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

1,447 documents

arXiv papers

Cette étude explique pourquoi on ne peut pas comparer la résolution des contrats événementiels sur Polymarket et Kalshi en faisant correspondre des libellés comme « résolu » ou « finalisé ». Elle décompose le processus de chaque plateforme en étapes…

Stratégies événementiellesMicrostructure des marchésStatistiquesCryptomonnaies
Machine Learning for Trading

Ce chapitre soutient qu’une recherche durable en trading dépend d’un processus discipliné, capable de s’adapter à l’évolution des marchés, aux données probantes bruitées et aux coûts de mise en œuvre. Il distingue les ruptures structurelles, les régimes, la…

Apprentissage automatiqueBacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook d’évaluation filtre les caractéristiques financières et issues de modèles en fonction de leur relation avec le rendement suivant sur huit heures des contrats à terme perpétuels crypto. Il constitue l’échantillon d’évaluation à partir de fenêtres…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook vérifie si une stratégie quotidienne de classement d’actions US dispose de suffisamment de données exploitables pour permettre une évaluation équitable avant l’ajustement d’un modèle. Il explique comment constituer un univers en date connue avec…

ActionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce notebook étudie l’effet de la régularisation sur un modèle de contrats à terme CME construit à partir de familles de caractéristiques corrélées, notamment des mesures de portage, de ratio de Sharpe glissant, de momentum et de volatilité. Il compare Ridge,…

Contrats à termeApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook décrit l’adaptation de Diffusion-TS pour générer des séquences synthétiques de rendements ETF. Son débruiteur prédit la séquence propre comme une somme de composantes de tendance polynomiale, de saisonnalité de Fourier et de résidus, tandis…

Apprentissage automatiqueStatistiquesVolatilitéMulti-actifs
Machine Learning for Trading

Ce chapitre soutient qu’une discipline de recherche reproductible constitue une source d’avantage en trading plus durable que toute stratégie individuelle. Il présente un processus fondé sur des hypothèses réfutables, une évaluation hors échantillon et des…

Apprentissage automatiqueStatistiquesGestion des risquesFinance décentralisée (DeFi)
Machine Learning for Trading

Le document explique pourquoi TabM est utilisé pour modéliser les données de panel du financement des contrats perpétuels : son socle neuronal partagé combine toutes les caractéristiques d’entrée, tandis que des couches non linéaires peuvent représenter les…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce processus d’évaluation filtre les caractéristiques financières et issues de modèles en fonction des rendements futurs d’un panel intrajournalier NASDAQ-100. Il réserve d’abord la période finale de test et exclut les observations dont les étiquettes…

ActionsStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Cette analyse estime si le momentum excluant la période récente est associé à une variation causale des rendements futurs des ETF, plutôt que de chercher à déterminer dans quelle mesure le momentum prédit les rendements. Le double apprentissage automatique…

Apprentissage automatiqueStatistiquesMomentumBacktest
Machine Learning for Trading

Cette méthode de génération d’indice crée une série quotidienne de rendements équipondérés à partir des actifs déclarés dans une étude de cas. Elle prend d’abord le dernier cours de clôture de chaque symbole pour chaque séance, calcule ensuite les rendements…

BacktestConstruction de portefeuilleStatistiquesGestion des risques
Machine Learning for Trading

Cette analyse profile un univers fixe de 100 ETF répartis en neuf groupes d’actifs. Elle vérifie la couverture par fonds et par année, confirme que le panel de prix correspond à la configuration des groupes, examine les valeurs nulles et l’ordre OHLC, et…

Multi-actifsStatistiquesGestion des risquesBacktest
Machine Learning for Trading

Ce document présente le socle neuronal PatchTST pour la prévision de séries temporelles multivariées. Il divise chaque série d’entrée en patches qui se chevauchent, projette chaque patch dans un espace de caractéristiques appris, ajoute des encodages…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce document explique comment mesurer les rendements autour d’événements tels que le déclenchement de signaux, les annonces de résultats ou les publications macroéconomiques. Son exemple pratique utilise des cassures de momentum sur des ETF liquides. Pour…

ActionsStratégies événementiellesMomentumCassure
Machine Learning for Trading

Ce chapitre présente la construction d’études cohérentes dans le temps sur les données fondamentales et alternatives, concernant les actions, les séries macroéconomiques, les contrats à terme, les cryptomonnaies et les marchés prédictifs. Ses méthodes…

BacktestStatistiquesApprentissage automatiqueDonnées on-chain
Machine Learning for Trading

Ce notebook utilise l’apprentissage automatique double pour tester si l’association entre l’écart de volatilité implicite moins réalisée et les rendements futurs des actions persiste après ajustement pour les facteurs de confusion observés. Il compare…

OptionsActionsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document décrit comment dériver un intervalle d’entraînement unique pour l’échantillon de réserve à partir d’une spécification de validation walk-forward existante. Il reprend les dates de réserve déclarées dans la configuration de l’étude, utilise le…

BacktestApprentissage automatiqueGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook construit des labels de rendement futur pour des straddles courts à la monnaie sur des actions du S&P 500. Puisque le straddle nominal à 30 jours du panel quotidien représente un contrat différent à chaque séance, décaler une série de prix…

OptionsVolatilitéÉvaluation des dérivésStatistiques
Machine Learning for Trading

Ce notebook explique comment la recherche parmi de nombreux facteurs ou stratégies gonfle la performance apparente du meilleur candidat, même lorsque les estimations individuelles sont correctement calculées. Un ensemble simulé de facteurs aléatoires montre…

StatistiquesInvestissement factorielBacktestGestion des risques
Machine Learning for Trading

PCA avec prime de risque modifie la matrice de covariance en lui ajoutant un produit extérieur pondéré du vecteur des rendements moyens d’entraînement. Ses vecteurs propres dominants définissent des portefeuilles factoriels statiques : on retrouve PCA…

Investissement factorielStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook estime si le score z de la prime d’un perpétuel crypto affecte les rendements ultérieurs sur huit heures lorsque trois facteurs déclarés — volatilité des prix, taux de financement et écart moyen de la prime — sont maintenus constants. Comme le…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook présente un GAN Sig-Wasserstein non conditionnel pour générer des séries temporelles financières. Il remplace un discriminateur entraîné à distinguer le réel du généré par une distance fondée sur les signatures attendues des trajectoires, des…

Apprentissage automatiqueStatistiquesActionsVolatilité