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

240 documents

Machine Learning for Trading

Ce tutoriel transforme des signaux transversaux ETF en portefeuilles long-only, équipondérés et composés des dix premières positions, puis compare la régression Ridge et la classification logistique à des références fondées sur le momentum et…

ActionsBacktestExécution des ordresConstruction de portefeuille
Machine Learning for Trading

Ce document explique comment TSMixer traite l’historique récent des caractéristiques d’une action sous forme de matrice dont les lignes représentent les sessions et les colonnes les caractéristiques. Ses blocs mélangent l’information le long des colonnes de…

ActionsApprentissage automatiqueMomentumBacktest
Machine Learning for Trading

Ce document élabore un panel quotidien de caractéristiques pour classer vingt paires de devises à la clôture de New York, à 5 PM. Il distingue les signaux pouvant être classés, tels que les rendements standardisés sur plusieurs horizons et la position dans…

Marché des changesRetour à la moyenneMomentumVolatilité
Machine Learning for Trading

Ce notebook présente un processus qui relie le chargement standardisé des données ETF, un registre de caractéristiques et des diagnostics de signaux. Il montre comment consulter les métadonnées des indicateurs, calculer des caractéristiques avec les…

ActionsIndicateurs techniquesMomentumStatistiques
Machine Learning for Trading

Ce notebook utilise des données réelles d’ETF pour déterminer si un signal de momentum reste utile lorsque sa rétrospective, le régime de marché et sa mise en œuvre varient raisonnablement. Il calcule les coefficients d’information transversaux entre le…

Contrats à termeMomentumBacktestStatistiques
Machine Learning for Trading

Ce notebook compare deux simulations de la même stratégie mensuelle de momentum ETF. Elles utilisent les mêmes pondérations cibles, univers, dates et coûts de trading totaux. L’une calcule les rendements à partir des pondérations retardées et des rendements…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce notebook distingue la prévision des rendements de l’affirmation selon laquelle le momentum en est la cause. Il prend le rendement de l’action sur l’année précédente, hors dernier mois, comme traitement et le rendement futur comme résultat. La volatilité…

ActionsMomentumApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook définit des objectifs de rendements futurs pour classer les actions US et explique comment faire correspondre leurs horizons aux séances de trading réelles. Il utilise des prix ajustés des divisions d’actions et des dividendes pour calculer les…

ActionsMomentumStatistiquesBacktest
Machine Learning for Trading

Cette étude de cas applique l’estimation causale au momentum des ETF et examine si son effet sur les rendements futurs varie selon la volatilité du marché. Elle utilise un traitement de momentum continu, un rendement futur à 21 jours, des variables de…

ActionsMarchés américainsMomentumApprentissage automatique
Machine Learning for Trading

Le document transforme une hypothèse de momentum multi-actifs en test exploratoire mensuel sur un univers de 100-ETF. Il construit des prix ajustés de fin de mois, mesure le momentum sur 12 à -1 mois, puis répartit les ETF admissibles en cinq groupes…

Multi-actifsMomentumSuivi de tendanceStatistiques
Machine Learning for Trading

Ce notebook explique pourquoi les tests t classiques peuvent exagérer la force d’un coefficient d’information (IC) lorsque les observations quotidiennes de IC sont dépendantes. Il construit un signal de momentum à partir de données d’ETF, examine…

StatistiquesBacktestMomentum
Machine Learning for Trading

Ce carnet examine comment la fréquence de rééquilibrage influe sur le taux de rotation, la performance brute et les résultats ajustés des coûts d’un portefeuille d’ETF momentum les mieux classés. Il estime le taux de rotation à partir des variations…

ActionsMomentumExécution des ordresBacktest
Machine Learning for Trading

Cette démonstration présente une boucle de trading crypto en fonctionnement continu, connectée au marché au comptant en USD d’Alpaca. Elle associe l’univers d’une étude de cas sur les contrats à terme perpétuels aux paires au comptant prises en charge par la…

CryptomonnaiesMarchés au comptantContrats à terme perpétuelsMomentum
Machine Learning for Trading

Ce notebook montre comment ajuster les règles StopLoss, TakeProfit et TrailingStop d’un portefeuille de momentum tout en maintenant une séparation chronologique entre le calibrage et l’évaluation. Il teste différentes amplitudes de règles individuelles et…

ActionsGestion des risquesBacktestMomentum
Machine Learning for Trading

Cette étude de cas sur les actions US distingue la prévision des rendements futurs de l’affirmation selon laquelle le momentum en est la cause. Elle considère comme traitement le rendement de l’action sur l’année précédente, hors dernier mois, comme résultat…

ActionsMomentumApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook élargit l’évaluation des facteurs ETF d’un seul horizon de rendement à une analyse de dix facteurs sur trois horizons, avec correction pour les tests multiples. Il applique ensuite des diagnostics fondés sur les mécanismes au momentum à long…

Multi-actifsMomentumRetour à la moyenneStatistiques
Machine Learning for Trading

Ce notebook utilise le double apprentissage automatique (DML) pour estimer l’effet ajusté d’une mesure continue de momentum ETF sur les rendements ultérieurs, en contrôlant la volatilité récente et à plus long terme, le régime de marché et la pente de la…

Apprentissage automatiqueStatistiquesActionsMomentum
Machine Learning for Trading

Ce module d’ingénierie des caractéristiques prépare les données quotidiennes de prix pour des modèles systématiques de portefeuille macro. Il crée des rendements par horizon ajustés à la volatilité estimée, plusieurs signaux MACD à plusieurs échelles et des…

Multi-actifsMomentumSuivi de tendanceVolatilité