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

934 documents

Machine Learning for Trading

Ce notebook construit des indicateurs à partir de données NASDAQ-100 à la minute en utilisant trois méthodes : une régression autorégressive hétérogène glissante pour prévoir la variance à court terme, une transformée de Fourier pour décrire la structure…

ActionsVolatilitéApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette analyse utilise des messages NASDAQ TotalView-ITCH pour décrire l’activité de la place boursière et créer un tableau de transactions relié au symbole, au côté et aux caractéristiques de l’ordre. Elle compte les types de messages, compare le trading aux…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Le document explique comment l’apprentissage automatique double (DML) estime si la part du volume initiée par les acheteurs affecte les rendements futurs après prise en compte du spread, de la volatilité à court terme et des rendements antérieurs. Il élimine…

ActionsMicrostructure des marchésStatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook transforme des backtests enregistrés de microstructure NASDAQ-100 en une évaluation de stratégies, sans entraîner de modèles ni relancer de backtests. Il lit les métriques et la filiation depuis le registre, construit au besoin des tableaux…

ActionsMicrostructure des marchésBacktestStatistiques
Machine Learning for Trading

Ce notebook vous apprend à décoder les données message par ordre NASDAQ TotalView-ITCH depuis leur format binaire en enregistrements structurés. Il explique le cadrage des messages et les structures propres à chaque type, montre comment dépaqueter les champs…

ActionsMicrostructure des marchésTrading haute fréquenceExécution des ordres
Machine Learning for Trading

Ce notebook applique une stratégie mensuelle de momentum ETF et de régime de courbe des taux de deux façons : par calcul vectorisé des rendements et par simulation séquentielle d’un compte. Les deux approches utilisent les mêmes pondérations cibles, actifs,…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce notebook décrit l’ajustement d’un réseau à mémoire à long et court terme à des caractéristiques de microstructure NASDAQ-100 à la minute, afin de prévoir les rendements futurs à plusieurs horizons. Le modèle traite une séquence passée étape par étape et…

Apprentissage automatiqueActionsTrading haute fréquenceBacktest
Machine Learning for Trading

Ce notebook présente une méthode pour acquérir et maintenir des séries temporelles financières avec un gestionnaire unifié, des univers de symboles prédéfinis ou personnalisés et un stockage Parquet partitionné. Il couvre la récupération d’un seul symbole ou…

Multi-actifsActionsBacktestExécution des ordres
Machine Learning for Trading

Ce document décrit l’architecture d’un réseau neuronal de décision qui transforme des séries temporelles par actif et leur contexte en pondérations de risque de portefeuille bornées. Son architecture de base, appliquée à chaque actif, associe des…

Apprentissage automatiqueConstruction de portefeuilleGestion des risquesActions
Machine Learning for Trading

Ce notebook compare des méthodes de dimensionnement de portefeuille pour les configurations de signaux actions S&P 500. Il sélectionne d’abord, pour chaque configuration, le point de contrôle le plus performant couvrant toutes les observations prévues selon…

ActionsConstruction de portefeuilleDimensionnement des positionsBacktest
Machine Learning for Trading

Ce notebook décrit l’étape de prévision sur le holdout d’une étude US sur les caractéristiques des entreprises. Il reprend la configuration de modèle sélectionnée à partir des résultats de validation, reconstitue sa spécification d’entraînement et son point…

ActionsMarchés américainsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook compare les recherches d’hyperparamètres Optuna pour XGBoost, LightGBM et CatBoost sur un jeu de données de caractéristiques d’entreprise. Chaque bibliothèque reçoit sa propre étude de recherche, utilisant un estimateur de Parzen à structure…

Apprentissage automatiqueActionsStatistiquesBacktest
Machine Learning for Trading

Cette analyse reconstitue les ordres à cours limité individuels NASDAQ à partir des messages ITCH d’ajout, de suppression, d’annulation partielle, de remplacement et d’exécution. Elle mesure si les ordres sont annulés ou exécutés, ainsi que le temps…

ActionsMicrostructure des marchésExécution des ordresTrading haute fréquence
Machine Learning for Trading

Cette analyse exploratoire décrit un panel historique d’actions US, explique ses champs de prix bruts et ajustés et examine l’évolution de la couverture des symboles. Elle compare le nombre annuel de symboles actifs aux premières et dernières observations,…

ActionsMarchés américainsBacktestStatistiques