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 d’ingénierie des variables explique comment des informations plus lentes peuvent contextualiser des signaux de trading plus rapides, à l’aide de données fondamentales, macroéconomiques et calendaires. Il présente des ratios de valorisation tels…

Investissement factorielActionsStatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook décrit comment produire des prédictions hors échantillon pour une configuration de microstructure NASDAQ-100 sélectionnée après les choix du modèle et de la stratégie sur les plis de validation. Il reconstruit la spécification d’entraînement…

ActionsMicrostructure des marchésApprentissage automatiqueBacktest
Machine Learning for Trading

Ce module Python décrit des méthodes pour quantifier l’incertitude des backtests de stratégie à partir de rendements quotidiens hors échantillon. Il combine des intervalles bootstrap par blocs stationnaires pour les statistiques de séries de rendements, une…

BacktestStatistiquesGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook synthétise les résultats de validation enregistrés pour cinq estimateurs à facteurs latents dans plusieurs études de cas. Il commence par cartographier les estimateurs ayant des résultats pour chaque panel, puis identifie le meilleur selon le…

Apprentissage automatiqueStatistiquesInvestissement factorielBacktest
Machine Learning for Trading

Ce notebook explique comment une limite de participation au volume restreint la quantité d’un ordre parent susceptible d’être exécutée pendant chaque intervalle de marché. Un courtier calcule la tranche autorisée à partir du volume négocié observé et reporte…

Exécution des ordresMicrostructure des marchésGestion des risquesActions
Machine Learning for Trading

Ce document décrit un jeu de données quotidien ETF conçu comme un ensemble de candidats pour la recherche sur le momentum et multi-actifs. Il couvre neuf catégories, dont les actions US et internationales, les titres à revenu fixe, les matières premières,…

Multi-actifsMomentumActionsTitres à revenu fixe
Machine Learning for Trading

Ce notebook présente l’évaluation d’un facteur unique à partir de données réelles ETF et d’un exemple de momentum calculé à partir des prix. Il mesure les coefficients d’information de Spearman transversaux par rapport aux rendements futurs, compare les…

ActionsMomentumStatistiquesBacktest
Machine Learning for Trading

Cette étude de cas filtre des variables financières et issues de modèles en les comparant aux rendements futurs d’une stratégie de microstructure NASDAQ-100. Elle calcule les coefficients d’information des rangs transversaux au fil du temps, ajuste…

ActionsMicrostructure des marchésStatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook élabore des variables nécessitant plusieurs séries d’actifs. Il compare les tests de cointégration d’Engle-Granger et de Johansen, explique pourquoi une simple coévolution n’implique pas un écart stationnaire et estime les ratios de couverture…

Multi-actifsTrading par pairesRetour à la moyenneStatistiques
Machine Learning for Trading

Cette étude de cas compare des modèles de boosting de gradient qui prédisent le rendement à l’échéance de straddles vendeurs à la monnaie. Elle fait varier la capacité des arbres et trois fonctions objectif d’ajustement : erreur quadratique, erreur absolue…

OptionsVolatilitéApprentissage automatiqueBacktest
Machine Learning for Trading

Le document présente un processus opérationnel pour maintenir à jour les données quotidiennes de marché : charger un historique initial, récupérer un petit complément avec chevauchement, vérifier les dates manquantes et surveiller la fraîcheur des données et…

ActionsBacktestStatistiquesGestion des risques
Machine Learning for Trading

Le document décrit comment une étude sur les contrats à terme CME produit des prédictions pour une période hors échantillon après avoir sélectionné une configuration de modèle sur les données de validation. La configuration et le point de contrôle retenus…

Contrats à termeBacktestGestion des risques
Machine Learning for Trading

Le document explique comment récupérer les données hebdomadaires CFTC du rapport Commitments of Traders pour certains contrats à terme et enregistrer l’historique de chaque produit dans un fichier Parquet. Les rapports COT présentent les positions du mardi…

Contrats à termeMatières premièresSentiment de marché
Machine Learning for Trading

Cette analyse exploratoire caractérise les données horaires OHLCV des contrats perpétuels Binance ainsi qu’un indice de prime sur huit heures. Elle vérifie la couverture des données, l’évolution de l’univers des contrats, les unités, les valeurs manquantes…

CryptomonnaiesContrats à terme perpétuelsMicrostructure des marchésStatistiques
Machine Learning for Trading

Ce code présente une architecture d’autoencodeur supervisé pour produire des prédictions à partir de caractéristiques financières. Un encodeur compresse les entrées normalisées dans un goulot d’étranglement, tandis qu’un décodeur reconstruit les entrées…

Apprentissage automatiqueActionsStatistiques
Machine Learning for Trading

Cette configuration décrit une étude hebdomadaire de vente de straddles à la monnaie sur des composantes du S&P 500. Les positions sont ouvertes le vendredi et conservées jusqu’à l’échéance, avec des couvertures quotidiennes en actions déclenchées par les…

OptionsVolatilitéGestion des risquesBacktest
Machine Learning for Trading

Ce notebook décrit la création de prédictions de test pour une configuration de modèle d’actions US sélectionnée au préalable. Les choix de modèle et paramètres de stratégie ayant été établis à partir des résultats de validation, ces mêmes résultats ne…

ActionsApprentissage automatiqueBacktestMarchés américains
Machine Learning for Trading

Ce notebook explique comment construire des caractéristiques fondées sur des modèles pour un panel d’actions US sans laisser les observations futures influencer les valeurs historiques. Sa méthode centrale est un calendrier d’estimation : les modèles…

ActionsApprentissage automatiqueStatistiquesVolatilité
arXiv papers

L’article présente une architecture de preuves pour évaluer les processus de systèmes financiers hybrides sur chaîne. Un manifeste scellé consigne les identités des systèmes, les rôles, les schémas et les informations de version ; sept couches de preuves…

CryptomonnaiesFinance décentralisée (DeFi)Microstructure des marchésGestion des risques