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

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

Ce document décrit un jeu de données quotidien d’actions US, issu des archives Wiki Prices de NASDAQ Data Link. Il couvre des milliers d’entreprises de 1962 à mars 2018 et inclut les sociétés radiées de la cote, ce qui le rend utile à la recherche historique…

ActionsMarchés américainsBacktest
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 notebook étudie des modèles de gradient boosting pour prévoir les rendements et le sens des contrats perpétuels crypto. Sa grille fait varier la capacité des arbres et la fonction de perte, notamment les objectifs d’erreur quadratique, d’erreur absolue et…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueMomentum
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 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 document explique comment évaluer une stratégie choisie sur les données de validation à l’aide de prévisions issues d’un échantillon de réserve distinct de 2021. L’allocation sélectionnée, la concentration, les contrôles du risque, le calendrier de…

ActionsBacktestGestion des risquesConstruction de portefeuille
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 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 explique comment reconstruire un catalogue d’expériences de modèles à partir du registre d’une étude de cas et en comparer le contenu avec MLflow. Il suit les expériences depuis les exécutions d’entraînement jusqu’aux ensembles de prédictions et…

Apprentissage automatiqueBacktestStatistiquesGestion des risques
Machine Learning for Trading

Cette étude de cas construit des caractéristiques pour examiner si la variance implicite à la monnaie dépasse la variance réalisée ultérieure pour les titres du S&P 500, et si l’écart varie selon les titres. Elle combine les cotations de straddles aux prix…

OptionsVolatilitéActionsBacktest
Machine Learning for Trading

Ce notebook compare les moindres carrés ordinaires à Ridge, LASSO et Elastic Net pour prévoir les rendements futurs dans un univers d’ETF. Tous les modèles utilisent les mêmes plis walk-forward, avec une période de purge correspondant à l’horizon de la…

Apprentissage automatiqueActionsStatistiquesBacktest
Machine Learning for Trading

Ce notebook construit un cadre moyenne-variance investi à 100 % et uniquement acheteur pour un univers diversifié d’ETF. Il construit des portefeuilles réalisables et une frontière efficiente, puis calcule les pondérations de Sharpe maximal et de variance…

Multi-actifsConstruction de portefeuilleStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook réévalue les principales configurations d’allocation ETF selon deux grilles de coûts, en maintenant fixes les prévisions, la concentration et les règles d’allocation. Il compare le modèle de l’étude de cas, fondé sur une commission par action et…

ActionsExécution des ordresBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook mesure l’effet des coûts d’exécution sur une configuration déjà sélectionnée de futures perpétuels crypto. Il maintient fixes le modèle, le checkpoint, la règle d’entrée, l’allocation et le contrôle du risque, puis relance les backtests sur une…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresBacktest
Machine Learning for Trading

Ce notebook compare des modèles linéaires pour prévoir les rendements ETF à partir de caractéristiques de prix qui se chevauchent. Comme plusieurs horizons de rendement et familles d’indicateurs peuvent encoder des informations similaires, les moindres…

ActionsMulti-actifsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook présente un modèle de facteur d’actualisation stochastique pour valoriser une coupe transversale d’ETF. Au lieu d’estimer séparément les expositions des fonds et les rendements des facteurs, il entraîne des réseaux à trouver une série commune de…

Apprentissage automatiqueInvestissement factorielStatistiquesActions
Machine Learning for Trading

Ce notebook construit un backtest mensuel de rotation d’ETF ETF, des rendements du portefeuille jusqu’aux transactions simulées. Il classe dix fonds selon leurs rendements ajustés du risque sur la période précédente, applique un régime fondé sur la courbe…

BacktestMomentumExécution des ordresConstruction de portefeuille
Machine Learning for Trading

Ce notebook produit un rapport vérifiable sur une stratégie Bitcoin exclusivement acheteuse, avec entrées et sorties selon des seuils RSI. Il compare les résultats bruts et nets, puis mesure la performance par rapport à une référence d’achat-conservation…

CryptomonnaiesRetour à la moyenneIndicateurs techniquesBacktest