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

108 documents

Machine Learning for Trading

Ce notebook estime si le z-score de la prime des contrats perpétuels crypto est associé aux rendements ultérieurs sur huit heures dans le cadre d’une intervention, en tenant compte de la volatilité des prix, du taux de financement et de l’écart de la prime à…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook compare DQN, PPO et A2C dans un environnement simulé de trading de cryptomonnaies. Il calibre un processus de volatilité GARCH(1,1) à partir des rendements horaires des contrats à terme perpétuels Bitcoin, puis simule des trajectoires qui…

Apprentissage automatiqueCryptomonnaiesContrats à terme perpétuelsBacktest
Machine Learning for Trading

Ce module définit un environnement de simulation à date connue pour exécuter un ordre de vente important sur des contrats à terme perpétuels crypto. Ses observations combinent l’inventaire restant et le temps avec la volatilité du marché, l’indice de prime,…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Ce document décrit un processus de téléchargement des données officielles de financement des contrats perpétuels Binance USD-M, de leur normalisation et de leur mise en cache dans un fichier en colonnes. Les archives mensuelles sont récupérées simultanément…

CryptomonnaiesContrats à terme perpétuelsÉvaluation des dérivésBacktest
Machine Learning for Trading

Cette analyse sélectionne une configuration dans un ensemble figé de candidats sur contrats à terme perpétuels crypto, couvrant quatre étiquettes de prévision et plusieurs étapes de stratégie. Elle retient le meilleur Sharpe de validation et considère les…

CryptomonnaiesContrats à terme perpétuelsStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare des configurations de boosting de gradient pour les contrats à terme perpétuels crypto à l’aide de caractéristiques fondées sur la prime des contrats perpétuels par rapport au marché au comptant. Il fait varier la capacité des arbres et…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook développe des caractéristiques fondées sur des modèles pour les contrats à terme perpétuels crypto : des prévisions de volatilité conditionnelle par actif issues de GJR-GARCH et une probabilité de régime de tension à l’échelle du marché, obtenue…

CryptomonnaiesContrats à terme perpétuelsVolatilitéApprentissage automatique
Machine Learning for Trading

Cette étude de cas présente un processus de recherche sur les contrats à terme perpétuels crypto, en considérant les paiements de financement échangés entre positions longues et courtes lors de règlements réguliers comme une source potentielle de rendement.…

CryptomonnaiesContrats à terme perpétuelsContrats à termeApprentissage automatique
Machine Learning for Trading

Cette démonstration présente une boucle de trading crypto en fonctionnement continu, connectée au marché au comptant en USD d’Alpaca. Elle associe l’univers d’une étude de cas sur les contrats à terme perpétuels aux paires au comptant prises en charge par la…

CryptomonnaiesMarchés au comptantContrats à terme perpétuelsMomentum
Machine Learning for Trading

Ce carnet présente la surveillance de la dérive des covariables pour les variables de momentum des ETF ETF et les contrats à terme perpétuels crypto, sur des fenêtres de marché contrastées. Il compare l’indice de stabilité de population, qui mesure les…

Apprentissage automatiqueStatistiquesGestion des risquesCryptomonnaies
Machine Learning for Trading

Ce notebook développe une tâche simulée de création de marché dans laquelle un agent PPO choisit le biais des cotations et la largeur du spread. La probabilité d’exécution diminue à mesure que les cotations s’éloignent du prix médian, tandis que le…

Tenue de marchéApprentissage automatiqueExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Ce notebook présente le backtesting vectorisé avec VectorBT à travers une règle de retour à la moyenne RSI en position acheteuse uniquement, appliquée aux données du marché des contrats perpétuels sur Bitcoin. Il calcule un RSI fondé sur le cours de clôture,…

CryptomonnaiesContrats à terme perpétuelsRetour à la moyenneIndicateurs techniques
Machine Learning for Trading

Ce notebook compare six méthodes d’allocation appliquées à des stratégies sur contrats perpétuels crypto ayant déjà franchi un processus de sélection de référence. Il garde fixes les prédictions et les règles d’entrée de chaque stratégie, puis modifie la…

CryptomonnaiesContrats à terme perpétuelsDimensionnement des positionsConstruction de portefeuille
Machine Learning for Trading

Ce notebook ajoute un réseau convolutif temporel (TCN) à une comparaison de modèles séquentiels pour prévoir les primes de financement des contrats perpétuels de cryptomonnaies. Le remplissage causal garantit que chaque position n’utilise que les…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce module estime les paramètres de marchés crypto simulés utilisés dans des environnements d’apprentissage par renforcement. Il charge les données horaires d’un marché perpétuel pour un symbole donné, calcule les rendements logarithmiques de clôture à…

CryptomonnaiesContrats à terme perpétuelsVolatilitéMicrostructure des marchés
Machine Learning for Trading

Ce notebook étudie si une prime extrême sur les contrats à terme perpétuels affecte les rendements ultérieurs du BTC ou le retour de la prime à la moyenne. Il définit le traitement comme un état de prime élevée et compare un résultat de marché général,…

CryptomonnaiesContrats à terme perpétuelsArbitrageStatistiques
Machine Learning for Trading

Ce notebook explique comment transformer GJR-GARCH ajusté et des modèles de Markov cachés en caractéristiques de trading tout en contrôlant le biais d’anticipation. GJR-GARCH estime la volatilité conditionnelle et capte l’impact plus marqué des chocs de…

CryptomonnaiesContrats à terme perpétuelsVolatilitéApprentissage automatique
Machine Learning for Trading

Ce notebook compare deux questions causales sur les primes extrêmes des contrats à terme perpétuels sur Bitcoin : un état de prime prédit-il les rendements futurs, et prédit-il le retour ultérieur de la prime à sa moyenne ? Le traitement est un indicateur…

CryptomonnaiesContrats à terme perpétuelsStatistiquesMicrostructure des marchés