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

2,371 documents

Machine Learning for Trading

Ce notebook définit une méthode pour évaluer un modèle challenger en mode shadow avant de lui allouer du capital. Il compare les prédictions enregistrées d’un modèle de référence fixe et d’un candidat, construit des portefeuilles long-short classés et…

Apprentissage automatiqueGestion des risquesBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook examine les données de transactions et de cotations AlgoSeek à la granularité des ticks pour AAPL pendant le krach boursier de mars 16, 2020. Il filtre les heures normales de négociation, distingue les transactions des mises à jour NBBO et étudie…

ActionsMicrostructure des marchésExécution des ordresVolatilité
Machine Learning for Trading

Ce notebook évalue les stop-loss par position, les stops suiveurs et les sorties à durée limitée sur les configurations de l’étape d’allocation d’une stratégie intrajournalière NASDAQ-100. Les décisions sont prises toutes les quinze minutes, tandis que le…

ActionsGestion des risquesBacktestExécution des ordres
Machine Learning for Trading

Ce notebook développe la valorisation Black-Scholes des options d’achat et de vente européennes, vérifie la parité put-call et calcule la volatilité implicite par recherche de racine de Brent. Il définit également Delta, Gamma, Vega, Theta et Rho, et utilise…

OptionsÉvaluation des dérivésVolatilitéGestion des risques
Machine Learning for Trading

Ce notebook décrit un transformer par blocs pour la prévision séquentielle dans une étude sur les actions et options du S&P 500. Il divise une fenêtre temporelle en blocs contigus et représente chaque bloc par un jeton, permettant à l’attention de comparer…

ActionsOptionsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce chapitre présente l’apprentissage par renforcement comme un outil de contrôle séquentiel, distinct de la prévision supervisée. Il se concentre sur les tâches où les actions influent sur les résultats ultérieurs et où les récompenses sont relativement…

Apprentissage automatiqueExécution des ordresTenue de marchéOptions
Machine Learning for Trading

Ce notebook de caractéristiques ETF explique comment des modèles statistiques ajustés peuvent laisser fuiter des informations futures par leurs paramètres estimés, même lorsque leurs formules n’utilisent que des observations passées. La solution consiste à…

ActionsApprentissage automatiqueStatistiquesVolatilité
Machine Learning for Trading

Ce notebook étudie le gradient boosting sur un panel d’actions US, en faisant varier la capacité des arbres, la fonction objectif et le point de contrôle d’entraînement sur trois horizons de rendements futurs. Il explique comment des arbres peu profonds…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce module définit un environnement de simulation à date connue pour exécuter un ordre de vente important sur des contrats à terme perpétuels crypto. Ses observations combinent l’inventaire restant et le temps avec la volatilité du marché, l’indice de prime,…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Cette étude de cas explique comment produire des prévisions pour une période de réserve après avoir fait des choix de modèle et de stratégie à partir des données de validation. Elle récupère la configuration précédemment sélectionnée, reconstitue sa…

ActionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook construit un allocateur LSTM qui transforme directement des caractéristiques récentes de rendement et de volatilité ETF en pondérations de portefeuille exclusivement longues. Une sortie softmax maintient des pondérations non négatives et un…

Apprentissage automatiqueConstruction de portefeuilleBacktestGestion des risques
Machine Learning for Trading

Ce notebook présente EdgarTools pour explorer les déclarations SEC par entreprise et type de déclaration. Il montre comment rechercher des émetteurs à l’aide d’identifiants CIK stables, récupérer des rapports annuels et trimestriels, extraire des états…

ActionsMarchés américainsBacktestStatistiques