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

123 documents

Machine Learning for Trading

Ce carnet construit des mesures de microstructure de marché à partir des données de transactions NASDAQ ITCH, agrège les transactions en barres intrajournalières et distingue les approximations de liquidité des signaux de flux d’ordres et de l’état du carnet…

ActionsMicrostructure des marchésTrading haute fréquenceStatistiques
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

Ce document compare différentes méthodes de dimensionnement des positions pour des stratégies sur contrats à terme CME, sélectionnées à partir d’une référence classée selon le Sharpe de validation à pondération égale. La pondération égale traite tous les…

Contrats à termeMatières premièresDimensionnement des positionsConstruction de portefeuille
Machine Learning for Trading

Le document présente une couche logicielle pour courtier qui vérifie les ordres et l’état du portefeuille avant de transmettre les transactions. Ses contrôles comprennent des plafonds de quantité et de valeur par ordre, des limites d’exposition des…

Gestion des risquesDimensionnement des positionsExécution des ordresBacktest
Machine Learning for Trading

Ce notebook étudie pourquoi deux moteurs de backtesting peuvent produire des résultats différents à partir de signaux identiques. Il maintient fixe une stratégie ETF précalculée, construit un portefeuille déterministe à partir de ses prévisions et modifie…

BacktestExécution des ordresMicrostructure des marchésDimensionnement des positions
Machine Learning for Trading

Ce notebook explique comment l’impact de marché augmente avec la taille des ordres et utilise le modèle de participation en racine carrée pour estimer la capacité d’une stratégie. Il distingue les données de marché disponibles, comme la volatilité et le…

Microstructure des marchésExécution des ordresGestion des risquesDimensionnement des positions
Machine Learning for Trading

Ce notebook examine comment exprimer l’incertitude des prévisions de rendement des ETF en comparant le dropout Monte-Carlo aux ensembles profonds. Le dropout reste actif lors de passages d’inférence répétés, tandis qu’un ensemble mesure les désaccords entre…

ActionsApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook relie le dimensionnement des positions à l’analyse des excursions maximales défavorables et favorables. Il présente un dimensionnement à fraction fixe, où le nombre d’actions est déterminé par un budget de risque par transaction et la distance…

Dimensionnement des positionsGestion des risquesVolatilitéBacktest
Machine Learning for Trading

Ce notebook compare six méthodes d’allocation appliquées à des stratégies sur contrats perpétuels crypto ayant déjà franchi un processus de sélection de référence. Il garde fixes les prédictions et les règles d’entrée de chaque stratégie, puis modifie la…

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

Ce notebook déduit le dimensionnement de Kelly pour un pari binaire en maximisant la richesse logarithmique espérée, puis illustre comment la taille de la mise modifie la distribution des trajectoires de richesse simulées. Il étend le cadre aux rendements…

Dimensionnement des positionsGestion des risquesConstruction de portefeuilleStatistiques
Machine Learning for Trading

Ce notebook évalue une stratégie ETF précédemment sélectionnée sur une période réservée hors échantillon. Il récupère les prévisions correspondantes à partir de leur identité d’entraînement et de leur point de contrôle, applique la spécification de stratégie…

BacktestConstruction de portefeuilleGestion des risquesDimensionnement des positions
Machine Learning for Trading

Ce document décrit une comparaison, au stade de la validation, de règles de stop fixes et suiveurs pour des stratégies FX. Pour chaque étiquette de rendement, il sélectionne une stratégie parente dans une cohorte scellée de résultats de signaux et…

Marché des changesGestion des risquesBacktestDimensionnement des positions
Machine Learning for Trading

Cette étude de cas compare différentes méthodes de dimensionnement des positions sur les contrats à terme CME à une référence à pondération égale. Elle explique comment le dimensionnement inversement proportionnel à la volatilité utilise la volatilité propre…

Contrats à termeDimensionnement des positionsConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce module d’allocation partagé transforme les prévisions transversales en pondérations de portefeuille. Il classe les actifs selon leur score pour sélectionner des positions longues ou les paniers long et short composés des actifs les mieux et les moins bien…

Construction de portefeuilleDimensionnement des positionsGestion des risquesStatistiques
Machine Learning for Trading

Le document présente trois règles de clôture des positions avant le rééquilibrage prévu d’un portefeuille : un stop de perte fixe, un stop suiveur mesuré depuis le meilleur prix de la position et une sortie temporelle qui clôture après une durée de détention…

ActionsGestion des risquesBacktestDimensionnement des positions
Machine Learning for Trading

Ce notebook construit des intervalles de prédiction autour de prévisions par gradient boosting et compare la prédiction conforme scindée à la régression quantile, à la régression quantile conformisée et à l’inférence conforme adaptative. La méthode conforme…

Apprentissage automatiqueStatistiquesGestion des risquesDimensionnement des positions
Machine Learning for Trading

Ce notebook teste si le dimensionnement des positions fondé sur un modèle améliore la pondération égale dans une stratégie fondée sur les caractéristiques d’entreprises US. Il compare la pondération par score, qui alloue davantage aux titres dont les scores…

ActionsDimensionnement des positionsConstruction de portefeuilleBacktest
Machine Learning for Trading

Ce notebook compare plusieurs façons de sortir de positions acheteuses sur ETF : objectifs et stops fixes, stops suiveurs, seuils ajustés selon ATR, signaux d’apprentissage automatique et combinaisons. Il construit des indicateurs et des simulations de…

ActionsGestion des risquesDimensionnement des positionsVolatilité
Machine Learning for Trading

Ce notebook présente les mécanismes du backtesting de contrats à terme à travers un exemple de momentum long-short sur plusieurs classes d’actifs. Il explique comment les caractéristiques des contrats convertissent les variations de prix en profits et pertes…

Contrats à termeMomentumBacktestDimensionnement des positions
Machine Learning for Trading

Ce notebook évalue les stops au niveau des positions, les stops suiveurs et les sorties temporelles sur la lignée d’allocation classée en tête selon le ratio de Sharpe de validation parmi les candidats admissibles à couverture complète. Chaque contrôle est…

ActionsOptionsGestion des risquesBacktest
Machine Learning for Trading

Ce notebook compare des règles de pondération de portefeuille pour une stratégie sur options S&P 500 qui vend des straddles. Il conserve les symboles sélectionnés et les autres paramètres de stratégie, tout en remplaçant la référence à pondération égale par…

OptionsActionsConstruction de portefeuilleDimensionnement des positions
Machine Learning for Trading

Ce chapitre présente la gestion des risques comme un élément de la conception des stratégies et des opérations en trading réel. Il couvre la mesure du risque extrême avec la valeur à risque et la valeur à risque conditionnelle, l’ampleur et la récupération…

Gestion des risquesVolatilitéBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook montre comment ajuster des règles de stop-loss, de prise de bénéfices et de stop suiveur pour un portefeuille momentum, tout en préservant une période de réserve chronologique. Il compare les balayages de paramètres unidimensionnels, les grilles…

Gestion des risquesBacktestDimensionnement des positionsMomentum
Machine Learning for Trading

Ce notebook compare des méthodes de dimensionnement de portefeuille pour les configurations de signaux actions S&P 500. Il sélectionne d’abord, pour chaque configuration, le point de contrôle le plus performant couvrant toutes les observations prévues selon…

ActionsConstruction de portefeuilleDimensionnement des positionsBacktest