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

Ce module définit un objectif différentiable pour l’apprentissage de portefeuille de bout en bout. Il transforme des pondérations de risque limitées au niveau des actifs en expositions du portefeuille à l’aide d’un ajustement par la volatilité, calcule les…

Apprentissage automatiqueConstruction de portefeuilleGestion des risquesExécution des ordres
Machine Learning for Trading

Ce notebook analyse des carnets d’ordres NASDAQ reconstruits pour décrire les spreads intrajournaliers et la profondeur au meilleur cours acheteur et vendeur, puis examine si le déséquilibre des flux d’ordres est associé au rendement de la tranche suivante.…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce notebook établit une référence au stade du signal pour évaluer les prévisions du modèle sur les contrats à terme CME. À chaque décision hebdomadaire, il classe les produits selon leur rendement prédit, achète le groupe de tête, vend à découvert celui de…

Contrats à termeBacktestConstruction de portefeuilleExécution des ordres
Machine Learning for Trading

Cette configuration définit une expérience de classement et de rééquilibrage long uniquement sur des ETF. Elle couvre un vaste univers de 100 ETF, avec des expositions aux actions, obligations, matières premières et régions ; les décisions sont mensuelles et…

ActionsMulti-actifsBacktestExécution des ordres
Machine Learning for Trading

Ce benchmark compare CSV, Parquet, Feather (Arrow IPC) et HDF5 sur le même panel OHLCV déterministe. Il mesure le temps d’écriture, le temps de lecture avec matérialisation, la taille des fichiers et l’effet de la lecture de certaines colonnes seulement. La…

ActionsBacktestExécution des ordres
Machine Learning for Trading

Ce tutoriel opérationnel présente les protections à l’exécution d’un système de trading en réel avec un courtier synthétique. Il montre comment SafeBroker rejette les ordres lorsque les données de marché sont trop anciennes ou que les pertes quotidiennes…

Gestion des risquesExécution des ordresMicrostructure des marchés
Machine Learning for Trading

Ce notebook compare DQN, PPO et A2C dans un environnement de trading simulé commun, calibré sur les rendements horaires des contrats à terme perpétuels sur Bitcoin. Un modèle GARCH(1,1) produit le regroupement de volatilité ; l’environnement facture les…

Apprentissage automatiqueCryptomonnaiesContrats à terme perpétuelsVolatilité
Machine Learning for Trading

Ce document présente deux méthodes d’estimation des spreads bid-ask lorsque seules des données journalières OHLCV sont disponibles. Corwin-Schultz compare les amplitudes haut-bas sur des intervalles adjacents d’un et deux jours, en s’appuyant sur le…

Microstructure des marchésStatistiquesExécution des ordresVolatilité
Machine Learning for Trading

Ce document explique une référence de validation pour les prédictions de modèles sur les contrats à terme CME. À chaque décision hebdomadaire, les produits sont classés selon le rendement prédit ; le groupe de tête est détenu à l’achat et celui du bas à la…

Contrats à termeBacktestConstruction de portefeuilleGestion des risques
Machine Learning for Trading

Cette note présente un flux de travail opérationnel pour connecter une stratégie à Interactive Brokers via TWS ou Gateway. Elle vérifie que la session utilise un compte de simulation, lit les valeurs du compte et les positions, puis demande des barres…

Exécution des ordresGestion des risquesMomentumActions
Machine Learning for Trading

Ce notebook teste la sensibilité d’un backtest de momentum sur ETF aux frais de trading supposés. Il conserve fixes les pondérations et le calendrier de trading de la stratégie, relance le simulateur pour une plage de coûts par opération et compare la…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce notebook mesure l’effet des coûts d’exécution sur une configuration de contrats perpétuels crypto déjà sélectionnée. Il conserve fixes le modèle, le checkpoint, la règle d’entrée, l’allocateur et le contrôle du risque, puis relance la stratégie sur une…

CryptomonnaiesContrats à terme perpétuelsBacktestExécution des ordres
Machine Learning for Trading

Ce notebook analyse les messages NASDAQ TotalView-ITCH pour décrire l’activité générale du marché et créer des données de transactions réutilisables. Il compte les messages par type, puis enrichit les messages d’exécution d’ordres en reliant les identifiants…

ActionsMarchés américainsMicrostructure des marchésExécution des ordres
Machine Learning for Trading

Cette étude utilise dix jours de données NVDA par ordre de marché pour examiner comment l’activité quotidienne de trading influe sur l’échantillonnage en barres. Elle filtre les transactions pour ne conserver que les heures normales de marché US, classe les…

ActionsMicrostructure des marchésExécution des ordresIndicateurs techniques
Machine Learning for Trading

Ce document décrit des utilitaires de chargement des messages ITCH NASDAQ analysés et de reconstitution d’un carnet d’ordres à cours limité à partir des ajouts, suppressions, annulations, exécutions et remplacements d’ordres. Il suit le nombre d’actions…

ActionsMicrostructure des marchésExécution des ordresTrading haute fréquence
Machine Learning for Trading

Ce notebook suit des signaux de classement ETF depuis leur formation jusqu’à leur portefeuille et à un backtest simplifié. Des régressions ridge et des classifications logistiques sont entraînées par validation walk-forward, puis comparées à des…

ActionsApprentissage automatiqueBacktestExécution des ordres
Machine Learning for Trading

Cette synthèse organise plusieurs études de cas de trading selon la classe d’actifs, la taille de l’univers, la fréquence des données, la cadence de décision, le régime de coûts et le protocole d’évaluation. Elle lit la configuration déclarée de chaque étude…

Multi-actifsBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook évalue l’effet des coûts de transaction sur une configuration fixe de contrats à terme CME, sélectionnée ailleurs dans le processus de recherche. Il applique une grille de coûts totaux, répartissant chaque niveau à parts égales entre commission…

Contrats à termeBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Cette analyse utilise des messages NASDAQ TotalView-ITCH pour décrire l’activité de la place boursière et créer un tableau de transactions relié au symbole, au côté et aux caractéristiques de l’ordre. Elle compte les types de messages, compare le trading aux…

ActionsMicrostructure des marchésExécution des ordresStatistiques
Machine Learning for Trading

Ce document modélise le traitement des ordres par les courtiers et les bourses sous forme de machine à états finis. Il définit des états explicites pour la soumission, l’accusé de réception, l’acceptation, les exécutions partielles, l’annulation, le rejet,…

Exécution des ordresMicrostructure des marchésGestion des risques