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

1,030 documents

Machine Learning for Trading

Ce notebook explique comment un autoencodeur conditionnel étend un modèle de composantes principales instrumentées : un réseau neuronal associe les caractéristiques des actions aux expositions factorielles, tandis que le modèle conserve la même structure,…

ActionsInvestissement factorielApprentissage automatiqueBacktest
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 illustre la couverture par apprentissage profond d’un call européen vendu à découvert. Il simule les trajectoires du sous-jacent par mouvement brownien géométrique, calcule le delta de Black-Scholes comme référence et entraîne un réseau neuronal…

OptionsApprentissage automatiqueGestion des risquesÉvaluation des dérivés
Machine Learning for Trading

Ce module définit comment construire un champ de sélection pour l’échantillon de réserve à travers les étapes de validation et les étiquettes de stratégie. Il traite les écarts susceptibles d’amener des ensembles de candidats figés et une reconstruction en…

BacktestGestion des risquesConstruction de portefeuilleStatistiques
Machine Learning for Trading

Ce notebook déduit le dimensionnement de Kelly pour un pari binaire en maximisant la richesse logarithmique espérée, puis illustre comment la taille de la mise modifie la distribution des trajectoires de richesse simulées. Il étend le cadre aux rendements…

Dimensionnement des positionsGestion des risquesConstruction de portefeuilleStatistiques
Machine Learning for Trading

Ce notebook évalue une stratégie ETF précédemment sélectionnée sur une période réservée hors échantillon. Il récupère les prévisions correspondantes à partir de leur identité d’entraînement et de leur point de contrôle, applique la spécification de stratégie…

BacktestConstruction de portefeuilleGestion des risquesDimensionnement des positions
Machine Learning for Trading

Cette analyse évalue si les signaux retenus dans plusieurs études de cas de trading semblent assez fiables pour un usage ultérieur. Elle compare les coefficients d’information de validation (IC) aux résultats hors échantillon, examine la stabilité et la…

Apprentissage automatiqueStatistiquesBacktestGestion des risques
Machine Learning for Trading

Ce notebook mesure l’évolution des performances de validation d’une stratégie d’options S&P 500 selon différentes fractions supposées du spread coté effectivement payées. Il sélectionne une stratégie de référence par famille de modèles, puis relance chacune…

OptionsExécution des ordresBacktestGestion des risques
Machine Learning for Trading

Ce document décrit les contrôles de registre permettant de décider s’il faut réutiliser ou relancer l’entraînement d’un modèle et des backtests. Les exécutions sont identifiées par des empreintes calculées à partir de leurs spécifications ; une exécution…

BacktestApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook étudie le boosting de gradient pour prévoir transversalement les rendements des contrats à terme CME. Il fait varier la capacité des arbres au moyen de profils de nombre de feuilles et compare les objectifs d’erreur quadratique, d’erreur absolue…

Contrats à termeMatières premièresApprentissage automatiqueBacktest
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

Cette étude évalue des signaux transversaux quotidiens sur un vaste univers d’actions US et décrit un long processus de recherche, des données disponibles à la date considérée et des variables construites jusqu’à la comparaison des modèles, la construction…

ActionsApprentissage automatiqueMomentumRetour à la moyenne
Machine Learning for Trading

Ce notebook organise des comparaisons entre études de cas de modèles LightGBM, avec des modèles linéaires et TabM comme familles de référence lorsqu’ils sont disponibles. Il évalue les configurations selon la taille des arbres, les pertes de régression, les…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare LightGBM à un MLP, à TabM et, lorsqu’il est disponible, à TabPFN pour prévoir les rendements futurs ETF à partir de caractéristiques tabulaires. Les modèles sont évalués sur les mêmes plis chronologiques walk-forward, en utilisant le…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce document décrit une comparaison, au stade de la validation, de règles de stop fixes et suiveurs pour des stratégies FX. Pour chaque étiquette de rendement, il sélectionne une stratégie parente dans une cohorte scellée de résultats de signaux et…

Marché des changesGestion des risquesBacktestDimensionnement des positions
Machine Learning for Trading

Ce notebook compare les moindres carrés ordinaires à Ridge, LASSO et Elastic Net pour prévoir les rendements futurs à 21 jours des ETF. Les modèles utilisent les mêmes plis walk-forward définis, avec une période de purge correspondant à l’horizon des…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce document examine le défi de découverte causale du ADIA Lab comme un problème d’inférence supervisée au sein d’une famille connue de générateurs de données synthétiques. La tâche attribue aux variables huit rôles autour d’un traitement et d’un résultat, à…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce module construit un ensemble moyen de prévisions à partir d’ensembles de prédictions enregistrés, en accordant une attention particulière à la reproductibilité et à la prévention des biais de sélection. Il identifie les configurations de modèles…

Apprentissage automatiqueStatistiquesBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook présente un flux de prévision en quatre phases utilisant l’orchestration Python native, CrewAI et LangGraph. Il compare la gestion de l’état, l’inspection ou la reprise après échec, les dépendances ajoutées par chaque approche et le…

Apprentissage automatiqueStatistiquesExécution des ordresBacktest
Machine Learning for Trading

Ce notebook examine la régularisation des modèles linéaires pour un univers de paires de devises dont les rendements sont liés, car chaque paire est une cotation entre des devises communes. Il distingue la colinéarité des caractéristiques, que ridge, lasso…

Marché des changesStatistiquesApprentissage automatiqueBacktest