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

Ce document décrit les principes d’implémentation d’un moteur de backtest commun et explique comment interpréter correctement les grilles de rendements pour annualiser la performance. Il estime la fréquence d’échantillonnage observée à partir des intervalles…

BacktestGestion des risquesStatistiquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook compare les allocations à pondération égale, pondérées par score positif et par largeur conforme pour des ETF et des contrats à terme CME parmi les mieux classés. Il estime les largeurs d’intervalles conformes par entité à partir des résidus de…

ActionsContrats à termeDimensionnement des positionsGestion des risques
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 présente un autoencodeur supervisé comme modèle de contrôle pour les modèles à facteurs latents conditionnels. Il relie directement les caractéristiques des entreprises aux rendements futurs tout en comprimant 57 entrées dans un goulot…

ActionsApprentissage automatiqueInvestissement factorielStatistiques
Machine Learning for Trading

Ce notebook explique comment les divisions d’actions et les dividendes en espèces perturbent les séries historiques de prix bruts et faussent les rendements calculés. Il présente l’ajustement rétrospectif, qui remet à l’échelle les cours historiques en…

ActionsMarchés américainsBacktestStatistiques
Machine Learning for Trading

Cette étude NASDAQ-100 examine l’effet des coûts de transaction sur une stratégie actions fréquemment rééquilibrée. Elle distingue deux réponses possibles aux coûts : limiter l’univers négocié aux titres plus liquides et moins coûteux, et réduire la…

ActionsMarchés américainsExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Cette expérience combine les prédictions de validation d’un modèle d’arbres à gradient boosté, d’un réseau neuronal tabulaire et d’un modèle à facteurs latents pour le classement mensuel des ETF. Elle standardise d’abord les prédictions transversalement à…

Multi-actifsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce document présente des méthodes communes pour générer des caractéristiques issues de modèles ajustés sans utiliser d’observations futures. Pour les modèles de Markov cachés, il distingue les probabilités d’état filtrées, fondées sur les observations…

Apprentissage automatiqueVolatilitéStatistiquesBacktest
Machine Learning for Trading

Ce document décrit une méthode walk-forward qui transforme les résidus de prédiction en largeurs d’incertitude par entité, utilisées pour dimensionner les positions. À chaque instant de décision, le calibrage utilise les résidus dont les résultats sont déjà…

Dimensionnement des positionsGestion des risquesStatistiquesBacktest
Machine Learning for Trading

Cette étude de cas sélectionne une configuration dans un ensemble figé de stratégies crypto sur contrats à terme perpétuels, couvrant plusieurs étiquettes de rendement et de direction, méthodes de dimensionnement de portefeuille et ajustements du risque.…

CryptomonnaiesContrats à terme perpétuelsBacktestStatistiques
Machine Learning for Trading

Ce guide présente les bases publiques de rendements factoriels de la Ken French Data Library et de AQR, notamment les facteurs de marché, de taille, de valeur, de rentabilité, d’investissement, de momentum, de qualité et de bêta faible. Il explique comment…

Investissement factorielStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook utilise le double apprentissage automatique pour estimer si les écarts de prime des contrats à terme perpétuels sont liés aux rendements ultérieurs sur huit heures, et si cette relation estimée diffère entre les marchés à forte et à faible…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook présente PCMCI comme une méthode pour découvrir des relations décalées dans des séries temporelles financières multivariées, sans définir au préalable de graphe causal. Il applique la méthode aux rendements des ETF et d’un indice de volatilité,…

Apprentissage automatiqueStatistiquesMulti-actifsActions
Machine Learning for Trading

Ce notebook explique comment évaluer les prévisions probabilistes et encadrer un pipeline de prévision. Il compare les scores de Brier et logarithmique, l’erreur de calibration attendue et la sharpness ; montre comment les diagrammes de fiabilité révèlent…

StatistiquesApprentissage automatiqueGestion des risquesBacktest
Machine Learning for Trading

Cette démonstration de déploiement réentraîne un modèle Ridge sur des données journalières historiques couvrant un ensemble de paires de change majeures FX, récupère les barres actuelles par une session Interactive Brokers en simulation de trading, classe…

Marché des changesExécution des ordresApprentissage automatiqueMicrostructure des marchés
Machine Learning for Trading

Ce tutoriel transforme des signaux transversaux ETF en portefeuilles long-only, équipondérés et composés des dix premières positions, puis compare la régression Ridge et la classification logistique à des références fondées sur le momentum et…

ActionsBacktestExécution des ordresConstruction de portefeuille
Machine Learning for Trading

Ce notebook entraîne un agent par optimisation de politique proximale (PPO) pour liquider un ordre fixe sur un horizon donné. Il compare la politique de rythme apprise à TWAP et à un calendrier d’Almgren–Chriss, mesure l’écart de prix d’exécution et examine…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresApprentissage automatique
Machine Learning for Trading

Ce notebook présente le protocole Rademacher Anti-Serum (RAS) comme méthode d’ajustement des estimations de performance lors d’une sélection au sein d’une classe finie de stratégies ou de signaux. La complexité empirique de Rademacher estime dans quelle…

StatistiquesBacktestGestion des risquesApprentissage automatique
Machine Learning for Trading

Ce notebook présente NLinear comme modèle de référence pour prévoir les rendements boursiers à partir de fenêtres ordonnées de caractéristiques. Chaque exemple contient 60 sessions consécutives pour une action. Pour chaque caractéristique, le modèle…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook reconstitue les meilleurs cours acheteur et vendeur nationaux (NBBO) en vigueur pour chaque transaction AAPL pendant la séance régulière du 16 mars 2020. Il combine chronologiquement les événements de cotation et de transaction, conserve la…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook présente la couverture profonde d’une position vendeuse sur un call européen. Il simule des trajectoires de mouvement brownien géométrique, utilise la couverture delta de Black–Scholes comme référence et entraîne un réseau neuronal semi-récurrent…

OptionsÉvaluation des dérivésApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce document présente un jeu de données de change OHLCV couvrant les paires majeures et croisées G10, avec des barres journalières et de quatre heures provenant de OANDA. Il explique comment télécharger et charger les données, les filtrer par paire ou plage…

Marché des changesStatistiquesVolatilité