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

1,447 documents

Machine Learning for Trading

Cette étude filtre les caractéristiques financières et de volatilité GJR-GARCH en fonction des rendements futurs des actions. Pour chaque séance, elle calcule la corrélation de rang entre les valeurs d’une caractéristique et les rendements ultérieurs pour…

ActionsOptionsStatistiquesApprentissage automatique
Machine Learning for Trading

Cette référence décrit deux corpus d’actualités financières utilisés pour l’analyse du sentiment, le développement de caractéristiques textuelles et les expériences reliant les actualités aux rendements. FNSPID relie les titres aux symboles boursiers et…

ActionsSentiment de marchéApprentissage automatiqueStatistiques
Machine Learning for Trading

Le document déduit les prix des calls et puts européens selon Black-Scholes, vérifie leur relation par la parité put-call et calcule la volatilité implicite en résolvant numériquement l’équation pour obtenir la volatilité correspondant à un prix d’option…

OptionsÉvaluation des dérivésVolatilitéGestion des risques
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 document décrit une méthode pour transformer les déclarations groupées trimestrielles SEC 13F en un panel de positions institutionnelles. Il sélectionne la dernière déclaration de chaque gestionnaire selon la date de dépôt, utilise CUSIP plutôt que les…

ActionsMarchés américainsStatistiquesSentiment de marché
Machine Learning for Trading

Ce notebook utilise les enregistrements de transactions NASDAQ ITCH pour examiner les variations du volume et de l’activité de négociation au cours de la séance régulière. Il regroupe les transactions en barres temporelles, compare les prix et les volumes…

ActionsMicrostructure des marchésStatistiquesIndicateurs techniques
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

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 explique l’analyse en composantes principales instrumentée (IPCA) pour un panel d’actions doté de variables de surface d’options. Contrairement à l’analyse en composantes principales classique PCA, qui estime les expositions de chaque action à…

ActionsOptionsInvestissement factorielApprentissage automatique
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 montre comment ajuster un transformeur pour reconnaître les entités financières nommées et convertir des segments de texte en champs structurés pour les organisations, les personnes, les montants, les dates et les pourcentages. Il présente les…

Apprentissage automatiqueStatistiquesSentiment de marchéActions
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 présente trois façons de transformer les données du NASDAQ-100 à la minute en caractéristiques pour les modèles : une régression HAR glissante pour les prévisions de variance et leurs erreurs, une transformée de Fourier pour les profils de volume…

ActionsVolatilitéMicrostructure des marchésStatistiques
Machine Learning for Trading

Ce notebook compare quatre méthodes d’extraction de passages dans un corpus de textes de déclarations d’entreprises : BM25, les plongements denses, la fusion réciproque des rangs (RRF) et un reclasseur à encodeur croisé. RRF combine des listes classées…

Apprentissage automatiqueStatistiquesActionsMarchés américains
Machine Learning for Trading

Ce document présente une architecture de prévision de bout en bout qui associe un panel de recherche, une prévision agrégée, un débat contradictoire et un superviseur. Le superviseur repère les désaccords, recherche des éléments permettant de les clarifier…

Apprentissage automatiqueStatistiquesGestion des risques
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 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 explique un modèle espace-état de tendance linéaire locale pour extraire des caractéristiques financières des niveaux de prix. L’état caché comprend un niveau de prix et sa pente ; les observations sont des cours de clôture bruités. À chaque…

ActionsStatistiquesIndicateurs techniquesTrading par paires