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 document explique comment construire des étiquettes de rendements à terme pour une stratégie de contrats à terme en coupe transversale qui classe les produits selon leur structure par échéance. Il distingue les prix ajustés des roulements de contrats,…

Contrats à termeMatières premièresStratégies de portageBacktest
Machine Learning for Trading

Ce document présente trois variables fondées sur des modèles et construites à partir du portage des contrats à terme : une prévision ARIMA du portage à la séance suivante, des mesures de Fourier glissantes pour certaines longueurs de cycle et un modèle de…

Contrats à termeStratégies de portageApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document explique une référence de validation pour les prédictions de modèles sur les contrats à terme CME. À chaque décision hebdomadaire, les produits sont classés selon le rendement prédit ; le groupe de tête est détenu à l’achat et celui du bas à la…

Contrats à termeBacktestConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce document décrit la conversion de fenêtres glissantes de rendements ETF en images à deux canaux pour un réseau de neurones convolutif classique. Un champ angulaire de Gramian transforme les observations normalisées en angles et consigne les relations…

ActionsApprentissage automatiqueIndicateurs techniquesStatistiques
Machine Learning for Trading

Ce document présente un réseau convolutif temporel qui prédit les primes de financement des contrats perpétuels crypto à partir d’une fenêtre de règlement de 60. Quatre blocs de convolution causale utilisent un noyau de trois et des dilatations de 1, 2, 4 et…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueRetour à la moyenne
Machine Learning for Trading

Ce notebook décrit une architecture inspirée de GT-GAN pour synthétiser des séries temporelles aux horodatages réellement irréguliers, comme les barres de ticks, de volume ou de dollars. Un encodeur GRU-ODE transforme les observations en états latents,…

Apprentissage automatiqueTrading haute fréquenceMicrostructure des marchésBacktest
Machine Learning for Trading

Ce notebook compare trois façons d’utiliser les régimes de marché dans un modèle de prévision : omettre l’information de régime, ajouter comme caractéristique la probabilité filtrée d’un état volatil ou ajuster des modèles experts distincts pour les régimes…

Apprentissage automatiqueStatistiquesBacktestIndicateurs techniques
Machine Learning for Trading

Ce notebook présente EdgarTools pour explorer les déclarations SEC et extraire des données structurées sur les entreprises. Il explique comment identifier les déclarants à l’aide du CIK stable CIK, récupérer les déclarations par formulaire et convertir les…

ActionsMarchés américainsBacktestStratégies événementielles
Machine Learning for Trading

Cette étude de cas utilise des modèles linéaires comme référence pour prévoir les rendements futurs sur un vaste panel d’actions US. Elle explique pourquoi le chevauchement des caractéristiques de prix et de volume crée de la colinéarité, qui rend instables…

ActionsMarchés américainsApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette analyse compare les effets de traitement enregistrés par des modèles de double apprentissage automatique dans neuf études de cas de trading. Elle charge les résultats actuels du registre de chaque étude, vérifie l’intégrité du registre et les…

StatistiquesApprentissage automatiqueBacktestActions
Machine Learning for Trading

Ce notebook présente un cadre d’évaluation d’un backtest d’allocation sur ETF à partir des rendements quotidiens du portefeuille et d’un indice de référence SPY assorti. Il couvre les mesures de risque et de rendement comme les ratios de Sharpe, Sortino et…

BacktestConstruction de portefeuilleGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook explique comment l’incertitude d’un modèle peut apporter des informations au-delà d’une estimation ponctuelle. Il ajuste un modèle de volatilité stochastique dans lequel le logarithme de la volatilité latente évolue dans le temps et les…

VolatilitéApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook présente les mécanismes du backtesting de contrats à terme à travers un exemple de momentum long-short sur plusieurs classes d’actifs. Il explique comment les caractéristiques des contrats convertissent les variations de prix en profits et pertes…

Contrats à termeMomentumBacktestDimensionnement des positions
Machine Learning for Trading

Ce notebook teste la sensibilité d’un backtest de momentum sur ETF aux frais de trading supposés. Il conserve fixes les pondérations et le calendrier de trading de la stratégie, relance le simulateur pour une plage de coûts par opération et compare la…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Le notebook estime dans quelle mesure un portefeuille équipondéré d’actions US ayant survécu peut surestimer les rendements par rapport à l’univers initial complet. Il examine d’abord quand le panel consigne des départs de symboles et constate que les…

ActionsMarchés américainsBacktest
Machine Learning for Trading

Ce notebook évalue les stops au niveau des positions, les stops suiveurs et les sorties temporelles sur la lignée d’allocation classée en tête selon le ratio de Sharpe de validation parmi les candidats admissibles à couverture complète. Chaque contrôle est…

ActionsOptionsGestion des risquesBacktest
Machine Learning for Trading

Ce notebook construit des caractéristiques à partir de modèles ajustés sur des historiques de prix de change, en complément des indicateurs calculés directement à partir des prix passés. Il décrit trois approches : un filtre espace-état qui estime un niveau…

Marché des changesApprentissage automatiqueStatistiquesIndicateurs techniques
Machine Learning for Trading

Ce notebook compare des règles de pondération de portefeuille pour une stratégie sur options S&P 500 qui vend des straddles. Il conserve les symboles sélectionnés et les autres paramètres de stratégie, tout en remplaçant la référence à pondération égale par…

OptionsActionsConstruction de portefeuilleDimensionnement des positions
Machine Learning for Trading

Ce notebook mesure l’effet des coûts d’exécution sur une configuration de contrats perpétuels crypto déjà sélectionnée. Il conserve fixes le modèle, le checkpoint, la règle d’entrée, l’allocateur et le contrôle du risque, puis relance la stratégie sur une…

CryptomonnaiesContrats à terme perpétuelsBacktestExécution des ordres
Machine Learning for Trading

Cette analyse en lecture seule rassemble des prédictions de validation de plusieurs familles de modèles pour évaluer leur exhaustivité, leur capacité à classer les actions, la persistance de cette capacité entre les plis et l’apport d’information distinct de…

ActionsStatistiquesGestion des risquesBacktest
Machine Learning for Trading

Ce notebook applique TabM, une architecture neuronale tabulaire qui partage un réseau de caractéristiques à deux couches entre les membres de l’ensemble. Chaque membre met à l’échelle la représentation partagée à l’aide de son propre vecteur appris et…

OptionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook explique la PCA à prime de risque, qui modifie la matrice de covariance des rendements en ajoutant le produit extérieur pondéré des rendements moyens de la période d’entraînement. Ses vecteurs propres principaux définissent des portefeuilles…

Investissement factorielStatistiquesConstruction de portefeuilleBacktest