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 notebook construit des indicateurs à partir de données NASDAQ-100 à la minute en utilisant trois méthodes : une régression autorégressive hétérogène glissante pour prévoir la variance à court terme, une transformée de Fourier pour décrire la structure…

ActionsVolatilitéApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook développe la solution d’Almgren–Chriss pour liquider une position en arbitrant entre l’impact de marché et le risque de rester exposé aux variations de prix. Il utilise le déficit d’exécution par rapport au prix à l’arrivée, modélise séparément…

Exécution des ordresMicrostructure des marchésGestion des risquesBacktest
Machine Learning for Trading

Ce notebook montre comment analyser un graphe d’événements financiers sans confondre la date d’un événement, sa publication et son extraction par le pipeline du graphe. Il charge des relations 8-K horodatées, mesure les délais de publication et d’extraction,…

Apprentissage automatiqueStatistiquesBacktestStratégies événementielles
Machine Learning for Trading

Le document présente les facteurs latents comme des moteurs communs des rendements, inférés à partir des co-mouvements entre contrats à terme plutôt que fournis comme prédicteurs nommés. Il compare deux approches ajustées au sein de chaque pli…

Contrats à termeInvestissement factorielApprentissage automatiqueConstruction de portefeuille
Machine Learning for Trading

Ce notebook transforme des backtests enregistrés de microstructure NASDAQ-100 en une évaluation de stratégies, sans entraîner de modèles ni relancer de backtests. Il lit les métriques et la filiation depuis le registre, construit au besoin des tableaux…

ActionsMicrostructure des marchésBacktestStatistiques
Machine Learning for Trading

Ce notebook applique aux prédictions de l’échantillon test une configuration de contrats à terme CME sélectionnée au préalable, avec l’allocateur établi, le calendrier de rééquilibrage, les règles de concentration et les hypothèses de coûts de transaction.…

Contrats à termeBacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook mesure la réaction d’une stratégie FX sélectionnée par validation aux variations des coûts de transaction proportionnels. Pour chaque étiquette de prévision, il sélectionne une stratégie parente parmi les résultats des étapes de signal,…

Marché des changesBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook décrit comment sélectionner une configuration d’étude de cas sur les contrats à terme CME à partir de backtests de validation enregistrés. Il regroupe les candidats des étapes de signal, d’allocation et de gestion des risques, puis retient la…

Contrats à termeBacktestStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook applique une stratégie mensuelle de momentum ETF et de régime de courbe des taux de deux façons : par calcul vectorisé des rendements et par simulation séquentielle d’un compte. Les deux approches utilisent les mêmes pondérations cibles, actifs,…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce document explique un processus à cinq étapes pour évaluer neuf études de cas de trading, de la qualité du signal à la validation, aux coûts de transaction, aux performances sur holdout et à la qualité des éléments probants. Les étapes sont cumulatives :…

BacktestGestion des risquesApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook décrit l’ajustement d’un réseau à mémoire à long et court terme à des caractéristiques de microstructure NASDAQ-100 à la minute, afin de prévoir les rendements futurs à plusieurs horizons. Le modèle traite une séquence passée étape par étape et…

Apprentissage automatiqueActionsTrading haute fréquenceBacktest
Machine Learning for Trading

Ce notebook compare des mesures de volatilité, ajuste un modèle autorégressif hétérogène (HAR) et estime la rugosité à l’aide des exposants de Hurst. Il compare d’abord la variance réalisée intrajournalière aux estimateurs quotidiens, en distinguant les…

VolatilitéStatistiquesIndicateurs techniquesBacktest
Machine Learning for Trading

Ce module utilitaire construit des tableaux et des graphiques pour évaluer des modèles prédictifs sur les données de validation et de holdout. Ses diagnostics comprennent les intervalles de confiance des coefficients d’information, la dégradation entre…

StatistiquesApprentissage automatiqueBacktestGestion des risques
Machine Learning for Trading

Ce notebook présente une méthode pour acquérir et maintenir des séries temporelles financières avec un gestionnaire unifié, des univers de symboles prédéfinis ou personnalisés et un stockage Parquet partitionné. Il couvre la récupération d’un seul symbole ou…

Multi-actifsActionsBacktestExécution des ordres
Machine Learning for Trading

Ce chapitre présente des méthodes classiques de génération de données financières synthétiques : processus de prix en temps continu, volatilité GARCH, rééchantillonnage bootstrap et comparaison de modèles. Il décrit comment le mouvement brownien géométrique,…

StatistiquesVolatilitéGestion des risquesBacktest
Machine Learning for Trading

Cette analyse exploratoire teste si un signal de momentum sur douze mois, en excluant le mois le plus récent, est associé aux rendements du mois suivant pour un univers de 100-ETF. Elle construit un panel mensuel à partir des cours de clôture ajustés, classe…

Multi-actifsMomentumStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare des méthodes de dimensionnement de portefeuille pour les configurations de signaux actions S&P 500. Il sélectionne d’abord, pour chaque configuration, le point de contrôle le plus performant couvrant toutes les observations prévues selon…

ActionsConstruction de portefeuilleDimensionnement des positionsBacktest
Machine Learning for Trading

Ce notebook exécute le modèle NLinear d’une population déclarée de trois modèles d’apprentissage séquentiel pour les options S&P 500. Il résout les requêtes et les points de contrôle de la population complète avant d’ajuster ce modèle, afin que les notebooks…

OptionsMarchés américainsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook décrit l’étape de prévision sur le holdout d’une étude US sur les caractéristiques des entreprises. Il reprend la configuration de modèle sélectionnée à partir des résultats de validation, reconstitue sa spécification d’entraînement et son point…

ActionsMarchés américainsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook compare les recherches d’hyperparamètres Optuna pour XGBoost, LightGBM et CatBoost sur un jeu de données de caractéristiques d’entreprise. Chaque bibliothèque reçoit sa propre étude de recherche, utilisant un estimateur de Parzen à structure…

Apprentissage automatiqueActionsStatistiquesBacktest