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

807 documents

Machine Learning for Trading

Ce notebook applique des contrôles de risque par position aux principales combinaisons d’allocation ETF, tout en gardant fixes chaque prédiction sous-jacente, la concentration et l’allocateur. Il compare les stop-loss, les stops suiveurs et les sorties…

ActionsGestion des risquesBacktestDimensionnement des positions
Machine Learning for Trading

Le document décrit comment un pipeline de recherche en trading évalue si l’ajustement de modèles à facteurs latents s’est achevé dans un état exploitable. Pour les modèles entraînés par descente de gradient, il vérifie que le dernier objectif d’entraînement…

Apprentissage automatiqueInvestissement factorielGestion des risques
Machine Learning for Trading

Ce notebook interroge les registres de backtests de neuf cas d’étude et assemble des tableaux comparables pour les analyses ultérieures. Il organise les résultats par classe d’actifs et fréquence des données, puis consigne les performances aux étapes du…

BacktestStatistiquesConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce document décrit un backtest hors échantillon d’un an de straddles sur options S&P 500. Il applique les prédictions d’un modèle réajusté sur l’historique antérieur à l’échantillon réservé, avec la stratégie, l’allocation, la concentration, le calendrier…

OptionsBacktestGestion des risquesMarchés américains
Machine Learning for Trading

Ce notebook spécifie et exécute une analyse d’apprentissage automatique double de l’effet de la prime de risque de variance sur les rendements des options vendues jusqu’à leur échéance. Avant l’exécution, il détermine le traitement, le résultat, les facteurs…

OptionsVolatilitéApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document explique comment un registre d’expériences peut suivre un modèle depuis sa configuration d’entraînement jusqu’aux prédictions et aux résultats du backtest. Chaque étape reçoit un identifiant dérivé d’une spécification canonisée, de sorte que des…

Apprentissage automatiqueStatistiquesBacktestGestion des risques
Machine Learning for Trading

Ce chapitre présente la construction de portefeuille comme le processus qui transforme des prévisions de rendement, des estimations de risque et des contraintes en pondérations, en levier et en décisions de rééquilibrage. Il expose un processus de recherche…

Construction de portefeuilleGestion des risquesDimensionnement des positionsBacktest
Machine Learning for Trading

Ce notebook explique comment évaluer les sorties au niveau des positions et les combiner avec des contrôles à l’échelle du portefeuille. Il compare les sorties fixes par stop-loss, prise de bénéfices et durée aux stops suiveurs et resserrés ; une sortie…

Gestion des risquesDimensionnement des positionsBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook étudie le comportement de ridge, du lasso et du filet élastique lorsqu’une matrice de caractéristiques de contrats perpétuels crypto mesure de nombreuses façons une même quantité économique : la prime. Les niveaux et variations de prime, la…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette étude transforme des prédictions de modèles enregistrées en stratégies comparables sur options du S&P 500. Aux dates de décision hebdomadaires, elle classe les rendements prévus, filtre un univers liquide et vend des straddles à la monnaie équipondérés…

OptionsActionsBacktestExécution des ordres
Machine Learning for Trading

Ce notebook présente le protocole Rademacher Anti-Serum pour tenir compte de la sélection d’un gagnant parmi une classe de stratégies testées. Il estime la complexité empirique à partir des trajectoires de performance des candidats et montre comment leur…

BacktestStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook élabore une politique de sortie à deux modèles pour des contrats perpétuels crypto horaires. Un classificateur d’entrée repère les rendements futurs exceptionnellement élevés, tandis qu’un classificateur de sortie prédit si le prochain rendement…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook synthétise les résultats de neuf études de cas de marché dans un entonnoir cumulatif de sélection des stratégies. Il teste, dans l’ordre, si un modèle présente un coefficient d’information positif, si sa configuration sélectionnée affiche un…

BacktestStatistiquesGestion des risquesExécution des ordres
Machine Learning for Trading

Ce notebook explique quand une stratégie se décrit le plus clairement par des tableaux précalculés et quand elle bénéficie d’une simulation séquentielle qui fait évoluer les positions, les exécutions, la trésorerie, les profits et pertes réalisés ou les…

BacktestDimensionnement des positionsTrading par pairesGestion des risques
Machine Learning for Trading

Ce notebook évalue une configuration d’options S&P 500 sélectionnée précédemment sur une période témoin. Il réutilise les prédictions du modèle et les paramètres de stratégie enregistrés, notamment le calendrier des signaux, l’allocation, la règle de…

OptionsBacktestGestion des risquesMarchés américains
Machine Learning for Trading

Ce notebook construit un répartiteur de portefeuille qui place un réseau de sélection de variables de type Temporal Fusion Transformer avant un encodeur LSTM. Le réseau de sélection intègre séparément chaque caractéristique d’entrée et attribue aux…

ActionsApprentissage automatiqueConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce document explique comment construire et examiner une matrice de caractéristiques pour une hypothèse transversale de momentum et de rotation ETF. Il définit la période rétrospective et le décalage d’information de chaque caractéristique, puis construit les…

ActionsMulti-actifsMomentumIndicateurs techniques
Machine Learning for Trading

Ce document décrit un registre qui applique les flux de trésorerie de funding aux positions sur contrats à terme perpétuels lors d’un backtest. À chaque horodatage de funding, il utilise la quantité signée de la position, le prix de référence actuel, tout…

Contrats à terme perpétuelsBacktestÉvaluation des dérivésGestion des risques
Machine Learning for Trading

Ce notebook applique l’analyse en composantes principales aux variations des taux du Trésor selon les échéances. La standardisation des variations donne la même influence à chaque échéance ; les composantes obtenues sont interprétées comme des déplacements…

Titres à revenu fixeStatistiquesGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook reformule la prédiction des rendements futurs 21 sur ETF séances comme une tâche binaire : les rendements positifs sont étiquetés « hausse » et tous les autres « baisse ». Il ajuste une régression logistique régularisée par L2 et L1, au moyen de…

ActionsApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce tutoriel déduit la fraction de Kelly pour un pari binaire en maximisant la croissance logarithmique espérée du patrimoine, puis étend l’idée aux rendements continus et à un portefeuille multi-actifs. Il utilise la dérivation symbolique et des simulations…

Dimensionnement des positionsConstruction de portefeuilleGestion des risquesStatistiques