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

Cette analyse explique comment lire les coefficients d’information transversaux (IC) des modèles de contrats à terme CME et les relier aux tests de portefeuille ultérieurs. Elle calcule la corrélation de rang entre rendements prévus et réalisés pour chaque…

Contrats à termeStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce carnet évalue si des données historiques sur les ETF peuvent soutenir une stratégie de classement mensuel avant la construction d’un modèle ou d’une prévision. Il vérifie l’éligibilité à chaque date à partir de la liquidité de l’année précédente, compte…

ActionsBacktestExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook étudie pourquoi deux moteurs de backtesting peuvent produire des résultats différents à partir de signaux identiques. Il maintient fixe une stratégie ETF précalculée, construit un portefeuille déterministe à partir de ses prévisions et modifie…

BacktestExécution des ordresMicrostructure des marchésDimensionnement des positions
Machine Learning for Trading

Ce notebook évalue des prévisions de validation issues de recherches sur les actions et les options en les transformant en portefeuilles d’actions acheteurs uniquement. Il utilise une référence équipondérée des K meilleurs titres, compare plusieurs niveaux…

ActionsOptionsBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook utilise des transactions et des messages d’ordres issus de NASDAQ ITCH pour illustrer des phénomènes de microstructure de marché. Il examine l’autocorrélation du premier ordre négative des rendements de prix au niveau du tick, en expliquant…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook développe une tâche simulée de création de marché dans laquelle un agent PPO choisit le biais des cotations et la largeur du spread. La probabilité d’exécution diminue à mesure que les cotations s’éloignent du prix médian, tandis que le…

Tenue de marchéApprentissage automatiqueExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Ce notebook vérifie si les données peuvent soutenir une stratégie hebdomadaire transversale sur contrats à terme avant tout ajustement de modèle. Il décrit une méthode qui classe les produits CME, prend des positions longues sur les contrats les mieux…

Contrats à termeMatières premièresStratégies de portageExécution des ordres
Machine Learning for Trading

Ce notebook utilise des enregistrements de transactions issus de NASDAQ ITCH pour examiner l’activité de trading intrajournalière. Il regroupe les transactions individuelles en barres temporelles et compare les volumes en actions, le nombre de transactions,…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook explique comment l’impact de marché augmente avec la taille des ordres et utilise le modèle de participation en racine carrée pour estimer la capacité d’une stratégie. Il distingue les données de marché disponibles, comme la volatilité et le…

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

Ce guide présente deux sources de données de ticks du carnet d’ordres sur les actions US destinées à la recherche en microstructure : les événements market-by-order de Databento et les messages NASDAQ TotalView-ITCH. Il décrit leurs formats, leurs…

ActionsMicrostructure des marchésExécution des ordresMarchés américains
Machine Learning for Trading

Ce notebook compare deux méthodes d’estimation des spreads bid-ask lorsque les données historiques contiennent les cours d’ouverture, les plus hauts, les plus bas, les clôtures et le volume quotidiens, mais aucune cotation. Corwin-Schultz sépare le spread de…

Microstructure des marchésExécution des ordresStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook mesure l’évolution des performances de validation d’une stratégie d’options S&P 500 selon différentes fractions supposées du spread coté effectivement payées. Il sélectionne une stratégie de référence par famille de modèles, puis relance chacune…

OptionsExécution des ordresBacktestGestion des risques
Machine Learning for Trading

Ce guide de données compare deux sources de données de ticks actions US pour étudier le carnet d’ordres et la microstructure des marchés. Les enregistrements market-by-order de Databento fournissent des événements prétraités d’ajout, de modification,…

ActionsMicrostructure des marchésExécution des ordres
Machine Learning for Trading

Cette étude évalue des signaux transversaux quotidiens sur un vaste univers d’actions US et décrit un long processus de recherche, des données disponibles à la date considérée et des variables construites jusqu’à la comparaison des modèles, la construction…

ActionsApprentissage automatiqueMomentumRetour à la moyenne
Machine Learning for Trading

Ce module estime les paramètres de marchés crypto simulés utilisés dans des environnements d’apprentissage par renforcement. Il charge les données horaires d’un marché perpétuel pour un symbole donné, calcule les rendements logarithmiques de clôture à…

CryptomonnaiesContrats à terme perpétuelsVolatilitéMicrostructure des marchés
Machine Learning for Trading

Ce document décrit un environnement Gymnasium pour entraîner un agent à liquider une position sur un horizon fixe. L’observation combine l’inventaire restant et le temps avec le spread, la profondeur du marché, la volatilité et un régime normal ou tendu. Une…

Apprentissage automatiqueExécution des ordresMicrostructure des marchésVolatilité
Machine Learning for Trading

Ce notebook présente un flux de prévision en quatre phases utilisant l’orchestration Python native, CrewAI et LangGraph. Il compare la gestion de l’état, l’inspection ou la reprise après échec, les dépendances ajoutées par chaque approche et le…

Apprentissage automatiqueStatistiquesExécution des ordresBacktest
Machine Learning for Trading

Ce notebook formule un ordre parent comme un problème de contrôle à horizon fini. À chaque intervalle, le Q-learning tabulaire choisit un multiplicateur appliqué à une tranche de transaction fondée sur le VWAP, en fonction du temps et de l’inventaire…

ActionsExécution des ordresApprentissage automatiqueMicrostructure des marchés
Machine Learning for Trading

Cette analyse transversale examine comment l’information prédictive, mesurée par le coefficient d’information (IC), se traduit en Sharpe de portefeuille dans neuf études de cas de trading. Son point central est que la mise en œuvre joue un rôle déterminant…

Multi-actifsStatistiquesBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook explique comment construire un historique continu des prix des contrats à terme à partir de contrats individuels arrivant à échéance. Il repère les contrats du mois le plus proche selon le volume de négociation, applique une contrainte…

Contrats à termeBacktestExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Ce script de validation met à l’épreuve un processus de recherche réduit sur les contrats à terme CME, des prévisions du modèle aux pondérations de portefeuille et au backtesting. Il vérifie que les prévisions couvrent exactement les clés attendues de…

Contrats à termeBacktestExécution des ordresGestion des risques