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

2,371 documents

Machine Learning for Trading

Cette référence décrit deux corpus d’actualités financières utilisés pour l’analyse du sentiment, le développement de caractéristiques textuelles et les expériences reliant les actualités aux rendements. FNSPID relie les titres aux symboles boursiers et…

ActionsSentiment de marchéApprentissage automatiqueStatistiques
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 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 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 module définit comment construire un champ de sélection pour l’échantillon de réserve à travers les étapes de validation et les étiquettes de stratégie. Il traite les écarts susceptibles d’amener des ensembles de candidats figés et une reconstruction en…

BacktestGestion des risquesConstruction de portefeuilleStatistiques
Machine Learning for Trading

Ce module d’ingénierie des caractéristiques prépare les données quotidiennes de prix pour des modèles systématiques de portefeuille macro. Il crée des rendements par horizon ajustés à la volatilité estimée, plusieurs signaux MACD à plusieurs échelles et des…

Multi-actifsMomentumSuivi de tendanceVolatilité
Machine Learning for Trading

Ce document décrit une méthode pour transformer les déclarations groupées trimestrielles SEC 13F en un panel de positions institutionnelles. Il sélectionne la dernière déclaration de chaque gestionnaire selon la date de dépôt, utilise CUSIP plutôt que les…

ActionsMarchés américainsStatistiquesSentiment de marché
Machine Learning for Trading

Ce notebook utilise les enregistrements de transactions NASDAQ ITCH pour examiner les variations du volume et de l’activité de négociation au cours de la séance régulière. Il regroupe les transactions en barres temporelles, compare les prix et les volumes…

ActionsMicrostructure des marchésStatistiquesIndicateurs techniques
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

Cette analyse évalue si les signaux retenus dans plusieurs études de cas de trading semblent assez fiables pour un usage ultérieur. Elle compare les coefficients d’information de validation (IC) aux résultats hors échantillon, examine la stabilité et la…

Apprentissage automatiqueStatistiquesBacktestGestion des risques
Machine Learning for Trading

Ce tutoriel passe en revue les variables construites à partir des historiques de prix et de volume des actifs : rendements sur différents horizons, tendances et retournements, plusieurs estimateurs de volatilité, régimes de volatilité, liquidité, risque de…

Indicateurs techniquesMomentumVolatilitéApprentissage automatique
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
Machine Learning for Trading

Ce guide de données compare deux sources de données de ticks actions US pour étudier le carnet d’ordres et la microstructure des marchés. Les enregistrements market-by-order de Databento fournissent des événements prétraités d’ajout, de modification,…

ActionsMicrostructure des marchésExécution des ordres
Machine Learning for Trading

Ce document décrit les contrôles de registre permettant de décider s’il faut réutiliser ou relancer l’entraînement d’un modèle et des backtests. Les exécutions sont identifiées par des empreintes calculées à partir de leurs spécifications ; une exécution…

BacktestApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook montre comment ajuster un transformeur pour reconnaître les entités financières nommées et convertir des segments de texte en champs structurés pour les organisations, les personnes, les montants, les dates et les pourcentages. Il présente les…

Apprentissage automatiqueStatistiquesSentiment de marchéActions
Machine Learning for Trading

Ce notebook étudie le boosting de gradient pour prévoir transversalement les rendements des contrats à terme CME. Il fait varier la capacité des arbres au moyen de profils de nombre de feuilles et compare les objectifs d’erreur quadratique, d’erreur absolue…

Contrats à termeMatières premièresApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook présente trois façons de transformer les données du NASDAQ-100 à la minute en caractéristiques pour les modèles : une régression HAR glissante pour les prévisions de variance et leurs erreurs, une transformée de Fourier pour les profils de volume…

ActionsVolatilitéMicrostructure des marchésStatistiques