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

370 documents

Machine Learning for Trading

Ce document décrit une interface destinée aux lecteurs pour examiner les résultats de backtests enregistrés dans un registre. Elle permet de résumer le nombre d’exécutions, d’inspecter les spécifications et les exécutions individuelles, de classer les…

BacktestStatistiquesConstruction de portefeuilleApprentissage automatique
Machine Learning for Trading

Ce notebook compare des portefeuilles de référence d’ETF face à des crises historiques, à des chocs simultanés définis manuellement sur les actifs et à des scénarios de pertes de Monte-Carlo. Les périodes historiques incluent d’importantes baisses des…

Multi-actifsConstruction de portefeuilleGestion des risquesVolatilité
Machine Learning for Trading

Ce notebook transforme des prédictions par action en portefeuilles de validation. À chaque date de rééquilibrage, il classe les actions selon leur rendement prédit, achète le groupe en tête, vend à découvert le groupe en queue et attribue le même capital à…

ActionsApprentissage automatiqueBacktestConstruction de portefeuille
Machine Learning for Trading

Ce module source construit des tableaux de catalogue à partir de registres d’expériences sur les prédictions de modèles et les backtests. Il définit des champs réservés à la provenance, à l’identité, à l’état d’achèvement, à la disponibilité des artefacts et…

BacktestStatistiquesGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Cette étude de cas évalue les signaux quotidiens de momentum et de carry dans un univers restreint et corrélé de paires de devises au comptant G10. Le processus va des contrôles de faisabilité et des labels de rendements futurs aux caractéristiques conçues…

Marché des changesMomentumStratégies de portageBacktest
Machine Learning for Trading

Ce notebook rassemble les backtests enregistrés d’une étude de cas sur ETF pour évaluer les stratégies en tenant compte de l’incertitude. Il lit les mesures de performance accompagnées d’intervalles de confiance bootstrap par blocs et utilise des bootstraps…

BacktestStatistiquesConstruction de portefeuilleInvestissement factoriel
Machine Learning for Trading

Ce notebook met en œuvre DeePM, une politique de portefeuille de bout en bout pour un univers diversifié de ETF. Son modèle combine des facteurs temporels, des métadonnées sur les actifs, de l’attention transversale et un a priori de graphe macroéconomique…

Multi-actifsConstruction de portefeuilleApprentissage automatiqueGestion des risques
Machine Learning for Trading

Cette étude de cas transforme des prévisions de modèle enregistrées pour des actions US en portefeuilles long-short équipondérés. Elle explore systématiquement plusieurs schémas d’entrée, chacun sélectionnant les titres les mieux classés pour les positions…

Marchés américainsActionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce document décrit plusieurs méthodes pour convertir des scores de prévision en signaux de trading : seuils fixes, percentiles glissants par actif et percentiles transversaux. Les seuils fixes utilisent un niveau de score choisi ; les seuils glissants…

Apprentissage automatiqueConstruction de portefeuilleDimensionnement des positionsBacktest
Machine Learning for Trading

Ce document décrit des outils de comparaison de stratégies de trading enregistrées et de préparation d’évaluations structurées d’études de cas. Une méthode centrale de classement limite les séries de rendements à leurs horodatages communs exacts avant de…

BacktestGestion des risquesConstruction de portefeuilleStatistiques
Machine Learning for Trading

Ce notebook convertit des prévisions transversales sur les actions en portefeuilles long-short en classant les titres à chaque rééquilibrage, en achetant les k titres les mieux classés et en vendant à découvert les k titres les moins bien classés, avec un…

ActionsApprentissage automatiqueBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook exécute la spécification de stratégie FX déjà sélectionnée sur les prédictions hors échantillon enregistrées. Il conserve le signal, l’allocation, les contrôles du risque, la règle de rééquilibrage, les coûts et les paramètres du compte de la…

Marché des changesBacktestGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook étudie six méthodes d’allocation appliquées à des configurations sélectionnées de stratégies crypto perpétuelles. Les classements et les règles d’entrée restent fixes, tandis que le capital affecté à chaque position varie. Les méthodes s’appuient…

CryptomonnaiesContrats à terme perpétuelsDimensionnement des positionsConstruction de portefeuille
Machine Learning for Trading

Ce notebook compare la pondération équipondérée à deux règles d’allocation pour des stratégies fondées sur les caractéristiques d’entreprises US : la pondération par score, qui affecte davantage de capital aux prédictions de modèle les plus élevées, et la…

ActionsDimensionnement des positionsConstruction de portefeuilleBacktest
Machine Learning for Trading

Ce notebook construit un allocateur de portefeuille de bout en bout qui place un réseau de sélection de variables de type Temporal Fusion Transformer en amont d’un LSTM. Des réseaux résiduels à portes distincts intègrent chaque caractéristique, puis des…

Apprentissage automatiqueConstruction de portefeuilleDimensionnement des positionsVolatilité
Machine Learning for Trading

Ce notebook présente Tail-GAN, une approche antagoniste générative conçue pour reproduire le risque de queue des scénarios financiers, en particulier la valeur à risque (VaR) et le déficit attendu (ES). Elle utilise un tri différentiable afin que les mesures…

Apprentissage automatiqueGestion des risquesStatistiquesConstruction de portefeuille
Machine Learning for Trading

Ce module de configuration présente un cadre pour définir les paramètres des séries de backtests pour chaque étude de cas. Il lit les schémas d’entrée, les méthodes d’allocation, les grilles de coûts de transaction et les contrôles du risque dans les…

BacktestGestion des risquesDimensionnement des positionsConstruction de portefeuille
Machine Learning for Trading

Ce chapitre explique comment créer et utiliser des graphes de connaissances financières lorsque les questions dépendent de relations telles que la propriété, les chaînes d’approvisionnement ou la contagion. Il traite de l’identité des entités, des schémas de…

Apprentissage automatiqueActionsMarchés américainsConstruction de portefeuille
Machine Learning for Trading

Ce notebook analyse un portefeuille d’ETF actions à l’aide de régressions CAPM CAPM et de facteurs Fama-French, puis étend l’analyse aux expositions glissantes, à l’attribution des rendements et à la dépendance résiduelle. Il utilise des rendements…

ActionsInvestissement factorielConstruction de portefeuilleStatistiques
Machine Learning for Trading

Ce document décrit un outil de production de comparaisons de performance appariées entre les étapes de sélection d’une stratégie. Il compare les sélections de signaux à des références équipondérées, les sélections sur échantillons de réserve à celles sur…

StatistiquesBacktestGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Cette référence décrit deux sources publiques de déclarations SEC pour étudier les positions sur actions et l’activité des initiés. Les rapports trimestriels 13F fournissent les positions institutionnelles, soit pour un ensemble sélectionné de gestionnaires,…

ActionsMarchés américainsConstruction de portefeuilleStratégies événementielles
Machine Learning for Trading

Ce tutoriel construit un simulateur mensuel de rotation des ETF à partir d’un classement de momentum ajusté du risque sur période glissante et d’un filtre de régime fondé sur la courbe des taux des bons du Trésor. À la fin de chaque mois, la règle classe dix…

BacktestMomentumConstruction de portefeuilleExécution des ordres
Machine Learning for Trading

Cet utilitaire construit une matrice d’adjacence booléenne entre actifs à partir d’étiquettes de groupe et de liens facultatifs entre groupes. Les actifs affectés au même groupe macro sont reliés entre eux, et chaque lien fourni entre groupes relie dans les…

Multi-actifsApprentissage automatiqueConstruction de portefeuille