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

934 documents

Machine Learning for Trading

Ce notebook évalue NLinear, un modèle séquentiel simple qui soustrait le dernier niveau observé d’une fenêtre rétrospective et transforme la séquence obtenue en prévision par une transformation linéaire. Il ajuste la population de modèles ETF sur des plis…

ActionsApprentissage 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 audite un corpus de rapports annuels avant son indexation pour la recherche financière. Il mesure le délai entre la fin d’une période fiscale et la date de publication publique, montrant pourquoi les applications à date donnée doivent utiliser…

ActionsApprentissage automatiqueExécution des ordresBacktest
Machine Learning for Trading

Ce notebook définit des étiquettes de rendement total mensuel pour une étude transversale des caractéristiques d’entreprises US et vérifie leur correspondance avec les lignes du fournisseur. Le tableau associe les caractéristiques du mois précédent au…

ActionsMarchés américainsApprentissage automatiqueBacktest
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 décrit le chargement des données de marché ETF, avec des filtres facultatifs sur les symboles et les dates, ainsi qu’une limite déterministe au nombre de symboles renvoyés. Le point analytique principal consiste à adapter la série de prix à la…

ActionsMulti-actifsStatistiques
Machine Learning for Trading

Ce tutoriel explique comment organiser les données de marché au-delà de téléchargements ponctuels. Il présente un gestionnaire unifié pour récupérer un symbole ou des lots de symboles, des univers prédéfinis ou personnalisés et un stockage Parquet…

Multi-actifsActionsBacktestExécution des ordres
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

Le notebook traite chaque fenêtre de rendements comme une distribution empirique et regroupe les fenêtres selon la distance de Wasserstein unidimensionnelle. Pour des échantillons de même taille, le tri fournit l’appariement optimal des quantiles ; la…

ActionsApprentissage automatiqueStatistiquesVolatilité
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 notebook applique l’analyse en composantes principales fondée sur les corrélations aux rendements des ETF sectoriels afin de décrire les facteurs de risque communs et la rotation sectorielle. La standardisation des rendements donne une variance unitaire à…

ActionsInvestissement factorielStatistiquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook transforme les rendements prospectifs des 21 jours des ETF en cible de hausse ou de baisse et évalue une régression logistique régularisée par L1 et L2 sur des segments chronologiques de validation walk-forward. Il met les variables à l’échelle à…

Apprentissage automatiqueStatistiquesDimensionnement des positionsActions
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 décrit l’ajustement de PatchTST aux données à la minute NASDAQ-100 pour prévoir les rendements sur plusieurs horizons futurs. Le modèle regroupe les observations consécutives en segments et leur applique un mécanisme d’attention, réduisant le…

ActionsApprentissage automatiqueBacktestStatistiques
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 notebook présente un GAN Wasserstein inconditionnel fondé sur les signatures pour générer des séries temporelles financières. Il transforme les rendements en trajectoires augmentées, calcule des signatures de trajectoire tronquées et entraîne un…

Apprentissage automatiqueStatistiquesActionsBacktest
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 évalue TSMixer comme modèle séquentiel global pour un panel ETF. Le modèle partage ses paramètres entre les fonds tout en utilisant l’historique et les covariables propres à chacun ; ses couches de mélange apprennent les relations temporelles et…

Apprentissage automatiqueActionsStatistiquesBacktest
Machine Learning for Trading

Ce notebook décrit l’utilisation de TSMixer pour prédire les rendements des actions à partir de fenêtres ordonnées de caractéristiques propres à chaque action. Chaque exemple comprend 60 séances consécutives ; les fenêtres qui traversent des lacunes dans…

ActionsMarchés américainsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce guide organise les jeux de données US sur les actions en données de marché, fondamentaux d’entreprise, positions des investisseurs et caractéristiques des sociétés. Il répertorie les chargeurs de barres quotidiennes et intrajournalières, d’options et de…

ActionsMarchés américainsMicrostructure des marchésOptions
Machine Learning for Trading

Ce notebook transforme les prédictions de validation de plusieurs familles de modèles en portefeuilles long-short à pondération égale. Il classe les actions selon leur rendement prédit, achète les mieux classées et vend à découvert les moins bien classées,…

ActionsMarchés américainsBacktestConstruction de portefeuille