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

904 documents

Machine Learning for Trading

Ce notebook compare les prédictions de validation de plusieurs familles de modèles pour étudier le financement des contrats à terme perpétuels. Il explique que le coefficient d’information mesure l’association entre les rangs des prédictions et les…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook présente des méthodes pratiques de nettoyage des données de marché et d’entreprises, notamment la gestion des doublons, les indicateurs de lacunes, les filtres par domaine, la détection des pics par retournement, l’écrêtage des valeurs…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook examine si les attributions SHAP restent stables lorsque les prévisions sont similaires ou lorsque les modèles sont réajustés avec différentes graines aléatoires et architectures. À partir des rendements futurs ETF, il recherche des paires…

Apprentissage automatiqueStatistiquesGestion des risquesActions
Machine Learning for Trading

Ce notebook ajuste des modèles d’arbres par gradient boosting à des caractéristiques du marché des options qui encodent des prévisions telles que la volatilité implicite, le skew, la structure par terme et la prime de risque de variance. Il compare la…

OptionsApprentissage automatiqueVolatilitéBacktest
Machine Learning for Trading

Cette étude de cas teste des stratégies hebdomadaires long-short classées selon le portage sur un ensemble diversifié de contrats à terme CME, à partir de données quotidiennes, d’une évaluation de modèles en walk-forward et de coûts liés aux commissions, aux…

Contrats à termeStratégies de portageApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook compare les éléments probants issus de modèles prédictifs, structurels et causaux dans une étude transversale du S&P 500, qui combine des caractéristiques d’actions et des mesures dérivées des options, telles que la volatilité implicite, le skew…

ActionsOptionsApprentissage automatiqueInvestissement factoriel
Machine Learning for Trading

Ce notebook présente un processus de diagnostic au niveau des opérations qui relie les pertes réalisées aux explications SHAP d’un modèle. Il entraîne un modèle LightGBM sur des caractéristiques retardées de prix et de volatilité, ainsi que des données…

Apprentissage automatiqueStatistiquesActionsSentiment de marché
Machine Learning for Trading

Ce notebook compare l’imitation du comportement à l’apprentissage par renforcement inverse (IRL) pour apprendre à partir de relevés d’exécution. Les démonstrations proviennent d’un calendrier TWAP, dont l’objectif neutre au risque est connu : répartir les…

Exécution des ordresApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Le code calcule des métriques de performance standardisées à partir de tableaux de prévisions hors échantillon, séparément pour chaque pli et sous forme d’agrégats synthétiques. Il prend en charge la régression et la classification, notamment le coefficient…

StatistiquesBacktestApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce notebook assemble un agent de recherche qui cherche des éléments probants et renvoie une probabilité structurée pour une question binaire. Il décrit l’analyse et la validation des actions, un budget de tours et un artefact de prévision enregistré, qui…

Apprentissage automatiqueSentiment de marchéStatistiques
Machine Learning for Trading

Ce notebook présente PCA comme une référence à facteurs latents sans caractéristiques pour prévoir les rendements de ETF. Il décompose, pour chaque étiquette, la matrice des rendements sur la fenêtre d’entraînement, puis assemble les prévisions à partir…

Investissement factorielApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook détaille le cycle de déploiement d’un modèle quotidien de paires FX, en utilisant Interactive Brokers à la fois comme source de données en temps réel et comme plateforme d’exécution. Il entraîne un modèle de régression Ridge sur un panel…

Marché des changesApprentissage automatiqueExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook présente un modèle neuronal de facteur d’actualisation stochastique pour un panel de contrats à terme CME. Le modèle utilise les rendements des produits et des caractéristiques observables, telles que le carry, le momentum et la volatilité, afin…

Contrats à termeApprentissage automatiqueInvestissement factorielBacktest
Machine Learning for Trading

Cet utilitaire décrit un flux de travail qui collecte les déclarations publiques SEC 10-Q, 10-K et 8-K, puis les convertit en un jeu de données tabulaire commun destiné à la recherche en aval. Il applique une extraction de texte propre à chaque formulaire :…

ActionsMarchés américainsStratégies événementiellesApprentissage automatique
Machine Learning for Trading

Ce module décrit deux composants d’un pipeline de prévision multi-agents. Un agent de débat alterne entre arguments haussiers et baissiers, en demandant à chaque camp de répondre aux affirmations de l’autre et de fournir une estimation de probabilité étayée.…

Apprentissage automatiqueSentiment de marchéStatistiques
Machine Learning for Trading

Ce notebook montre comment utiliser PCMCI pour rechercher des relations décalées entre les rendements de ETF et ceux de la volatilité, sans définir au préalable de graphe causal. Il oppose les tests d’indépendance conditionnelle fondés sur un panel aux tests…

Apprentissage automatiqueStatistiquesMulti-actifsBacktest
Machine Learning for Trading

Ce notebook explique comment PatchTST utilise des segments de longueur fixe de caractéristiques séquentielles de marché pour prévoir les étiquettes du NASDAQ-100. Le mécanisme d’attention relie les segments sur une fenêtre rétrospective d’une heure, tout en…

ActionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce document présente une expérience sur les contrats à terme CME utilisant TabM, un ensemble neuronal économe en paramètres, sur les mêmes lignes de caractéristiques élaborées et les mêmes plis walk-forward que les modèles linéaires et de boosting par…

Contrats à termeApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Le document présente NLinear, un modèle de séquence minimal destiné à prévoir les rendements des actions du NASDAQ-100 à partir de caractéristiques intrajournalières. Il utilise une fenêtre rétrospective fixe, soustrait la dernière observation afin que le…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Le document décrit un pipeline qui transforme les déclarations SEC 8-K en événements d’entreprise structurés. Un modèle de langage extrait les relations entre événements, tandis que des contrôles explicites du schéma valident les noms d’entités, les types de…

Stratégies événementiellesApprentissage automatiqueStatistiquesMicrostructure des marchés
Machine Learning for Trading

Ce module décrit la migration d’un registre après la modification, par une bibliothèque, de la numérotation des plis walk-forward, alors que leurs fenêtres de dates et leurs valeurs ajustées restent inchangées. Comme les identifiants de plis figurent dans…

BacktestApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook décrit la production de prédictions pour la période de holdout d’une étude de cas sur les actions US, après sélection d’une configuration sur les plis de validation. Il résout la configuration sélectionnée, conserve le choix du checkpoint et…

ActionsApprentissage automatiqueBacktestGestion des risques