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 des modèles linéaires sur des caractéristiques ETF construites à partir de fenêtres de rendements qui se chevauchent et de mesures connexes de momentum, de volatilité et d’oscillateurs. Ces prédicteurs sont colinéaires, ce qui rend…

Multi-actifsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook teste si la construction de portefeuille peut sauver une stratégie NASDAQ-100 exécutée à chaque barre et pénalisée par les coûts. Il sélectionne les meilleures prédictions de référence à partir de l’univers de sélection déclaré, puis compare les…

ActionsConstruction de portefeuilleDimensionnement des positionsExécution des ordres
Machine Learning for Trading

Ce notebook évalue les performances d’ensembles de prédictions ETF enregistrés lorsqu’ils sont convertis en portefeuilles. Il croise chaque ensemble de prédictions de validation avec des schémas d’entrée définis, tels que différentes sélections des k…

ActionsBacktestConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce chapitre cartographie les données financières issues des marchés, des fondamentaux et de sources alternatives, puis compare la manière dont les classes d’actifs déterminent le sens des prix, de la liquidité et des observations. Il souligne que les…

Multi-actifsStatistiquesBacktestGestion des risques
Machine Learning for Trading

Ce notebook décrit un modèle LSTM qui prédit les rendements à partir de fenêtres ordonnées de caractéristiques boursières dans un panel d’actions US. Contrairement à un modèle tabulaire classique, le LSTM traite les séances séquentiellement et conserve un…

Apprentissage automatiqueActionsMarchés américainsBacktest
Machine Learning for Trading

Ce notebook présente TimeGAN, un modèle antagoniste génératif récurrent destiné à produire des séquences financières synthétiques. Ses cinq modules apprennent une représentation latente et sa reconstruction, prédisent les états latents successifs, génèrent…

Apprentissage automatiqueActionsStatistiquesBacktest
Machine Learning for Trading

Ce carnet met en œuvre une règle de retour à la moyenne, uniquement à l’achat, fondée sur RSI pour les contrats perpétuels BTC/USDT, à l’aide d’un moteur de backtesting événementiel. Il agrège les observations intrajournalières en barres quotidiennes UTC,…

CryptomonnaiesContrats à terme perpétuelsRetour à la moyenneIndicateurs techniques
Machine Learning for Trading

Ce notebook applique deux détecteurs séquentiels aux erreurs de prédiction réelles de validation de deux configurations de modèles linéaires sur actions US pendant une année civile. Un détecteur de décalage de moyenne à deux fenêtres recherche les variations…

Apprentissage automatiqueStatistiquesGestion des risquesActions
Machine Learning for Trading

Ce document explique comment TWAP et VWAP découpent un ordre parent important en ordres enfants au cours d’une séance de trading. TWAP répartit des quantités égales sur chaque intervalle de temps ; VWAP répartit les quantités au prorata d’une prévision du…

Exécution des ordresMicrostructure des marchésBacktestActions
Machine Learning for Trading

Cette analyse de faisabilité évalue si les données de cotation peuvent soutenir une stratégie transversale neutre au marché, qui classe les composantes du NASDAQ-100 à intervalles de quinze minutes et détient les deux extrémités du classement. Elle vérifie…

ActionsMicrostructure des marchésExécution des ordresBacktest
Machine Learning for Trading

Ce document consigne un débat structuré entre scénarios haussier et baissier sur la question de savoir si la Réserve fédérale relèvera son taux cible au cours de 2026. Trois agents examinent la question et s’appuient sur les projections de la Fed,…

Titres à revenu fixeMarchés américainsStatistiques
Machine Learning for Trading

Ce notebook construit des facteurs par composantes principales à partir d’un panel de rendements de contrats à terme CME, et non à partir de caractéristiques élaborées telles que le portage, le momentum ou la volatilité. PCA trouve des directions qui…

Contrats à termeInvestissement factorielApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook compare des dispositifs de stop-loss, de stop suiveur et de sortie à durée fixe sur des backtests de microstructure NASDAQ-100 prédéfinis. La stratégie prend ses décisions toutes les quinze minutes, tandis que les règles de risque surveillent les…

Gestion des risquesBacktestDimensionnement des positionsActions
Machine Learning for Trading

Ce notebook décrit des caractéristiques contextuelles à évolution lente pour les décisions de trading quotidiennes : ratios comptables, conditions macroéconomiques et encodages calendaires. Il présente des mesures de valeur et de qualité telles que le…

ActionsInvestissement factorielStatistiquesIndicateurs techniques