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

807 documents

Machine Learning for Trading

Ce carnet présente un processus de contrôle de la qualité des données quotidiennes US sur les actions OHLCV. Les contrôles structurels portent sur les valeurs nulles, les doublons, l’ordre chronologique, la cohérence des prix, les valeurs négatives, les prix…

ActionsStatistiquesGestion des risquesMicrostructure des marchés
Machine Learning for Trading

Ce chapitre présente la gouvernance après déploiement des systèmes de trading fondés sur l’apprentissage automatique. Il distingue les défaillances techniques, où des entrées identiques produisent des sorties différentes, de la dégradation statistique, où…

Apprentissage automatiqueGestion des risquesExécution des ordresStatistiques
Machine Learning for Trading

Cette analyse explique comment interpréter les coefficients d’information pour un catalogue de modèles de prévision de contrats à terme CME. Elle définit l’IC de chaque date comme la corrélation de rang entre les rendements prévus et réalisés sur différents…

Contrats à termeStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook explique comment un panel macroéconomique horodaté selon la période qu’il mesure peut introduire des informations futures dans un backtest de trading. Il estime les dates de publication en ajoutant la durée de la période à la date horodatée, puis…

BacktestStatistiquesGestion des risquesMulti-actifs
Machine Learning for Trading

Ce notebook met en œuvre DeePM, une politique de portefeuille de bout en bout pour un univers diversifié de ETF. Son modèle combine des facteurs temporels, des métadonnées sur les actifs, de l’attention transversale et un a priori de graphe macroéconomique…

Multi-actifsConstruction de portefeuilleApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce document explique comment évaluer sur des données de holdout une stratégie actions US sélectionnée au préalable, tout en gardant sa configuration fixe. Il déduit l’ensemble correct de prévisions de holdout à partir de l’identité d’entraînement et du point…

ActionsMarchés américainsBacktestGestion des risques
Machine Learning for Trading

Ce notebook mesure l’effet des coûts de trading sur des stratégies déjà sélectionnées aux étapes de signal, d’allocation et d’overlay de risque. Il fixe une configuration choisie par validation pour chaque étiquette avant de faire varier les coûts, afin que…

ActionsBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Le document présente une machine à états commune pour les suspensions automatisées du trading, avec des états fermé, ouvert et semi-ouvert. Elle applique ce cycle de vie à quatre conditions : le drawdown du portefeuille, la perte quotidienne, les séances…

Gestion des risquesExécution des ordresStatistiques
Machine Learning for Trading

Ce document explique pourquoi les stop-loss, les stops suiveurs et les sorties temporelles ne peuvent pas être évalués dans une étude de cas dont le backtest conserve les pondérations pendant un mois et n’observe que le rendement mensuel à terme réalisé. Ces…

ActionsGestion des risquesBacktestDimensionnement des positions
Machine Learning for Trading

Ce document décrit un processus d’évaluation de stratégies NASDAQ-100 microstructure enregistrées en backtest. Il lit les exécutions existantes au lieu d’entraîner des modèles ou de relancer les backtests, retrace les lignées de stratégies sélectionnées,…

ActionsMicrostructure des marchésBacktestStatistiques
Machine Learning for Trading

Ce document présente une méthode par étapes pour faire correspondre aux titres les noms d’entreprises issus de données alternatives, de déclarations, d’actualités et de sources de prix. Il commence par joindre les données au moyen des identifiants…

ActionsStatistiquesApprentissage automatiqueGestion des risques
Machine Learning for Trading

Ce document décrit des outils de comparaison de stratégies de trading enregistrées et de préparation d’évaluations structurées d’études de cas. Une méthode centrale de classement limite les séries de rendements à leurs horodatages communs exacts avant de…

BacktestGestion des risquesConstruction de portefeuilleStatistiques
Machine Learning for Trading

Ce code décrit la résolution des paramètres de backtest à partir de la configuration d’une étude de cas et la manière dont l’identité d’une exécution tient compte des changements d’univers négocié et de l’ancienneté des prédictions. Sa leçon centrale est que…

BacktestExécution des ordresGestion des risquesDimensionnement des positions
Machine Learning for Trading

Le document décrit des méthodes de comparaison des rendements d’une stratégie à deux références externes : les rendements totaux quotidiens de SPY et les rendements du marché Fama-French, calculés en ajoutant la prime de risque du marché au taux sans risque.…

BacktestStatistiquesGestion des risquesMarchés américains
Machine Learning for Trading

Ce notebook étudie l’effet des choix de régularisation Ridge sur le coefficient d’information d’un panel ETF et la façon dont la recherche d’hyperparamètres peut gonfler les performances publiées. Il évalue d’abord une large grille d’alpha sur des plis…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook exécute la spécification de stratégie FX déjà sélectionnée sur les prédictions hors échantillon enregistrées. Il conserve le signal, l’allocation, les contrôles du risque, la règle de rééquilibrage, les coûts et les paramètres du compte de la…

Marché des changesBacktestGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook compare la pondération équipondérée à deux règles d’allocation pour des stratégies fondées sur les caractéristiques d’entreprises US : la pondération par score, qui affecte davantage de capital aux prédictions de modèle les plus élevées, et la…

ActionsDimensionnement des positionsConstruction de portefeuilleBacktest
Machine Learning for Trading

Ce chapitre présente des workflows agentiques pour les tâches de recherche financière où la collecte, le filtrage et la synthèse d’éléments de preuve disparates constituent le principal défi. Il les compare aux modèles classiques, efficaces sur des entrées…

Apprentissage automatiqueStatistiquesGestion des risquesBacktest
Machine Learning for Trading

Ce notebook explique comment évaluer des modèles financiers sans laisser des informations indisponibles à la date de décision s’infiltrer dans l’entraînement ou la sélection du modèle. Il distingue les ensembles d’entraînement, de validation et de réserve…

BacktestApprentissage automatiqueStatistiquesGestion des risques