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 utilise un modèle de mélange gaussien pour regrouper les mois selon le comportement conjoint de neuf séries de rendements factoriels et de classes d’actifs. Il standardise les observations mensuelles, écarte les mois contenant des valeurs…

Investissement factorielApprentissage automatiqueStatistiquesMulti-actifs
Machine Learning for Trading

Ce notebook construit un agent de prévision qui alterne raisonnement et actions dans une boucle ReAct. Son espace d’action est volontairement restreint : l’agent peut rechercher des éléments probants ou soumettre une prévision probabiliste. Une interface…

Apprentissage automatiqueSentiment de marchéStatistiques
Machine Learning for Trading

Ce notebook présente Tail-GAN, une approche antagoniste générative pour créer des scénarios de rendements financiers en ciblant la valeur à risque (VaR) et la perte attendue (ES). Le tri différentiable permet aux gradients de traverser les estimations de…

Apprentissage automatiqueGestion des risquesVolatilitéConstruction de portefeuille
Machine Learning for Trading

Ce notebook d’ingénierie des variables explique comment des informations plus lentes peuvent contextualiser des signaux de trading plus rapides, à l’aide de données fondamentales, macroéconomiques et calendaires. Il présente des ratios de valorisation tels…

Investissement factorielActionsStatistiquesApprentissage automatique
Machine Learning for Trading

Ce module Python décrit des méthodes pour quantifier l’incertitude des backtests de stratégie à partir de rendements quotidiens hors échantillon. Il combine des intervalles bootstrap par blocs stationnaires pour les statistiques de séries de rendements, une…

BacktestStatistiquesGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook synthétise les résultats de validation enregistrés pour cinq estimateurs à facteurs latents dans plusieurs études de cas. Il commence par cartographier les estimateurs ayant des résultats pour chaque panel, puis identifie le meilleur selon le…

Apprentissage automatiqueStatistiquesInvestissement factorielBacktest
Machine Learning for Trading

Ce notebook présente l’évaluation d’un facteur unique à partir de données réelles ETF et d’un exemple de momentum calculé à partir des prix. Il mesure les coefficients d’information de Spearman transversaux par rapport aux rendements futurs, compare les…

ActionsMomentumStatistiquesBacktest
Machine Learning for Trading

Cette étude de cas filtre des variables financières et issues de modèles en les comparant aux rendements futurs d’une stratégie de microstructure NASDAQ-100. Elle calcule les coefficients d’information des rangs transversaux au fil du temps, ajuste…

ActionsMicrostructure des marchésStatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook élabore des variables nécessitant plusieurs séries d’actifs. Il compare les tests de cointégration d’Engle-Granger et de Johansen, explique pourquoi une simple coévolution n’implique pas un écart stationnaire et estime les ratios de couverture…

Multi-actifsTrading par pairesRetour à la moyenneStatistiques
Machine Learning for Trading

Le document présente un processus opérationnel pour maintenir à jour les données quotidiennes de marché : charger un historique initial, récupérer un petit complément avec chevauchement, vérifier les dates manquantes et surveiller la fraîcheur des données et…

ActionsBacktestStatistiquesGestion des risques
Machine Learning for Trading

Cette analyse exploratoire caractérise les données horaires OHLCV des contrats perpétuels Binance ainsi qu’un indice de prime sur huit heures. Elle vérifie la couverture des données, l’évolution de l’univers des contrats, les unités, les valeurs manquantes…

CryptomonnaiesContrats à terme perpétuelsMicrostructure des marchésStatistiques
Machine Learning for Trading

Ce code présente une architecture d’autoencodeur supervisé pour produire des prédictions à partir de caractéristiques financières. Un encodeur compresse les entrées normalisées dans un goulot d’étranglement, tandis qu’un décodeur reconstruit les entrées…

Apprentissage automatiqueActionsStatistiques
Machine Learning for Trading

Ce notebook explique comment construire des caractéristiques fondées sur des modèles pour un panel d’actions US sans laisser les observations futures influencer les valeurs historiques. Sa méthode centrale est un calendrier d’estimation : les modèles…

ActionsApprentissage automatiqueStatistiquesVolatilité
arXiv papers

Ce travail étudie l’investissement et la consommation à horizon infini d’un investisseur à utilité puissance sur un marché incomplet dont les possibilités dépendent d’un facteur stochastique. Il traite à la fois les facteurs à états finis et ceux modélisés…

Construction de portefeuilleGestion des risquesVolatilitéStatistiques
arXiv papers

Cet article s’inspire de la thermodynamique stochastique pour modéliser l’impact sur les prix et étudier les stratégies de trading aller-retour. Il traite un cycle de trading comme un processus hors équilibre, interprète l’impact comme un travail dissipé et…

Microstructure des marchésExécution des ordresArbitrageStatistiques