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

Cette configuration décrit une étude intrajournalière des signaux de flux d’ordres sur un univers NASDAQ-100 défini à chaque instant. Elle définit un sous-ensemble filtré selon les coûts à partir des informations de liquidité disponibles avant chaque période…

ActionsMarchés américainsMicrostructure des marchésApprentissage automatique
Machine Learning for Trading

Ce notebook d’ingénierie des variables explique comment des informations plus lentes peuvent contextualiser des signaux de trading plus rapides, à l’aide de données fondamentales, macroéconomiques et calendaires. Il présente des ratios de valorisation tels…

Investissement factorielActionsStatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook décrit comment produire des prédictions hors échantillon pour une configuration de microstructure NASDAQ-100 sélectionnée après les choix du modèle et de la stratégie sur les plis de validation. Il reconstruit la spécification d’entraînement…

ActionsMicrostructure des marchésApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook explique comment une limite de participation au volume restreint la quantité d’un ordre parent susceptible d’être exécutée pendant chaque intervalle de marché. Un courtier calcule la tranche autorisée à partir du volume négocié observé et reporte…

Exécution des ordresMicrostructure des marchésGestion des risquesActions
Machine Learning for Trading

Ce document décrit un jeu de données quotidien ETF conçu comme un ensemble de candidats pour la recherche sur le momentum et multi-actifs. Il couvre neuf catégories, dont les actions US et internationales, les titres à revenu fixe, les matières premières,…

Multi-actifsMomentumActionsTitres à revenu fixe
Machine Learning for Trading

Ce notebook présente l’évaluation d’un facteur unique à partir de données réelles ETF et d’un exemple de momentum calculé à partir des prix. Il mesure les coefficients d’information de Spearman transversaux par rapport aux rendements futurs, compare les…

ActionsMomentumStatistiquesBacktest
Machine Learning for Trading

Cette étude de cas filtre des variables financières et issues de modèles en les comparant aux rendements futurs d’une stratégie de microstructure NASDAQ-100. Elle calcule les coefficients d’information des rangs transversaux au fil du temps, ajuste…

ActionsMicrostructure des marchésStatistiquesApprentissage automatique
Machine Learning for Trading

Le document présente un processus opérationnel pour maintenir à jour les données quotidiennes de marché : charger un historique initial, récupérer un petit complément avec chevauchement, vérifier les dates manquantes et surveiller la fraîcheur des données et…

ActionsBacktestStatistiquesGestion des risques
Machine Learning for Trading

Ce code présente une architecture d’autoencodeur supervisé pour produire des prédictions à partir de caractéristiques financières. Un encodeur compresse les entrées normalisées dans un goulot d’étranglement, tandis qu’un décodeur reconstruit les entrées…

Apprentissage automatiqueActionsStatistiques
Machine Learning for Trading

Ce notebook décrit la création de prédictions de test pour une configuration de modèle d’actions US sélectionnée au préalable. Les choix de modèle et paramètres de stratégie ayant été établis à partir des résultats de validation, ces mêmes résultats ne…

ActionsApprentissage automatiqueBacktestMarchés américains
Machine Learning for Trading

Ce notebook explique comment construire des caractéristiques fondées sur des modèles pour un panel d’actions US sans laisser les observations futures influencer les valeurs historiques. Sa méthode centrale est un calendrier d’estimation : les modèles…

ActionsApprentissage automatiqueStatistiquesVolatilité
arXiv papers

Cette étude de cas teste la validité statistique et la viabilité économique d’une stratégie de trading par paires fondée sur la cointégration de PepsiCo et Coca-Cola. Elle estime le comportement de retour à la moyenne de l’écart à partir de données…

ActionsTrading par pairesRetour à la moyenneBacktest
arXiv papers

L’article décrit une approche automatisée du trading d’actions qui combine trois algorithmes d’apprentissage par renforcement acteur-critique : Proximal Policy Optimization, Advantage Actor Critic et Deep Deterministic Policy Gradient. Les agents sont…

ActionsApprentissage automatiqueConstruction de portefeuilleGestion des risques
arXiv papers

Le document examine le déséquilibre des flux d’ordres à plusieurs niveaux, une mesure vectorielle de l’activité nette d’achat et de vente à différents niveaux de prix dans un carnet d’ordres à cours limité. Il ajuste une relation linéaire simple entre cette…

ActionsMicrostructure des marchésStatistiquesMarchés américains
arXiv papers

L’étude utilise l’apprentissage par renforcement profond pour transformer une prévision de trading à court terme en décisions de placement d’ordres à cours limité et de gestion de l’inventaire dans un carnet d’ordres à cours limité. Elle entraîne un agent…

ActionsApprentissage automatiqueExécution des ordresMicrostructure des marchés
arXiv papers

Cette étude évalue des portefeuilles de momentum physique constitués d’actions NSE 500 sur des horizons journalier, hebdomadaire, mensuel et annuel. Elle examine les rendements historiques et les profils de risque sur la période 2014–2021, en comparant, pour…

ActionsMomentumStatistiquesBacktest
arXiv papers

L’article présente Trading Deep Q-Network (TDQN), une approche d’apprentissage profond par renforcement visant à choisir des positions boursières au fil du temps. Il adapte la méthode DQN au trading et fixe le ratio de Sharpe comme mesure de performance à…

ActionsApprentissage automatiqueStatistiquesBacktest
arXiv papers

L’article propose un modèle Transformer à direction unique, SERT, pour valoriser les grandes capitalisations US et applique des Transformers préentraînés à la valorisation des actions et à l’investissement factoriel. Il compare ces approches aux Transformers…

ActionsApprentissage automatiqueInvestissement factorielSuivi de tendance