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

1,030 documents

Machine Learning for Trading

Ce notebook montre comment aligner les observations macroéconomiques sur les dates auxquelles les traders pouvaient réellement en avoir connaissance. Il distingue la période mesurée par une valeur de sa date de publication, estime les dates de publication à…

Multi-actifsBacktestStatistiquesGestion des risques
Machine Learning for Trading

Cet outil mesure la variation relative absolue de la prime d’un straddle d’options ouvert, sur des horizons de séance spécifiés. Il calcule une prime valide à partir de cotations appariées d’un call et d’un put, avec des bids positifs et des asks supérieurs…

OptionsVolatilitéBacktest
Machine Learning for Trading

Cette analyse compare des modèles prédictifs qui classent les actions NASDAQ-100 selon leur rendement sur les 15 prochaines minutes à partir de caractéristiques intrajournalières de microstructure telles que les spreads, le déséquilibre de profondeur, le…

ActionsMicrostructure des marchésApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook compare sklearn HistGradientBoosting, XGBoost, LightGBM et CatBoost pour prévoir les rendements futurs ETF. Il mesure le coefficient d’information transversal, le temps d’entraînement et la mémoire utilisée selon plusieurs niveaux de complexité…

Apprentissage automatiqueActionsBacktestStatistiques
Machine Learning for Trading

Ce notebook étudie l’effet du dimensionnement des positions sur les backtests FX, après que le modèle a déjà sélectionné les paires de devises à négocier. Il conserve les prédictions, le mappage du signal, les coûts et les paramètres d’exécution de la…

Marché des changesDimensionnement des positionsConstruction de portefeuilleBacktest
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

Ce notebook explique comment créer une matrice transversale de caractéristiques de contrats à terme à partir de trois échéances par produit. Il dérive le portage et la courbure de la courbe à partir des prix réglés par la bourse, tout en utilisant des prix…

Contrats à termeMatières premièresStratégies de portageMomentum
Machine Learning for Trading

Cette étude des caractéristiques d’actions US explique comment générer des caractéristiques à partir de modèles estimés sans introduire de données futures dans les observations antérieures. Le calendrier d’estimation prévoit une période de préchauffage…

ActionsVolatilitéIndicateurs techniquesStatistiques
Machine Learning for Trading

Ce notebook applique TSMixer à des séquences ETF à l’aide d’une fonction partagée globalement entre les fonds. Chaque exemple contient l’historique et les covariables d’un fonds donné ; les interactions temporelles et entre caractéristiques sont apprises sur…

ActionsApprentissage automatiqueStatistiquesBacktest
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 notebook présente une passerelle de déploiement entre un pipeline d’apprentissage automatique hors ligne et le moteur de trading LEAN de QuantConnect. Il sélectionne de manière reproductible une exécution de modèle dans un registre, exporte ses…

Apprentissage automatiqueConstruction de portefeuilleExécution des ordresBacktest
Machine Learning for Trading

Ce document décrit l’ajustement de réseaux convolutifs temporels aux caractéristiques de microstructure à la minute du NASDAQ 100. Les convolutions causales empêchent une prédiction d’utiliser des observations ultérieures, tandis que la dilatation permet aux…

ActionsApprentissage automatiqueStatistiquesBacktest
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

Cette analyse compare les prédictions de plusieurs familles de modèles entraînées sur des caractéristiques mensuelles des actions US afin de prévoir les rendements du mois suivant. Elle porte sur le coefficient d’information transversal, qui mesure la…

ActionsMarchés américainsApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette étude de cas ajuste des modèles linéaires régularisés aux rendements de straddles à la monnaie vendus et conservés jusqu’à l’échéance. La transaction encaisse les primes des options d’achat et de vente, ce qui plafonne son gain maximal, mais peut…

OptionsVolatilitéApprentissage automatiqueStatistiques