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 étude de cas sur le NASDAQ-100 examine si les signaux de microstructure à intervalle de 15 minutes peuvent résister aux coûts de trading. Le processus évalue le flux d’ordres, l’obsolescence des cotations et les écarts relatifs, puis compare une…

ActionsMarchés américainsMicrostructure des marchésExécution des ordres
Machine Learning for Trading

Ce notebook étudie l’effet des règles d’allocation sur les stratégies ETF une fois que le modèle a classé les actifs. Il conserve les ensembles de prévisions et le calendrier de rééquilibrage, sélectionne le même panier des k premiers pour chaque comparaison…

ActionsConstruction de portefeuilleDimensionnement des positionsGestion des risques
Machine Learning for Trading

Ce chapitre décrit un parcours de la recherche à l’exécution en réel, fondé sur une logique de stratégie utilisable en backtest, en trading en papier et en trading en réel. Il aborde les intégrations aux courtiers et aux plateformes, les cycles de…

Exécution des ordresGestion des risquesBacktestMicrostructure des marchés
Machine Learning for Trading

Ce notebook montre comment connecter à Alpaca une interface commune de stratégie de momentum ETF, avec une simulation hors ligne disponible par défaut. Il explique comment les adaptateurs de courtier et de données de marché peuvent changer sans modifier la…

ActionsMomentumExécution des ordresGestion des risques
arXiv papers

Cette étude explique pourquoi on ne peut pas comparer la résolution des contrats événementiels sur Polymarket et Kalshi en faisant correspondre des libellés comme « résolu » ou « finalisé ». Elle décompose le processus de chaque plateforme en étapes…

Stratégies événementiellesMicrostructure des marchésStatistiquesCryptomonnaies
Machine Learning for Trading

Ce chapitre soutient qu’une recherche durable en trading dépend d’un processus discipliné, capable de s’adapter à l’évolution des marchés, aux données probantes bruitées et aux coûts de mise en œuvre. Il distingue les ruptures structurelles, les régimes, la…

Apprentissage automatiqueBacktestGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook d’évaluation filtre les caractéristiques financières et issues de modèles en fonction de leur relation avec le rendement suivant sur huit heures des contrats à terme perpétuels crypto. Il constitue l’échantillon d’évaluation à partir de fenêtres…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook vérifie si une stratégie quotidienne de classement d’actions US dispose de suffisamment de données exploitables pour permettre une évaluation équitable avant l’ajustement d’un modèle. Il explique comment constituer un univers en date connue avec…

ActionsMarchés américainsBacktestExécution des ordres
Machine Learning for Trading

Ce notebook étudie l’effet de la régularisation sur un modèle de contrats à terme CME construit à partir de familles de caractéristiques corrélées, notamment des mesures de portage, de ratio de Sharpe glissant, de momentum et de volatilité. Il compare Ridge,…

Contrats à termeApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook applique des règles configurées de stop-loss, de stop suiveur et de sortie temporelle au signal ou à la stratégie d’allocation les mieux classés en validation pour chaque horizon de rendement des contrats à terme. Chaque règle est évaluée…

Contrats à termeStratégies de portageRetour à la moyenneGestion des risques
Machine Learning for Trading

Ce notebook décrit l’adaptation de Diffusion-TS pour générer des séquences synthétiques de rendements ETF. Son débruiteur prédit la séquence propre comme une somme de composantes de tendance polynomiale, de saisonnalité de Fourier et de résidus, tandis…

Apprentissage automatiqueStatistiquesVolatilitéMulti-actifs
Machine Learning for Trading

Ce chapitre soutient qu’une discipline de recherche reproductible constitue une source d’avantage en trading plus durable que toute stratégie individuelle. Il présente un processus fondé sur des hypothèses réfutables, une évaluation hors échantillon et des…

Apprentissage automatiqueStatistiquesGestion des risquesFinance décentralisée (DeFi)
Machine Learning for Trading

Ce document présente une analyse de sensibilité aux coûts pour une stratégie de momentum ETF fixe. Il conserve l’univers, les pondérations, le calendrier et le simulateur, tout en relançant le backtest avec différents frais par opération. La courbe obtenue…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Le document explique pourquoi TabM est utilisé pour modéliser les données de panel du financement des contrats perpétuels : son socle neuronal partagé combine toutes les caractéristiques d’entrée, tandis que des couches non linéaires peuvent représenter les…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook applique une configuration ETF sélectionnée au préalable à sa période de test réservée. Il dérive les prévisions correspondantes pour cette période à partir de l’identité d’entraînement et du point de contrôle sélectionnés, puis utilise les…

ActionsBacktestConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce processus d’évaluation filtre les caractéristiques financières et issues de modèles en fonction des rendements futurs d’un panel intrajournalier NASDAQ-100. Il réserve d’abord la période finale de test et exclut les observations dont les étiquettes…

ActionsStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook montre comment une couche d’intermédiation du courtier peut rejeter des ordres dangereux grâce à des limites de taille d’ordre et de position, des plafonds de fréquence d’ordres, des restrictions sur les actifs et un commutateur d’arrêt…

Gestion des risquesDimensionnement des positionsExécution des ordres
Machine Learning for Trading

Cette analyse estime si le momentum excluant la période récente est associé à une variation causale des rendements futurs des ETF, plutôt que de chercher à déterminer dans quelle mesure le momentum prédit les rendements. Le double apprentissage automatique…

Apprentissage automatiqueStatistiquesMomentumBacktest
Machine Learning for Trading

Cette méthode de génération d’indice crée une série quotidienne de rendements équipondérés à partir des actifs déclarés dans une étude de cas. Elle prend d’abord le dernier cours de clôture de chaque symbole pour chaque séance, calcule ensuite les rendements…

BacktestConstruction de portefeuilleStatistiquesGestion des risques
Machine Learning for Trading

Ce document décrit un jeu de données quotidien d’actions US, issu des archives Wiki Prices de NASDAQ Data Link. Il couvre des milliers d’entreprises de 1962 à mars 2018 et inclut les sociétés radiées de la cote, ce qui le rend utile à la recherche historique…

ActionsMarchés américainsBacktest