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 analyse exploratoire décrit un jeu de données OANDA en quatre heures couvrant vingt paires de devises. Elle explique que le champ de volume compte les mises à jour de cotation sur une seule plateforme, et non la taille consolidée des transactions ; il…

Marché des changesStatistiquesMicrostructure des marchés
Machine Learning for Trading

Ce tutoriel opérationnel présente les protections à l’exécution d’un système de trading en réel avec un courtier synthétique. Il montre comment SafeBroker rejette les ordres lorsque les données de marché sont trop anciennes ou que les pertes quotidiennes…

Gestion des risquesExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Ce notebook assemble un agent de prévision à partir d’un client de modèle de langage, d’un outil de recherche et d’une boucle de tours limitée. L’agent recherche des éléments probants et renvoie une probabilité binaire accompagnée d’une justification. Son…

Apprentissage automatiqueStatistiquesSentiment de marchéBacktest
Machine Learning for Trading

Ce notebook applique des méthodes d’étude événementielle fondées sur des séries temporelles structurelles bayésiennes pour estimer l’impact des annonces de la Réserve fédérale sur un ETF obligataire ETF. Il construit un contrefactuel à partir des relations…

Titres à revenu fixeStratégies événementiellesStatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook compare DQN, PPO et A2C dans un environnement de trading simulé commun, calibré sur les rendements horaires des contrats à terme perpétuels sur Bitcoin. Un modèle GARCH(1,1) produit le regroupement de volatilité ; l’environnement facture les…

Apprentissage automatiqueCryptomonnaiesContrats à terme perpétuelsVolatilité
Machine Learning for Trading

Ce notebook teste si quatre stratégies de portefeuilles gérés expliquent les rendements de SPY après contrôle de la coévolution générale des ETF. Les stratégies classent les ETF selon le momentum retardé, la volatilité ou les rendements récents. Dix…

Investissement factorielApprentissage automatiqueStatistiquesMomentum
Machine Learning for Trading

Ce notebook explique pourquoi les prix bruts des actions peuvent produire des rendements trompeurs lorsqu’ils couvrent des divisions d’actions ou des dates de détachement de dividendes en espèces. Il décrit l’ajustement rétroactif, qui met à l’échelle les…

ActionsStatistiquesBacktestMarchés américains
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 évalue si le coefficient d’information (IC) d’un signal peut être distingué du bruit lorsque les observations successives sont dépendantes. Il illustre le problème avec un signal de momentum et des données ETF, et explique comment le…

StatistiquesApprentissage automatiqueMomentumBacktest
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 explique comment examiner un panel fourni de séries économiques de FRED et interpréter sa grille calendaire, ses métadonnées et ses colonnes dérivées. Comme le panel a été aplati sur un calendrier quotidien, le nombre de lignes masque les…

Multi-actifsTitres à revenu fixeVolatilitéStatistiques
Machine Learning for Trading

Ce notebook traite les prévisions ARIMA comme des colonnes d’entrée pour des modèles ultérieurs, et non comme des prédictions autonomes. Il ajuste des modèles aux rendements ETF, utilise des tests de stationnarité et des diagnostics d’autocorrélation pour…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook explique comment préparer et enregistrer des prévisions NLinear pour des étiquettes FX. NLinear soustrait le dernier niveau observé de chaque historique d’entrée de longueur fixe, afin que le modèle se concentre sur les variations au cours de la…

Marché des changesApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Cet outil d’analyse partagé permet de comparer les prédictions de modèles de trading au moyen des métriques du registre et de diagnostics au niveau des prédictions. Il charge des résultats précalculés de coefficients d’information, permet de filtrer par…

StatistiquesBacktestApprentissage automatiqueConstruction de portefeuille
Machine Learning for Trading

Ce document explique comment construire des étiquettes de rendements à terme pour une stratégie de contrats à terme en coupe transversale qui classe les produits selon leur structure par échéance. Il distingue les prix ajustés des roulements de contrats,…

Contrats à termeMatières premièresStratégies de portageBacktest
Machine Learning for Trading

Ce document présente trois variables fondées sur des modèles et construites à partir du portage des contrats à terme : une prévision ARIMA du portage à la séance suivante, des mesures de Fourier glissantes pour certaines longueurs de cycle et un modèle de…

Contrats à termeStratégies de portageApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document présente deux méthodes d’estimation des spreads bid-ask lorsque seules des données journalières OHLCV sont disponibles. Corwin-Schultz compare les amplitudes haut-bas sur des intervalles adjacents d’un et deux jours, en s’appuyant sur le…

Microstructure des marchésStatistiquesExécution des ordresVolatilité
Machine Learning for Trading

Ce document explique une référence de validation pour les prédictions de modèles sur les contrats à terme CME. À chaque décision hebdomadaire, les produits sont classés selon le rendement prédit ; le groupe de tête est détenu à l’achat et celui du bas à la…

Contrats à termeBacktestConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce document décrit la conversion de fenêtres glissantes de rendements ETF en images à deux canaux pour un réseau de neurones convolutif classique. Un champ angulaire de Gramian transforme les observations normalisées en angles et consigne les relations…

ActionsApprentissage automatiqueIndicateurs techniquesStatistiques
Machine Learning for Trading

Ce document présente le panel mensuel d’actions US de Chen, Pelger et Zhu, utilisé pour comparer des modèles de valorisation des actifs. Il décrit 46 caractéristiques d’entreprises regroupées par thème économique, les rendements excédentaires du mois suivant…

ActionsMarchés américainsInvestissement factorielStatistiques
Machine Learning for Trading

Ce document présente un réseau convolutif temporel qui prédit les primes de financement des contrats perpétuels crypto à partir d’une fenêtre de règlement de 60. Quatre blocs de convolution causale utilisent un noyau de trois et des dilatations de 1, 2, 4 et…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueRetour à la moyenne
Machine Learning for Trading

Ce notebook décrit une architecture inspirée de GT-GAN pour synthétiser des séries temporelles aux horodatages réellement irréguliers, comme les barres de ticks, de volume ou de dollars. Un encodeur GRU-ODE transforme les observations en états latents,…

Apprentissage automatiqueTrading haute fréquenceMicrostructure des marchésBacktest
Machine Learning for Trading

Ce notebook présente une méthode pour caractériser les séries de marché avant leur modélisation. Il commence par des graphiques des prix et rendements de SPY, des niveaux de VIX et de la distribution des rendements afin de repérer les tendances, les…

ActionsStatistiquesVolatilitéGestion des risques