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

1,447 documents

Machine Learning for Trading

Ce notebook examine si les attributions SHAP restent stables lorsque les prévisions sont similaires ou lorsque les modèles sont réajustés avec différentes graines aléatoires et architectures. À partir des rendements futurs ETF, il recherche des paires…

Apprentissage automatiqueStatistiquesGestion des risquesActions
Machine Learning for Trading

Ce notebook compare les contrats événementiels réglés en cryptomonnaie de Polymarket aux contrats réglementés de Kalshi, en se concentrant sur la façon dont les règles d’accès et les politiques de cotation façonnent les prix et les questions représentés par…

Stratégies événementiellesCryptomonnaiesStatistiquesMicrostructure des marchés
Machine Learning for Trading

Ce notebook présente un processus de diagnostic au niveau des opérations qui relie les pertes réalisées aux explications SHAP d’un modèle. Il entraîne un modèle LightGBM sur des caractéristiques retardées de prix et de volatilité, ainsi que des données…

Apprentissage automatiqueStatistiquesActionsSentiment de marché
Machine Learning for Trading

Ce notebook compare l’imitation du comportement à l’apprentissage par renforcement inverse (IRL) pour apprendre à partir de relevés d’exécution. Les démonstrations proviennent d’un calendrier TWAP, dont l’objectif neutre au risque est connu : répartir les…

Exécution des ordresApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Le notebook présente le cadre d’Almgren–Chriss pour planifier une liquidation importante. Il mesure le déficit d’exécution par rapport au prix d’arrivée et modélise deux coûts concurrents : l’impact de marché, qui augmente avec l’intensité du trading, et le…

Exécution des ordresMicrostructure des marchésGestion des risquesStatistiques
Machine Learning for Trading

Cette étude de cas explique comment construire des étiquettes de rendements futurs pour une stratégie transversale de change qui classe les paires de devises et achète ou vend selon leur ordre relatif. Elle commence par répartir des barres de prix au…

Marché des changesMarchés au comptantMomentumRetour à la moyenne
Machine Learning for Trading

Le code calcule des métriques de performance standardisées à partir de tableaux de prévisions hors échantillon, séparément pour chaque pli et sous forme d’agrégats synthétiques. Il prend en charge la régression et la classification, notamment le coefficient…

StatistiquesBacktestApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce relevé consigne une exécution de prévision LangGraph sur la question de savoir si la Réserve fédérale relèverait son taux directeur en 2026. Trois agents ont produit des probabilités, suivies d’un débat et d’une mise à jour du superviseur. Les résultats…

Titres à revenu fixeMarchés américainsStatistiques
Machine Learning for Trading

Ce notebook assemble un agent de recherche qui cherche des éléments probants et renvoie une probabilité structurée pour une question binaire. Il décrit l’analyse et la validation des actions, un budget de tours et un artefact de prévision enregistré, qui…

Apprentissage automatiqueSentiment de marchéStatistiques
Machine Learning for Trading

Ce notebook présente PCA comme une référence à facteurs latents sans caractéristiques pour prévoir les rendements de ETF. Il décompose, pour chaque étiquette, la matrice des rendements sur la fenêtre d’entraînement, puis assemble les prévisions à partir…

Investissement factorielApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce module décrit deux composants d’un pipeline de prévision multi-agents. Un agent de débat alterne entre arguments haussiers et baissiers, en demandant à chaque camp de répondre aux affirmations de l’autre et de fournir une estimation de probabilité étayée.…

Apprentissage automatiqueSentiment de marchéStatistiques
Machine Learning for Trading

Ce notebook montre comment utiliser PCMCI pour rechercher des relations décalées entre les rendements de ETF et ceux de la volatilité, sans définir au préalable de graphe causal. Il oppose les tests d’indépendance conditionnelle fondés sur un panel aux tests…

Apprentissage automatiqueStatistiquesMulti-actifsBacktest
Machine Learning for Trading

Ce notebook explique comment PatchTST utilise des segments de longueur fixe de caractéristiques séquentielles de marché pour prévoir les étiquettes du NASDAQ-100. Le mécanisme d’attention relie les segments sur une fenêtre rétrospective d’une heure, tout en…

ActionsApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce document présente une expérience sur les contrats à terme CME utilisant TabM, un ensemble neuronal économe en paramètres, sur les mêmes lignes de caractéristiques élaborées et les mêmes plis walk-forward que les modèles linéaires et de boosting par…

Contrats à termeApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Le document présente NLinear, un modèle de séquence minimal destiné à prévoir les rendements des actions du NASDAQ-100 à partir de caractéristiques intrajournalières. Il utilise une fenêtre rétrospective fixe, soustrait la dernière observation afin que le…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Le document décrit un pipeline qui transforme les déclarations SEC 8-K en événements d’entreprise structurés. Un modèle de langage extrait les relations entre événements, tandis que des contrôles explicites du schéma valident les noms d’entités, les types de…

Stratégies événementiellesApprentissage automatiqueStatistiquesMicrostructure des marchés
Machine Learning for Trading

Ce module décrit la migration d’un registre après la modification, par une bibliothèque, de la numérotation des plis walk-forward, alors que leurs fenêtres de dates et leurs valeurs ajustées restent inchangées. Comme les identifiants de plis figurent dans…

BacktestApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook explique comment les modèles de Markov cachés infèrent les états de marché non observés à partir des rendements et de la volatilité récente. Il établit d’abord des règles simples de comparaison : un seuil d’indice de volatilité pour le stress et…

Apprentissage automatiqueStatistiquesVolatilitéIndicateurs techniques
Machine Learning for Trading

Le notebook explique comment comparer des modèles de prédiction d’options S&P 500 sans que des échantillons d’évaluation incomplets ou mal appariés faussent les résultats. Il identifie chaque modèle par sa famille, sa configuration et son point de contrôle,…

OptionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook construit des intervalles d’incertitude pour les rendements à terme ETF à l’aide de la régression Ridge et de trois méthodes conformes : la prédiction conforme avec découpage, la régression quantile conformisée et l’inférence conforme adaptative.…

ActionsApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook utilise l’apprentissage automatique double pour estimer si un score z de prime sur contrats à terme perpétuels est associé au rendement sur les huit heures suivantes, après ajustement de six variables de contrôle antérieures au traitement. Il…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook compare des modèles linéaires sur des caractéristiques ETF construites à partir de fenêtres de rendements qui se chevauchent et de mesures connexes de momentum, de volatilité et d’oscillateurs. Ces prédicteurs sont colinéaires, ce qui rend…

Multi-actifsApprentissage automatiqueStatistiquesBacktest