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

Cet audit compare plusieurs moteurs de backtesting sur des données historiques communes pour l’allocation de ETF, les contrats à terme CME, les contrats perpétuels crypto avec financement, le marché des changes et les actions US. Chaque paire prise en charge…

BacktestExécution des ordresMulti-actifsContrats à terme
Machine Learning for Trading

Ce notebook passe en revue les méthodes de détection des changements dans une série temporelle financière, en prenant SPY comme exemple. Il oppose le test de Zivot-Andrews, qui estime une rupture tout en testant une hypothèse de racine unitaire, à PELT et à…

ActionsStatistiquesApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce notebook évalue un modèle préentraîné de sentiment financier sur les titres FinMarBa et explique pourquoi le résultat ne constitue pas un test net du transfert de sentiment. FinBERT a été entraîné à partir de jugements humains sur le sentiment d’un texte,…

Apprentissage automatiqueSentiment de marchéActionsStatistiques
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 présente une référence fondée sur l’analyse en composantes principales pour prévoir les rendements des contrats à terme CME. PCA est ajustée sur le panel de rendements des produits du pli d’entraînement ; ses composantes représentent donc les…

Contrats à termeInvestissement factorielStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare des modèles séquentiels sur une grille hebdomadaire pour prévoir le même rendement prospectif à cinq séances que sur une grille quotidienne. L’échantillonnage le vendredi rend cette cible approximativement équivalente à une prévision à un…

ActionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce document décrit comment sélectionner un ensemble figé d’actions pour les backtests de validation et de réserve à l’aide d’une estimation des coûts de trading aller-retour. L’indicateur combine les coûts estimés par action, rapportés au cours moyen, et…

ActionsExécution des ordresMicrostructure des marchésBacktest
Machine Learning for Trading

Cette analyse exploratoire décrit un panel quotidien de fonds négociés en bourse répartis en neuf groupes. Elle vérifie la couverture des symboles au fil du temps, compare le panel au dictionnaire de classification, examine les valeurs manquantes et les…

ActionsConstruction de portefeuilleExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook montre comment entraîner un réseau antagoniste génératif sur des caractéristiques quotidiennes de ETF avec confidentialité différentielle. Il présente la garantie et le budget de confidentialité, puis utilise Opacus pour écrêter le gradient du…

Apprentissage automatiqueStatistiquesActionsGestion des risques
Machine Learning for Trading

Ce notebook applique TabM, un ensemble neuronal à partage de poids, à des cibles de rendement boursier construites à partir de caractéristiques d’options sur actions. Ses membres utilisent une base de réseau commune à deux couches, avec des vecteurs…

ActionsOptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook explique comment construire des variables cibles de rendement de prix prospectif pour un panel de contrats perpétuels crypto à pas de huit heures. Il décale les horodatages d’ouverture des barres jusqu’au moment où les données de la barre…

CryptomonnaiesContrats à terme perpétuelsRetour à la moyenneStatistiques
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 chapitre passe en revue les méthodes de génération de données financières synthétiques et les critères permettant d’en évaluer l’utilité. Il part du nombre limité de trajectoires de marché observées et du risque que des recherches répétées de stratégies…

Apprentissage automatiqueStatistiquesBacktestGestion des risques
Machine Learning for Trading

Cette étude de cas compare des règles de stop fixes et suiveuses déclarées pour des positions FX. Elle sélectionne d’abord une stratégie parente par étiquette dans une cohorte de validation scellée, puis ne fait varier que la règle de risque de position.…

Marché des changesGestion des risquesBacktestDimensionnement des positions
Machine Learning for Trading

Ce notebook applique TabM à un tableau de caractéristiques d’actions US, entre les modèles linéaires pénalisés et les ensembles d’arbres. Chaque membre de l’ensemble partage une base de réseau neuronal, mais possède son propre vecteur de mise à l’échelle et…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook présente un autoencodeur supervisé qui compresse des lignes de caractéristiques de ETF en une représentation de faible dimension et prédit directement les rendements futurs à partir de cette représentation. Contrairement à un autoencodeur…

Multi-actifsApprentissage automatiqueInvestissement factorielStatistiques
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
Machine Learning for Trading

Cette analyse compare des modèles de prédiction ETF enregistrés, issus de plusieurs familles et réunis dans un panel multi-actifs commun. Elle évalue leur capacité à classer les fonds selon leurs rendements ultérieurs à l’aide de coefficients d’information,…

Multi-actifsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Cette analyse applique une analyse en composantes principales fondée sur les corrélations aux rendements de fonds négociés en bourse sectoriels. La standardisation des rendements avant la décomposition donne à chaque secteur une variance unitaire ; les…

ActionsInvestissement factorielStatistiquesConstruction de portefeuille
Machine Learning for Trading

Cet outil calcule des mesures de biais de sélection et d’incertitude de performance pour des groupes de backtests de stratégies. Il forme des cohortes par famille, par étape et étiquette, ainsi qu’au niveau des étiquettes, puis calcule notamment les ratios…

BacktestStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook explique comment analyser les messages historiques du flux IEX DEEP et maintenir un carnet d’ordres à cours limité à partir de mises à jour agrégées par niveau de prix. Il extrait les variations de profondeur, les meilleures offres d’achat et de…

ActionsMicrostructure des marchésExécution des ordresMarchés américains
Machine Learning for Trading

Cette analyse explique comment les données CME sur les contrats à terme sont organisées en produits, contrats à échéance et séries continues avec roulement selon les volumes. Elle utilise les données E-mini S&P 500 pour montrer que les contrats individuels…

Contrats à termeMatières premièresMulti-actifsBacktest