large d’exemples de recherche financière. Elle fournit des observations quotidiennes d’ouverture, de plus…

Multi-actifsActionsTitres à revenu fixeMatières premières
Machine Learning for Trading

Ce notebook ajuste des modèles ridge, lasso et elastic net à un large ensemble de caractéristiques établies des actions US, dont la valeur, la rentabilité, l’investissement, le momentum, la taille, le risque et la liquidité. Il évalue les rendements mensuels…

ActionsInvestissement factorielMomentumApprentissage automatique