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

807 documents

Machine Learning for Trading

Ce notebook présente deux dispositifs de surveillance séquentielle des erreurs de prédiction en validation pour deux configurations de modèles linéaires sur actions : un détecteur de changement de moyenne à deux fenêtres et un suivi de la fréquence des…

ActionsApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce chapitre traite les coûts de transaction comme une contrainte à toutes les étapes de la recherche et du déploiement d’une stratégie, de l’évaluation des facteurs et du backtesting à la construction du portefeuille, à la surveillance des risques et au…

Exécution des ordresMicrostructure des marchésBacktestGestion des risques
Machine Learning for Trading

Le notebook montre comment régler LightGBM pour la prévision des rendements ETF avec l’échantillonneur TPE d’Optuna. Il explore la structure des arbres, l’échantillonnage et les paramètres de régularisation, utilise l’arrêt anticipé pour choisir le nombre…

Apprentissage automatiqueBacktestStatistiquesActions
Machine Learning for Trading

Ce notebook explique dans quels cas il est plus clair de simuler une stratégie de trading barre par barre avec un état évolutif que de l’exprimer au moyen de signaux ou de pondérations précalculés. Il compare les backtests fondés sur des tableaux, rapides et…

BacktestDimensionnement des positionsTrading par pairesGestion des risques
Machine Learning for Trading

Ce chapitre présente la recherche sur les stratégies comme la conception et l’évaluation d’un processus de décision exécutable, de l’idée économique initiale au dimensionnement des positions, aux contraintes, aux coûts et aux tests proches du trading en…

BacktestApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook définit les étiquettes de rendements futurs pour un panel d’actions US et explique pourquoi leur construction affecte tous les modèles et backtests en aval. Il précise les fenêtres de rendement fondées sur les prix ajustés et exprimées en séances…

ActionsMomentumStatistiquesBacktest
Machine Learning for Trading

Ce notebook explique comment décomposer les rendements et le risque ETF à l’aide de CAPM et des régressions factorielles de Fama–French. Il estime les expositions sur l’échantillon complet avec des erreurs-types robustes à l’hétéroscédasticité et à…

ActionsInvestissement factorielGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook évalue les stop-loss, les stops suiveurs et les sorties à durée fixe sur des stratégies actions US sélectionnées. Un stop-loss réagit aux pertes depuis le prix d’entrée, un stop suiveur aux baisses depuis le sommet de la position, et une sortie…

ActionsGestion des risquesBacktestDimensionnement des positions
Machine Learning for Trading

Ce notebook audite l’ensemble complet des prévisions canoniques de validation pour une étude de paires FX. Il vérifie l’identité des modèles, la disponibilité des artefacts, l’exhaustivité, la couverture des étiquettes configurées et la conformité des…

Marché des changesApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare six méthodes d’allocation de positions longues uniquement ETF, conçues pour réduire la dépendance aux estimations instables. Il applique une régularisation de covariance de Ledoit-Wolf aux estimateurs qui utilisent la covariance et…

Multi-actifsActionsTitres à revenu fixeConstruction de portefeuille
Machine Learning for Trading

Ce notebook présente un processus opérationnel pour connecter une stratégie partagée de backtest et de trading en réel à une session de trading en papier Interactive Brokers. Il vérifie l’identité et l’état du compte, demande des barres historiques pour…

ActionsMomentumExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook montre comment des coûts d’exécution explicites peuvent réduire les rendements bruts d’une stratégie intrajournalière hypothétique. Il ancre le spread de franchissement sur le spread coté médian pondéré par le volume des composantes du…

ActionsExécution des ordresMicrostructure des marchésGestion des risques
Machine Learning for Trading

Cette démonstration de trading en réel décrit un processus de rééquilibrage quotidien pour un univers fixe d’actions américaines à grande capitalisation US. Elle compare les positions détenues chez le courtier aux cibles du modèle, convertit les écarts en…

ActionsExécution des ordresGestion des risquesDimensionnement des positions
Machine Learning for Trading

Le document présente un flux de recherche en trading par apprentissage automatique, de la collecte des données et de la création des variables à l’entraînement des modèles, au backtesting, aux coûts de transaction, aux décisions de portefeuille et de risque,…

Apprentissage automatiqueBacktestGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook teste des règles de risque au niveau des positions et du portefeuille sur les meilleures combinaisons d’allocation ETF d’une stratégie mensuelle. Il maintient fixes chaque prédiction enregistrée, chaque règle de concentration et chaque mécanisme…

ActionsGestion des risquesBacktestExécution des ordres
Machine Learning for Trading

Ce notebook présente un système de questions-réponses sur un graphe Neo4j de participations institutionnelles 13F. Il oriente chaque question vers l’un de trois modèles Cypher rédigés à la main, au lieu de générer une requête à partir de la question, et…

ActionsGestion des risquesMicrostructure des marchés
Machine Learning for Trading

Ce module décrit des contrôles visant à vérifier que les entrées de prédiction et de backtest couvrent les séances et les segments définis par une étude. Les contrôles relatifs comparent les modèles candidats entre eux et peuvent donc manquer une défaillance…

BacktestGestion des risquesStatistiquesMicrostructure des marchés
Machine Learning for Trading

Ce notebook applique l’analyse en composantes principales à un sous-ensemble liquide d’actions US pour extraire des facteurs latents et former des portefeuilles propres long-short. Il explique comment convertir des vecteurs PCA standardisés en pondérations…

ActionsInvestissement factorielStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook vérifie si les données historiques ETF permettent de soutenir une stratégie de classement mensuel avant d’ajuster un modèle ou de produire des prévisions. Il teste l’univers négociable à partir de la liquidité de l’année précédente, compte les…

Multi-actifsBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook compare différentes façons d’allouer le capital entre des positions actions US, en gardant fixes le modèle, le point de contrôle, les dates de rééquilibrage et les actions sélectionnées. Il examine les pondérations fondées sur la force des…

ActionsDimensionnement des positionsConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce carnet illustre des contrôles de dérive des caractéristiques sur les caractéristiques de momentum et techniques des ETF ETF, dans des périodes calmes et tendues, ainsi que sur des contrats perpétuels crypto avec des données d’indice de prime, dans…

Apprentissage automatiqueStatistiquesGestion des risquesCryptomonnaies
Machine Learning for Trading

Ce notebook explique comment interpréter les contrats Kalshi sur le taux des fonds fédéraux et préparer leurs prix pour la recherche quantitative. Le prix d’un contrat binaire représente une probabilité implicite d’événement, mais le flux contient la…

Titres à revenu fixeStatistiquesMicrostructure des marchésArbitrage
Machine Learning for Trading

Ce notebook compare des modèles de commissions sur actions et contrats à terme à plusieurs modèles de slippage, en soulignant que leurs unités et hypothèses diffèrent. Les frais en pourcentage restent constants en proportion du montant notionnel, tandis que…

Exécution des ordresBacktestMicrostructure des marchésGestion des risques
Machine Learning for Trading

Ce document décrit un backtest hors échantillon à paramètres fixes pour une stratégie sélectionnée sur contrats à terme CME. La configuration, les prédictions, l’allocation, la fréquence de rééquilibrage, la concentration et les hypothèses de coûts de…

Contrats à termeBacktestStatistiquesGestion des risques