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 document présente des méthodes de nettoyage des données financières et explique comment aligner le prétraitement sur les divisions entre ensembles d’entraînement et de test. La leçon centrale est d’estimer les transformations, comme la mise à l’échelle et…

Apprentissage automatiqueStatistiquesActionsBacktest
Machine Learning for Trading

Ce notebook transforme les déclarations institutionnelles 13F en un graphe biparti reliant les gérants aux actions, puis en déduit des caractéristiques de propriété au niveau des titres. Il agrège les positions gérant-action en double, normalise les noms des…

ActionsStatistiquesConstruction de portefeuilleMarchés américains
Machine Learning for Trading

Ce notebook illustre la séparation entre un pipeline d’apprentissage automatique hors ligne et le moteur LEAN de QuantConnect. Il sélectionne un ensemble de prédictions dans le registre des études de cas ETF, vérifie la provenance de l’entraînement et des…

Apprentissage automatiqueExécution des ordresBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook explique les signatures de trajectoires comme des caractéristiques de longueur fixe qui préservent l’ordre et la forme conjointe des observations d’une série temporelle. Il décrit comment le premier niveau de la signature enregistre les…

ActionsApprentissage automatiqueStatistiquesIndicateurs techniques
Machine Learning for Trading

Ce carnet présente des comparaisons de parité entre Backtrader, Zipline Reloaded et un framework de trading interne, sur des stratégies sélectionnées issues d’études de cas réelles. Il inclut des comparaisons de ETF et de US d’actions pour les deux moteurs…

BacktestExécution des ordresMicrostructure des marchésActions
Machine Learning for Trading

Ce notebook utilise des données de transactions et d’ordres issues de NASDAQ ITCH pour illustrer des phénomènes de microstructure. Il examine l’autocorrélation négative de premier ordre des rendements des transactions au tick près, compare cet effet aux…

ActionsMicrostructure des marchésStatistiquesExécution des ordres
Machine Learning for Trading

Cette démonstration étend un processus d’ordre unique à un rééquilibrage quotidien pour un univers fixe d’actions américaines à grande capitalisation US. Elle explique comment comparer les positions courantes chez le courtier aux positions cibles du modèle,…

ActionsExécution des ordresGestion des risquesMicrostructure des marchés
Machine Learning for Trading

Ce notebook présente un processus pour déterminer si le momentum sur six mois, hors période récente, influe sur les rendements futurs à 21 jours et si cet effet varie avec la volatilité du marché. Il estime les effets sur les données d’entraînement par…

ActionsMomentumApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook ajuste des modèles linéaires à des caractéristiques de microstructure du NASDAQ-100 observées à intervalles d’une minute afin de prévoir les rendements sur plusieurs horizons futurs. Son objectif est d’établir une référence simple avant…

ActionsApprentissage automatiqueStatistiquesIndicateurs techniques
Machine Learning for Trading

Ce document décrit un jeu de données quotidien sur les actions américaines US, couvrant environ 3,200 sociétés de 1962 à mars 2018. Il inclut des émetteurs radiés de la cote, ce qui le rend utile pour les recherches historiques où exclure les entreprises…

ActionsMarchés américainsBacktest
Machine Learning for Trading

Ce notebook évalue l’effet des hypothèses de coûts de transaction sur le Sharpe en validation d’une allocation sélectionnée d’actions et d’options du S&P 500. Lorsque disponible, il reprend la configuration choisie parmi un ensemble de candidats figé, puis…

ActionsOptionsExécution des ordresBacktest
Machine Learning for Trading

Cette étude de cas sur le NASDAQ-100 examine si les signaux de microstructure à intervalle de 15 minutes peuvent résister aux coûts de trading. Le processus évalue le flux d’ordres, l’obsolescence des cotations et les écarts relatifs, puis compare une…

ActionsMarchés américainsMicrostructure des marchésExécution des ordres
Machine Learning for Trading

Ce notebook étudie l’effet des règles d’allocation sur les stratégies ETF une fois que le modèle a classé les actifs. Il conserve les ensembles de prévisions et le calendrier de rééquilibrage, sélectionne le même panier des k premiers pour chaque comparaison…

ActionsConstruction de portefeuilleDimensionnement des positionsGestion des risques