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

462 documents

Machine Learning for Trading

Ce notebook reconstitue les meilleurs cours acheteur et vendeur nationaux (NBBO) en vigueur pour chaque transaction AAPL pendant la séance régulière du 16 mars 2020. Il combine chronologiquement les événements de cotation et de transaction, conserve la…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce tutoriel construit une série continue de contrats à terme individuels ES. Il identifie le contrat le plus proche à partir du volume de trading, avec une contrainte de reconduction monotone, et compare le changement de contrat fondé sur le volume à un…

Contrats à termeBacktestStatistiquesExécution des ordres
Machine Learning for Trading

Ce notebook examine les transactions et les cotations AAPL pendant le krach boursier de mars 16, 2020 afin de montrer comment la microstructure de marché évolue sous tension. Il filtre les données aux heures normales de trading, distingue les transactions…

ActionsMicrostructure des marchésExécution des ordresVolatilité
Machine Learning for Trading

Ce notebook présente le cycle opérationnel d’une stratégie de prédiction ETF : actualiser les données de marché, recalculer les caractéristiques financières, réentraîner un modèle Ridge, enregistrer les artefacts de déploiement, produire des prédictions…

ActionsApprentissage automatiqueExécution des ordresBacktest
Machine Learning for Trading

Ce notebook développe un cadre pour traduire l’activité de marché en coûts de trading modélisés et en capacité de stratégie. Il présente le modèle d’impact en racine carrée, désigne la volatilité et le volume quotidien moyen comme principaux facteurs…

Microstructure des marchésExécution des ordresGestion des risquesDimensionnement des positions
Machine Learning for Trading

Ce notebook isole les résultats du moteur LEAN dans le cadre d’un audit comparant des exécutions conservées de stratégies réelles à des profils ML4T Backtest correspondants. Il identifie quatre types de tâches pris en charge : allocation ETF, financement de…

Multi-actifsBacktestExécution des ordresCryptomonnaies
Machine Learning for Trading

Ce notebook présente un processus qui relie le chargement standardisé des données ETF, un registre de caractéristiques et des diagnostics de signaux. Il montre comment consulter les métadonnées des indicateurs, calculer des caractéristiques avec les…

ActionsIndicateurs techniquesMomentumStatistiques
Machine Learning for Trading

Cette étude construit une mesure à la minute de la pression du flux d’ordres à partir de données marché par ordre pour NVDA. Elle attribue un signe aux ajouts, annulations et exécutions d’ordres selon leur côté, pondère les événements selon leur taille et…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook convertit les prédictions de paires FX en résultats de trading de référence. À chaque instant de décision, il classe les paires, prend des positions longues et courtes de même taille, puis exécute les configurations de prédiction et les points de…

Marché des changesBacktestConstruction de portefeuilleDimensionnement des positions
Machine Learning for Trading

Ce notebook compare deux simulations de la même stratégie mensuelle de momentum ETF. Elles utilisent les mêmes pondérations cibles, univers, dates et coûts de trading totaux. L’une calcule les rendements à partir des pondérations retardées et des rendements…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce notebook compare le stockage en CSV, Parquet, Feather et HDF5 sur un tableau OHLCV déterministe d’un million de lignes. Il mesure le temps d’écriture, le temps de lecture après matérialisation des données, la taille des fichiers et les lectures ne…

ActionsStatistiquesExécution des ordres
Machine Learning for Trading

Ce notebook compare DQN, PPO et A2C dans un environnement simulé de trading de cryptomonnaies. Il calibre un processus de volatilité GARCH(1,1) à partir des rendements horaires des contrats à terme perpétuels Bitcoin, puis simule des trajectoires qui…

Apprentissage automatiqueCryptomonnaiesContrats à terme perpétuelsBacktest
Machine Learning for Trading

Cet audit compare des moteurs de trading qui rejouent les mêmes objectifs de modèle figés et les mêmes données historiques adressées par contenu pour l’allocation ETF, les contrats à terme, le financement des contrats perpétuels crypto, le marché des changes…

BacktestExécution des ordresMulti-actifsContrats à terme
Machine Learning for Trading

Ce notebook présente un processus de questions-réponses en lecture seule sur un graphe de participations institutionnelles construit à partir des déclarations 13F. Au lieu de générer des requêtes de base de données à partir du langage naturel, il dirige les…

ActionsApprentissage automatiqueExécution des ordresGestion des risques
Machine Learning for Trading

Ce document présente une machine à états réutilisable pour suspendre automatiquement le trading, avec des états fermé, ouvert et semi-ouvert. Elle applique la même logique de transition à quatre risques : drawdown du compte, perte quotidienne, séances…

Gestion des risquesExécution des ordresBacktest
Machine Learning for Trading

Ce notebook examine les données de transactions et de cotations AlgoSeek à la granularité des ticks pour AAPL pendant le krach boursier de mars 16, 2020. Il filtre les heures normales de négociation, distingue les transactions des mises à jour NBBO et étudie…

ActionsMicrostructure des marchésExécution des ordresVolatilité
Machine Learning for Trading

Ce notebook évalue les stop-loss par position, les stops suiveurs et les sorties à durée limitée sur les configurations de l’étape d’allocation d’une stratégie intrajournalière NASDAQ-100. Les décisions sont prises toutes les quinze minutes, tandis que le…

ActionsGestion des risquesBacktestExécution des ordres
Machine Learning for Trading

Ce chapitre présente l’apprentissage par renforcement comme un outil de contrôle séquentiel, distinct de la prévision supervisée. Il se concentre sur les tâches où les actions influent sur les résultats ultérieurs et où les récompenses sont relativement…

Apprentissage automatiqueExécution des ordresTenue de marchéOptions
Machine Learning for Trading

Ce module définit un environnement de simulation à date connue pour exécuter un ordre de vente important sur des contrats à terme perpétuels crypto. Ses observations combinent l’inventaire restant et le temps avec la volatilité du marché, l’indice de prime,…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresMicrostructure des marchés