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

Ce notebook compare les moindres carrés ordinaires à Ridge, LASSO et Elastic Net pour prévoir les rendements futurs dans un univers d’ETF. Tous les modèles utilisent les mêmes plis walk-forward, avec une période de purge correspondant à l’horizon de la…

Apprentissage automatiqueActionsStatistiquesBacktest
Machine Learning for Trading

Ce notebook élabore un cadre tenant compte des unités pour estimer les coûts de trading sur les actions, les ETF, les futures, le change et les contrats perpétuels crypto. Il distingue d’abord le volume échangé des mesures d’activité qui ne peuvent pas être…

Exécution des ordresMicrostructure des marchésGestion des risquesContrats à terme
Machine Learning for Trading

Ce notebook construit un cadre moyenne-variance investi à 100 % et uniquement acheteur pour un univers diversifié d’ETF. Il construit des portefeuilles réalisables et une frontière efficiente, puis calcule les pondérations de Sharpe maximal et de variance…

Multi-actifsConstruction de portefeuilleStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook réévalue les principales configurations d’allocation ETF selon deux grilles de coûts, en maintenant fixes les prévisions, la concentration et les règles d’allocation. Il compare le modèle de l’étude de cas, fondé sur une commission par action et…

ActionsExécution des ordresBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook mesure l’effet des coûts d’exécution sur une configuration déjà sélectionnée de futures perpétuels crypto. Il maintient fixes le modèle, le checkpoint, la règle d’entrée, l’allocation et le contrôle du risque, puis relance les backtests sur une…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresBacktest
Machine Learning for Trading

Ce notebook applique l’analyse en composantes principales à un sous-ensemble liquide d’actions US afin de construire des portefeuilles propres normalisés en exposition brute et d’étudier leur rôle comme facteurs de risque latents. Il examine la variance…

ActionsInvestissement factorielStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook compare des modèles linéaires pour prévoir les rendements ETF à partir de caractéristiques de prix qui se chevauchent. Comme plusieurs horizons de rendement et familles d’indicateurs peuvent encoder des informations similaires, les moindres…

ActionsMulti-actifsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce guide associe les questions causales aux bibliothèques Python et clarifie la différence entre estimer des effets en supposant une structure causale et découvrir des structures possibles à partir des données. Il présente le double apprentissage automatique…

Apprentissage automatiqueStatistiquesActionsCryptomonnaies
Machine Learning for Trading

Ce cadre présente des contrôles de qualité des données quotidiennes US sur les actions OHLCV. La validation structurelle vérifie les relations entre les prix, leur positivité, le caractère non négatif des volumes, les valeurs manquantes, les dates en double,…

ActionsStatistiquesGestion des risquesMarchés américains
Machine Learning for Trading

Ce notebook présente un modèle de facteur d’actualisation stochastique pour valoriser une coupe transversale d’ETF. Au lieu d’estimer séparément les expositions des fonds et les rendements des facteurs, il entraîne des réseaux à trouver une série commune de…

Apprentissage automatiqueInvestissement factorielStatistiquesActions
Machine Learning for Trading

Ce notebook construit un backtest mensuel de rotation d’ETF ETF, des rendements du portefeuille jusqu’aux transactions simulées. Il classe dix fonds selon leurs rendements ajustés du risque sur la période précédente, applique un régime fondé sur la courbe…

BacktestMomentumExécution des ordresConstruction de portefeuille
Machine Learning for Trading

Ce notebook reconstitue la meilleure offre acheteur et vendeur en vigueur pour chaque transaction AAPL au cours d’une séance de mars 2020, puis applique la méthode Lee–Ready pour déduire si les acheteurs ou les vendeurs ont initié les transactions. Il…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook produit un rapport vérifiable sur une stratégie Bitcoin exclusivement acheteuse, avec entrées et sorties selon des seuils RSI. Il compare les résultats bruts et nets, puis mesure la performance par rapport à une référence d’achat-conservation…

CryptomonnaiesRetour à la moyenneIndicateurs techniquesBacktest
Machine Learning for Trading

Ce notebook pose une question ciblée : une représentation séquentielle apprise des caractéristiques de financement perpétuel fait-elle mieux que des résumés conçus manuellement de la prime, c’est-à-dire de l’écart entre les prix des contrats perpétuels et au…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueBacktest
Machine Learning for Trading

Cette configuration décrit une stratégie quotidienne long-short sur actions US qui classe un vaste univers boursier selon les prédictions du modèle, achète le décile supérieur et vend à découvert le décile inférieur, avec des pondérations égales au sein de…

ActionsMarchés américainsConstruction de portefeuilleExécution des ordres
Machine Learning for Trading

Ce notebook évalue une par une les caractéristiques candidates de 20 paires de devises par rapport aux rendements futurs. Il limite l’analyse aux périodes de validation walk-forward, associe chaque séance à son pli et laisse un intervalle tampon avant la…

Marché des changesStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook explique comment combiner les prévisions probabilistes de plusieurs agents et étalonner les probabilités obtenues. Il présente l’extrémisation de Neyman, qui éloigne la prévision moyenne du taux de base en fonction de la taille du panel et d’une…

StatistiquesApprentissage automatiqueSentiment de marché
Machine Learning for Trading

Cet utilitaire de données facilite l’utilisation du jeu de données de valorisation de Chen, Pelger et Zhu, qui comprend les rendements boursiers, les caractéristiques des entreprises, des séries macroéconomiques et des tenseurs de caractéristiques…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook examine si des caractéristiques financières contribuent à expliquer une étiquette de rendement d’options couvertes en delta sur 10 séances. Il compare des modèles Ridge utilisant une caractéristique de volatilité implicite, des groupes de…

OptionsActionsStatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook mesure l’évolution du ratio de Sharpe de validation des straddles à la monnaie sur options S&P 500 selon les coûts d’exécution supposés et deux univers d’options. Il exprime le coût du spread comme une fraction du demi-spread coté de l’option,…

OptionsMarchés américainsBacktestExécution des ordres