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

1,447 documents

Machine Learning for Trading

Ce document décrit l’ajustement de réseaux convolutifs temporels aux caractéristiques de microstructure à la minute du NASDAQ 100. Les convolutions causales empêchent une prédiction d’utiliser des observations ultérieures, tandis que la dilatation permet aux…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook spécifie et exécute une analyse d’apprentissage automatique double de l’effet de la prime de risque de variance sur les rendements des options vendues jusqu’à leur échéance. Avant l’exécution, il détermine le traitement, le résultat, les facteurs…

OptionsVolatilitéApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette analyse compare les prédictions de plusieurs familles de modèles entraînées sur des caractéristiques mensuelles des actions US afin de prévoir les rendements du mois suivant. Elle porte sur le coefficient d’information transversal, qui mesure la…

ActionsMarchés américainsApprentissage automatiqueStatistiques
Machine Learning for Trading

Cette étude de cas ajuste des modèles linéaires régularisés aux rendements de straddles à la monnaie vendus et conservés jusqu’à l’échéance. La transaction encaisse les primes des options d’achat et de vente, ce qui plafonne son gain maximal, mais peut…

OptionsVolatilitéApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document explique comment un registre d’expériences peut suivre un modèle depuis sa configuration d’entraînement jusqu’aux prédictions et aux résultats du backtest. Chaque étape reçoit un identifiant dérivé d’une spécification canonisée, de sorte que des…

Apprentissage automatiqueStatistiquesBacktestGestion des risques
Machine Learning for Trading

Ce notebook compare des méthodes pour découvrir les relations au sein d’un panel de rendements ETF : NOTEARS pour les graphes acycliques dirigés linéaires contemporains, VAR-LiNGAM pour les structures retardées et instantanées, et PCMCI pour les liens…

Apprentissage automatiqueStatistiquesActionsBacktest
Machine Learning for Trading

Ce notebook montre comment régler les hyperparamètres de LightGBM avec l’échantillonneur TPE d’Optuna, en utilisant le coefficient d’information transversal comme objectif. Il combine l’arrêt anticipé, qui choisit le nombre d’itérations de boosting, et une…

Apprentissage automatiqueBacktestStatistiquesActions
Machine Learning for Trading

Ce notebook étudie le comportement de ridge, du lasso et du filet élastique lorsqu’une matrice de caractéristiques de contrats perpétuels crypto mesure de nombreuses façons une même quantité économique : la prime. Les niveaux et variations de prime, la…

CryptomonnaiesContrats à terme perpétuelsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook rassemble cinq approches à facteurs latents pour modéliser la section transversale des rendements boursiers dans l’étude de cas sur les options du S&P 500. PCA estime les mouvements communs à partir des seuls rendements ; IPCA établit une…

ActionsInvestissement factorielApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook présente le protocole Rademacher Anti-Serum pour tenir compte de la sélection d’un gagnant parmi une classe de stratégies testées. Il estime la complexité empirique à partir des trajectoires de performance des candidats et montre comment leur…

BacktestStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook synthétise les résultats de neuf études de cas de marché dans un entonnoir cumulatif de sélection des stratégies. Il teste, dans l’ordre, si un modèle présente un coefficient d’information positif, si sa configuration sélectionnée affiche un…

BacktestStatistiquesGestion des risquesExécution des ordres
Machine Learning for Trading

Ce notebook évalue si la valeur totale verrouillée peut servir de signal de données alternatives pour les rendements de l’ether. TVL agrège la valeur en dollars des actifs crypto déposés dans des protocoles de finance décentralisée. Comme il s’agit d’un…

CryptomonnaiesFinance décentralisée (DeFi)Données on-chainStatistiques
Machine Learning for Trading

Ce notebook compare pandas et Polars sur des opérations utilisées dans les pipelines de données financières, notamment les calculs glissants, les résumés OHLCV groupés, les statistiques de fenêtre, le filtrage, les jointures, les lectures différées de…

StatistiquesExécution des ordresBacktest
Machine Learning for Trading

Ce notebook décrit un flux TabM pour des modèles de paires de devises. TabM applique un petit réseau neuronal à chaque ligne de décision au lieu de traiter les observations comme une séquence. Le notebook récupère la planification de l’architecture et des…

Marché des changesApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Ce notebook développe une matrice de caractéristiques financières pour une hypothèse de momentum multi-actifs sur ETF : les actifs ayant une performance relative plus forte pourraient continuer à surperformer le mois suivant. Elle combine les rendements…

Multi-actifsMomentumIndicateurs techniquesStatistiques
Machine Learning for Trading

Ce document présente un inventaire multi-marchés des artefacts de caractéristiques issues de modèles dans neuf études de cas. Il lit les schémas Parquet sans charger leurs lignes, exclut les colonnes d’identifiants, compte les colonnes de caractéristiques et…

Multi-actifsApprentissage automatiqueStatistiquesActions
Machine Learning for Trading

Ce document reformule la prévision d’un rendement boursier sur cinq séances en échantillonnant les données quotidiennes le vendredi. La cible reste un rendement sur cinq séances, mais sur la grille hebdomadaire, elle couvre environ une étape du modèle. Le…

ActionsMarchés américainsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce document décrit le réajustement, sur tout l’historique admissible antérieur à -2021, de la configuration sélectionnée lors des étapes de validation précédentes, puis la génération de prédictions pour l’échantillon témoin 2021. Il déduit l’intervalle…

ActionsOptionsApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook évalue des arbres de gradient boosting sur des données d’options sur actions, où des caractéristiques telles que la volatilité implicite, le skew, la structure par terme et la prime de risque de variance traduisent les anticipations du marché. Il…

OptionsActionsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook teste si les arbres de gradient boosting améliorent le classement transversal des paires de devises par rapport à un modèle linéaire pénalisé. L’univers FX contient des paires partageant des devises ; les observations sont donc dépendantes : un…

Marché des changesApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare deux modèles d’embeddings à poids ouverts exécutés localement, sur des extraits de documents 10-K récents et un ensemble fixe de requêtes de recherche financière. Il crée des extraits de deux phrases, vectorise les mêmes documents et…

Apprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook construit des caractéristiques dérivées des prix pour un large panel d’actions US, notamment le momentum, les moyennes mobiles et les mesures de volatilité. Il vise à classer les actions entre elles, à l’aide d’un filtre de négociabilité, de…

ActionsMomentumIndicateurs techniquesStatistiques
Machine Learning for Trading

Ce notebook compare trois façons d’orchestrer un flux de prévision en quatre phases : une composition directe en Python, une version CrewAI guidée par des rôles et une version LangGraph qui délègue aux mêmes classes spécialisées que l’implémentation native.…

Apprentissage automatiqueStatistiquesBacktest