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

187 documents

Machine Learning for Trading

Ce notebook ajuste PatchTST comme membre d’un ensemble déclaré de modèles séquentiels pour les options du S&P 500. PatchTST divise une fenêtre rétrospective en segments de taille fixe, les représente sous forme de jetons et utilise l’attention pour apprendre…

OptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook développe la valorisation Black-Scholes des options d’achat et de vente européennes, vérifie la parité put-call et calcule la volatilité implicite par recherche de racine de Brent. Il définit également Delta, Gamma, Vega, Theta et Rho, et utilise…

OptionsÉvaluation des dérivésVolatilitéGestion des risques
Machine Learning for Trading

Ce notebook décrit un transformer par blocs pour la prévision séquentielle dans une étude sur les actions et options du S&P 500. Il divise une fenêtre temporelle en blocs contigus et représente chaque bloc par un jeton, permettant à l’attention de comparer…

ActionsOptionsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce chapitre présente l’apprentissage par renforcement comme un outil de contrôle séquentiel, distinct de la prévision supervisée. Il se concentre sur les tâches où les actions influent sur les résultats ultérieurs et où les récompenses sont relativement…

Apprentissage automatiqueExécution des ordresTenue de marchéOptions
Machine Learning for Trading

Cette analyse vérifie si les données quotidiennes d’options permettent une stratégie hebdomadaire qui vend des straddles à la monnaie sur les composants du S&P 500, couvre en delta les actions et conserve les contrats jusqu’à l’échéance. Elle explique…

OptionsVolatilitéExécution des ordresBacktest
Machine Learning for Trading

Ce notebook présente une comparaison par famille de cinq approches à facteurs latents appliquées à une étude de cas d’analyse d’options sur actions. PCA estime les mouvements communs directement à partir du panel de rendements ; IPCA associe linéairement les…

OptionsApprentissage automatiqueInvestissement factorielStatistiques
Machine Learning for Trading

Ce notebook évalue des modèles séquentiels pour classer les actions du S&P 500 à partir de fenêtres d’historiques de surfaces d’options et de prix. Il associe un modèle linéaire normalisé, sans mémoire récurrente, à un LSTM dont les portes transmettent les…

Apprentissage automatiqueActionsOptionsBacktest
Machine Learning for Trading

Ce carnet construit des étiquettes de rendements futurs pour une stratégie qui exploite les signaux d’options cotées et négocie les actions sous-jacentes. Il ajuste les prix quotidiens des actions pour les divisions et les dividendes, utilise un identifiant…

ActionsOptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook transforme des ensembles de prédictions de modèles en backtests comparables sur options du S&P 500. À chaque date de décision hebdomadaire, il classe les rendements prédits, sélectionne les symboles les mieux classés dans l’univers liquide et…

OptionsActionsBacktestExécution des ordres
Machine Learning for Trading

Ce carnet sélectionne des caractéristiques candidates pour une stratégie qui vend des options d’achat et de vente à la monnaie sur la même action, avec la même échéance, et conserve le straddle jusqu’à l’échéance. Pour chaque caractéristique, il mesure si…

OptionsActionsStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook évalue des prévisions de validation issues de recherches sur les actions et les options en les transformant en portefeuilles d’actions acheteurs uniquement. Il utilise une référence équipondérée des K meilleurs titres, compare plusieurs niveaux…

ActionsOptionsBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook construit des étiquettes de rendement futur pour des straddles courts à la monnaie sur des actions du S&P 500. Comme le panel quotidien de straddles à 30 jours passe chaque séance à un prix d’exercice ou à une échéance différents, une série de…

OptionsÉvaluation des dérivésVolatilitéBacktest
Machine Learning for Trading

Ce notebook ajuste un modèle LSTM déclaré pour la prévision dans une étude sur les options du S&P 500. Le réseau reçoit des fenêtres chronologiques de l’historique de chaque symbole et utilise un état récurrent à portes pour représenter l’information entre…

ActionsOptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Cette étude filtre les caractéristiques financières et de volatilité GJR-GARCH en fonction des rendements futurs des actions. Pour chaque séance, elle calcule la corrélation de rang entre les valeurs d’une caractéristique et les rendements ultérieurs pour…

ActionsOptionsStatistiquesApprentissage automatique
Machine Learning for Trading

Le document déduit les prix des calls et puts européens selon Black-Scholes, vérifie leur relation par la parité put-call et calcule la volatilité implicite en résolvant numériquement l’équation pour obtenir la volatilité correspondant à un prix d’option…

OptionsÉvaluation des dérivésVolatilitéGestion des risques
Machine Learning for Trading

Ce notebook illustre la couverture par apprentissage profond d’un call européen vendu à découvert. Il simule les trajectoires du sous-jacent par mouvement brownien géométrique, calcule le delta de Black-Scholes comme référence et entraîne un réseau neuronal…

OptionsApprentissage automatiqueGestion des risquesÉvaluation des dérivés
Machine Learning for Trading

Ce notebook mesure l’évolution des performances de validation d’une stratégie d’options S&P 500 selon différentes fractions supposées du spread coté effectivement payées. Il sélectionne une stratégie de référence par famille de modèles, puis relance chacune…

OptionsExécution des ordresBacktestGestion des risques
Machine Learning for Trading

Ce notebook explique l’analyse en composantes principales instrumentée (IPCA) pour un panel d’actions doté de variables de surface d’options. Contrairement à l’analyse en composantes principales classique PCA, qui estime les expositions de chaque action à…

ActionsOptionsInvestissement factorielApprentissage automatique