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

176 documents

Machine Learning for Trading

Ce notebook construit un panel quotidien de caractéristiques pour une stratégie de classement long-short sur vingt paires FX. Il agrège les barres spot de quatre heures en séances se terminant au rollover de New York à 5 PM, puis construit des…

Marché des changesMarchés au comptantRetour à la moyenneMomentum
Machine Learning for Trading

Cette étude des caractéristiques d’actions US explique comment générer des caractéristiques à partir de modèles estimés sans introduire de données futures dans les observations antérieures. Le calendrier d’estimation prévoit une période de préchauffage…

ActionsVolatilitéIndicateurs techniquesStatistiques
Machine Learning for Trading

Ce notebook développe une matrice de caractéristiques financières pour une hypothèse de momentum multi-actifs sur ETF : les actifs ayant une performance relative plus forte pourraient continuer à surperformer le mois suivant. Elle combine les rendements…

Multi-actifsMomentumIndicateurs techniquesStatistiques
Machine Learning for Trading

Ce document explique comment construire et examiner une matrice de caractéristiques pour une hypothèse transversale de momentum et de rotation ETF. Il définit la période rétrospective et le décalage d’information de chaque caractéristique, puis construit les…

ActionsMulti-actifsMomentumIndicateurs techniques
Machine Learning for Trading

Ce notebook construit des caractéristiques dérivées des prix pour un large panel d’actions US, notamment le momentum, les moyennes mobiles et les mesures de volatilité. Il vise à classer les actions entre elles, à l’aide d’un filtre de négociabilité, de…

ActionsMomentumIndicateurs techniquesStatistiques
Machine Learning for Trading

Ce notebook construit des caractéristiques à la minute à partir des cotations et transactions NASDAQ-100 afin d’étudier la pression sur les prix à court terme. Il considère le déséquilibre normalisé des flux d’ordres comme principal candidat de signal et…

ActionsMicrostructure des marchésExécution des ordresIndicateurs techniques
Machine Learning for Trading

Cette étude de cas construit des caractéristiques à la minute à partir de données de cotation et de transaction NASDAQ-100, afin d’examiner si les achats ou ventes agressifs récents prédisent une dérive des prix à court terme. Le déséquilibre du flux…

ActionsMicrostructure des marchésMomentumIndicateurs techniques
Machine Learning for Trading

Ce notebook construit plusieurs méthodes d’échantillonnage à partir d’une journée de transactions NASDAQ ITCH sur une action : barres temporelles, en ticks, en volume, en dollars, de déséquilibre et de séquence. Il compare leurs propriétés statistiques,…

ActionsMicrostructure des marchésStatistiquesExécution des ordres
Machine Learning for Trading

Ce module partagé d’ingénierie des caractéristiques définit des règles de construction et des audits pour les prédicteurs financiers utilisés dans plusieurs études de cas. Il consigne pour chaque famille de caractéristiques son hypothèse, ses entrées, sa…

Indicateurs techniquesStatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook présente une méthode de rapport pour une stratégie de retour à la moyenne du RSI, acheteuse uniquement, sur BTC. Il compare les performances brutes et nettes, puis évalue la stratégie face à une stratégie d’achat-conservation en utilisant les…

CryptomonnaiesRetour à la moyenneIndicateurs techniquesBacktest
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 présente les signatures de chemins comme des caractéristiques de longueur fixe qui préservent l’ordre et la géométrie conjointe des observations dans une fenêtre de série temporelle. Le premier niveau enregistre la variation totale de chaque…

ActionsIndicateurs techniquesApprentissage automatiqueStatistiques
Machine Learning for Trading

Le document présente un processus VectorBT pour une règle de retour à la moyenne sur Bitcoin, en position acheteuse uniquement, fondée sur le RSI. Il calcule le RSI à partir des cours de clôture quotidiens, entre lorsque la valeur de la veille passe sous un…

CryptomonnaiesRetour à la moyenneIndicateurs techniquesBacktest
Machine Learning for Trading

Ce notebook met en œuvre une règle de réversion à la moyenne RSI acheteuse uniquement sur des contrats perpétuels BTC/USDT, avec un moteur de backtesting événementiel. Il agrège les barres intrajournalières en données quotidiennes OHLCV selon le fuseau UTC,…

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

Ce notebook compare trois façons de convertir des prévisions de rendement signées en positions binaires : un seuil fixe à zéro, un percentile glissant des scores propres à chaque symbole et un percentile transversal entre symboles. Il mesure l’activation des…

Apprentissage automatiqueIndicateurs techniquesCryptomonnaiesActions
Machine Learning for Trading

Ce document élabore un panel quotidien de caractéristiques pour classer vingt paires de devises à la clôture de New York, à 5 PM. Il distingue les signaux pouvant être classés, tels que les rendements standardisés sur plusieurs horizons et la position dans…

Marché des changesRetour à la moyenneMomentumVolatilité
Machine Learning for Trading

Ce notebook présente un processus qui relie le chargement standardisé des données ETF, un registre de caractéristiques et des diagnostics de signaux. Il montre comment consulter les métadonnées des indicateurs, calculer des caractéristiques avec les…

ActionsIndicateurs techniquesMomentumStatistiques
Machine Learning for Trading

Ce notebook compare plusieurs méthodes de mesure de la volatilité et développe des modèles de volatilité autorégressifs hétérogènes (HAR) ainsi qu’une analyse de la rugosité. Il utilise les rendements intrajournaliers pour estimer la variance réalisée de la…

VolatilitéStatistiquesIndicateurs techniquesActions
Machine Learning for Trading

Le document présente un processus reliant des chargeurs standardisés de données de marché, un registre de caractéristiques préconstruites et des diagnostics de signaux. Le calcul des caractéristiques peut être spécifié par des noms, des dictionnaires de…

Indicateurs techniquesApprentissage automatiqueStatistiquesActions