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 profile un univers fixe de 100 ETF répartis en neuf groupes d’actifs. Elle vérifie la couverture par fonds et par année, confirme que le panel de prix correspond à la configuration des groupes, examine les valeurs nulles et l’ordre OHLC, et…

Multi-actifsStatistiquesGestion des risquesBacktest
Machine Learning for Trading

Ce notebook étudie des modèles de gradient boosting pour prévoir les rendements et le sens des contrats perpétuels crypto. Sa grille fait varier la capacité des arbres et la fonction de perte, notamment les objectifs d’erreur quadratique, d’erreur absolue et…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueMomentum
Machine Learning for Trading

Ce document présente le socle neuronal PatchTST pour la prévision de séries temporelles multivariées. Il divise chaque série d’entrée en patches qui se chevauchent, projette chaque patch dans un espace de caractéristiques appris, ajoute des encodages…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce document explique comment mesurer les rendements autour d’événements tels que le déclenchement de signaux, les annonces de résultats ou les publications macroéconomiques. Son exemple pratique utilise des cassures de momentum sur des ETF liquides. Pour…

ActionsStratégies événementiellesMomentumCassure
Machine Learning for Trading

Ce chapitre présente la construction d’études cohérentes dans le temps sur les données fondamentales et alternatives, concernant les actions, les séries macroéconomiques, les contrats à terme, les cryptomonnaies et les marchés prédictifs. Ses méthodes…

BacktestStatistiquesApprentissage automatiqueDonnées on-chain
Machine Learning for Trading

Ce notebook utilise l’apprentissage automatique double pour tester si l’association entre l’écart de volatilité implicite moins réalisée et les rendements futurs des actions persiste après ajustement pour les facteurs de confusion observés. Il compare…

OptionsActionsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document explique comment évaluer une stratégie choisie sur les données de validation à l’aide de prévisions issues d’un échantillon de réserve distinct de 2021. L’allocation sélectionnée, la concentration, les contrôles du risque, le calendrier de…

ActionsBacktestGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce document décrit comment dériver un intervalle d’entraînement unique pour l’échantillon de réserve à partir d’une spécification de validation walk-forward existante. Il reprend les dates de réserve déclarées dans la configuration de l’étude, utilise le…

BacktestApprentissage automatiqueGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook construit des labels de rendement futur pour des straddles courts à la monnaie sur des actions du S&P 500. Puisque le straddle nominal à 30 jours du panel quotidien représente un contrat différent à chaque séance, décaler une série de prix…

OptionsVolatilitéÉvaluation des dérivésStatistiques
Machine Learning for Trading

Ce notebook explique comment la recherche parmi de nombreux facteurs ou stratégies gonfle la performance apparente du meilleur candidat, même lorsque les estimations individuelles sont correctement calculées. Un ensemble simulé de facteurs aléatoires montre…

StatistiquesInvestissement factorielBacktestGestion des risques
Machine Learning for Trading

PCA avec prime de risque modifie la matrice de covariance en lui ajoutant un produit extérieur pondéré du vecteur des rendements moyens d’entraînement. Ses vecteurs propres dominants définissent des portefeuilles factoriels statiques : on retrouve PCA…

Investissement factorielStatistiquesApprentissage automatiqueBacktest
arXiv papers

Cette étude compare le Double Deep Q-Learning aux mélanges d’experts partitionnés par K-means et aux réseaux denses à nombre de paramètres équivalent pour l’exécution d’ordres sur BTC/USDT. L’évaluation utilise des données du carnet d’ordres à cours limité…

CryptomonnaiesExécution des ordresApprentissage automatiqueMicrostructure des marchés
arXiv papers

Cet article propose un graphe de protocole canonique pour les marchés événementiels à effet de levier, où plusieurs composants individuellement valides peuvent autrement créer des états financiers contradictoires. Il attribue chaque domaine — positions,…

Évaluation des dérivésGestion des risquesExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Ce notebook estime si le score z de la prime d’un perpétuel crypto affecte les rendements ultérieurs sur huit heures lorsque trois facteurs déclarés — volatilité des prix, taux de financement et écart moyen de la prime — sont maintenus constants. Comme le…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook présente un GAN Sig-Wasserstein non conditionnel pour générer des séries temporelles financières. Il remplace un discriminateur entraîné à distinguer le réel du généré par une distance fondée sur les signatures attendues des trajectoires, des…

Apprentissage automatiqueStatistiquesActionsVolatilité
Machine Learning for Trading

Ce notebook utilise les rendements quotidiens ETF pour expliquer comment les modèles GARCH captent le regroupement de la volatilité et le transforment en caractéristique calculée à chaque séance. Il commence par des diagnostics visuels et un test ARCH-LM…

VolatilitéStatistiquesGestion des risquesActions
Machine Learning for Trading

Ce module source fournit des chargeurs pour les cours des actions américaines, les indices, les options, la microstructure de marché, les fondamentaux et les positions institutionnelles. Son détail méthodologique le plus important porte sur le…

ActionsMicrostructure des marchésExécution des ordresMarchés américains
Machine Learning for Trading

Ce notebook explique comment reconstruire un catalogue d’expériences de modèles à partir du registre d’une étude de cas et en comparer le contenu avec MLflow. Il suit les expériences depuis les exécutions d’entraînement jusqu’aux ensembles de prédictions et…

Apprentissage automatiqueBacktestStatistiquesGestion des risques
Machine Learning for Trading

Cette analyse exploratoire décrit les données OHLCV horaires des contrats perpétuels crypto ainsi qu’un indice de prime sur huit heures. Elle examine la couverture des symboles et des dates, l’évolution de la composition des contrats, les unités et la…

CryptomonnaiesContrats à terme perpétuelsMicrostructure des marchésStatistiques
Machine Learning for Trading

Cette étude de cas construit des caractéristiques pour examiner si la variance implicite à la monnaie dépasse la variance réalisée ultérieure pour les titres du S&P 500, et si l’écart varie selon les titres. Elle combine les cotations de straddles aux prix…

OptionsVolatilitéActionsBacktest