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 applique des contrôles de risque par position aux principales combinaisons d’allocation ETF, tout en gardant fixes chaque prédiction sous-jacente, la concentration et l’allocateur. Il compare les stop-loss, les stops suiveurs et les sorties…

ActionsGestion des risquesBacktestDimensionnement des positions
Machine Learning for Trading

Ce notebook explique comment créer une matrice transversale de caractéristiques de contrats à terme à partir de trois échéances par produit. Il dérive le portage et la courbure de la courbe à partir des prix réglés par la bourse, tout en utilisant des prix…

Contrats à termeMatières premièresStratégies de portageMomentum
Machine Learning for Trading

Le document décrit comment un pipeline de recherche en trading évalue si l’ajustement de modèles à facteurs latents s’est achevé dans un état exploitable. Pour les modèles entraînés par descente de gradient, il vérifie que le dernier objectif d’entraînement…

Apprentissage automatiqueInvestissement factorielGestion des risques
Machine Learning for Trading

Cette étude des caractéristiques d’actions US explique comment générer des caractéristiques à partir de modèles estimés sans introduire de données futures dans les observations antérieures. Le calendrier d’estimation prévoit une période de préchauffage…

ActionsVolatilitéIndicateurs techniquesStatistiques
Machine Learning for Trading

Ce notebook applique TSMixer à des séquences ETF à l’aide d’une fonction partagée globalement entre les fonds. Chaque exemple contient l’historique et les covariables d’un fonds donné ; les interactions temporelles et entre caractéristiques sont apprises sur…

ActionsApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook analyse des carnets d’ordres à cours limité NASDAQ reconstruits pour décrire les spreads intrajournaliers et la profondeur au meilleur prix, puis examiner si le déséquilibre des flux d’ordres est associé aux rendements ultérieurs par tranche. Il…

Microstructure des marchésActionsStatistiquesExécution des ordres
Machine Learning for Trading

Ce notebook interroge les registres de backtests de neuf cas d’étude et assemble des tableaux comparables pour les analyses ultérieures. Il organise les résultats par classe d’actifs et fréquence des données, puis consigne les performances aux étapes du…

BacktestStatistiquesConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Ce notebook présente une passerelle de déploiement entre un pipeline d’apprentissage automatique hors ligne et le moteur de trading LEAN de QuantConnect. Il sélectionne de manière reproductible une exécution de modèle dans un registre, exporte ses…

Apprentissage automatiqueConstruction de portefeuilleExécution des ordresBacktest
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 document décrit un backtest hors échantillon d’un an de straddles sur options S&P 500. Il applique les prédictions d’un modèle réajusté sur l’historique antérieur à l’échantillon réservé, avec la stratégie, l’allocation, la concentration, le calendrier…

OptionsBacktestGestion des risquesMarchés américains
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 chapitre présente la construction de portefeuille comme le processus qui transforme des prévisions de rendement, des estimations de risque et des contraintes en pondérations, en levier et en décisions de rééquilibrage. Il expose un processus de recherche…

Construction de portefeuilleGestion des risquesDimensionnement des positionsBacktest
Machine Learning for Trading

Ce notebook explique comment évaluer les sorties au niveau des positions et les combiner avec des contrôles à l’échelle du portefeuille. Il compare les sorties fixes par stop-loss, prise de bénéfices et durée aux stops suiveurs et resserrés ; une sortie…

Gestion des risquesDimensionnement des positionsBacktestConstruction de portefeuille
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 document décrit les conventions d’accès aux données et d’alignement pour les contrats perpétuels sur cryptomonnaies et les séries on-chain associées. Il explique que les barres d’indice de prime sont horodatées à leur heure d’ouverture : une barre de huit…

CryptomonnaiesContrats à terme perpétuelsDonnées on-chainFinance décentralisée (DeFi)
Machine Learning for Trading

Cette étude transforme des prédictions de modèles enregistrées en stratégies comparables sur options du S&P 500. Aux dates de décision hebdomadaires, elle classe les rendements prévus, filtre un univers liquide et vend des straddles à la monnaie équipondérés…

OptionsActionsBacktestExécution des ordres
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