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 notebook développe la solution d’Almgren–Chriss pour liquider une position en arbitrant entre l’impact de marché et le risque de rester exposé aux variations de prix. Il utilise le déficit d’exécution par rapport au prix à l’arrivée, modélise séparément…

Exécution des ordresMicrostructure des marchésGestion des risquesBacktest
Machine Learning for Trading

Ce notebook vous apprend à décoder les données message par ordre NASDAQ TotalView-ITCH depuis leur format binaire en enregistrements structurés. Il explique le cadrage des messages et les structures propres à chaque type, montre comment dépaqueter les champs…

ActionsMicrostructure des marchésTrading haute fréquenceExécution des ordres
Machine Learning for Trading

Ce notebook mesure la réaction d’une stratégie FX sélectionnée par validation aux variations des coûts de transaction proportionnels. Pour chaque étiquette de prévision, il sélectionne une stratégie parente parmi les résultats des étapes de signal,…

Marché des changesBacktestExécution des ordresGestion des risques
Machine Learning for Trading

Ce notebook applique une stratégie mensuelle de momentum ETF et de régime de courbe des taux de deux façons : par calcul vectorisé des rendements et par simulation séquentielle d’un compte. Les deux approches utilisent les mêmes pondérations cibles, actifs,…

ActionsMomentumBacktestExécution des ordres
Machine Learning for Trading

Ce notebook décrit une répétition du déploiement d’un modèle directionnel de taux de financement crypto. Il entraîne un modèle LightGBM à trois classes sur des données historiques de contrats perpétuels dérivées de Binance, puis récupère les barres horaires…

CryptomonnaiesContrats à terme perpétuelsMarchés au comptantApprentissage automatique
Machine Learning for Trading

Ce notebook présente une méthode pour acquérir et maintenir des séries temporelles financières avec un gestionnaire unifié, des univers de symboles prédéfinis ou personnalisés et un stockage Parquet partitionné. Il couvre la récupération d’un seul symbole ou…

Multi-actifsActionsBacktestExécution des ordres
Machine Learning for Trading

Cette analyse exploratoire teste si un signal de momentum sur douze mois, en excluant le mois le plus récent, est associé aux rendements du mois suivant pour un univers de 100-ETF. Elle construit un panel mensuel à partir des cours de clôture ajustés, classe…

Multi-actifsMomentumStatistiquesBacktest
Machine Learning for Trading

Ce notebook compare l’imitation du comportement et l’apprentissage par renforcement inverse (IRL) à partir de trajectoires produites par une règle d’exécution au prix moyen pondéré dans le temps (TWAP). L’imitation du comportement associe directement les…

Exécution des ordresApprentissage automatiqueStatistiquesGestion des risques
Machine Learning for Trading

Cette analyse reconstitue les ordres à cours limité individuels NASDAQ à partir des messages ITCH d’ajout, de suppression, d’annulation partielle, de remplacement et d’exécution. Elle mesure si les ordres sont annulés ou exécutés, ainsi que le temps…

ActionsMicrostructure des marchésExécution des ordresTrading haute fréquence
Machine Learning for Trading

Ce document présente un benchmark de moteurs de base de données utilisés avec des séries temporelles financières. Il compare les écritures en masse, les analyses complètes des tables, les requêtes par plage temporelle, les agrégations OHLCV et les jointures…

Microstructure des marchésExécution des ordresBacktestStatistiques
Machine Learning for Trading

Ce notebook illustre la séparation entre un pipeline d’apprentissage automatique hors ligne et le moteur LEAN de QuantConnect. Il sélectionne un ensemble de prédictions dans le registre des études de cas ETF, vérifie la provenance de l’entraînement et des…

Apprentissage automatiqueExécution des ordresBacktestConstruction de portefeuille
Machine Learning for Trading

Ce notebook compare l’effet des coûts de trading supposés sur des stratégies issues de plusieurs études de cas. Il lit les backtests de sensibilité aux coûts pour chaque configuration de stratégie déployée, compare le Sharpe brut au Sharpe net selon le coût…

BacktestGestion des risquesExécution des ordresStatistiques
Machine Learning for Trading

Ce carnet présente des comparaisons de parité entre Backtrader, Zipline Reloaded et un framework de trading interne, sur des stratégies sélectionnées issues d’études de cas réelles. Il inclut des comparaisons de ETF et de US d’actions pour les deux moteurs…

BacktestExécution des ordresMicrostructure des marchésActions
Machine Learning for Trading

Cette démonstration décrit le fonctionnement opérationnel d’une stratégie crypto exécutée en continu et connectée à un courtier spot en USD. Elle transpose l’univers plus vaste d’une étude sur les contrats à terme perpétuels à l’ensemble plus restreint des…

CryptomonnaiesContrats à terme perpétuelsMarchés au comptantMomentum
Machine Learning for Trading

Cette vue d’ensemble rassemble les données de configuration de neuf études de cas de trading couvrant les actions, les cryptomonnaies, le forex, les contrats à terme, les options et les portefeuilles multi-actifs. Elle compare l’univers, la fréquence des…

Multi-actifsBacktestGestion des risquesExécution des ordres
Machine Learning for Trading

Ce notebook présente un cadre déterministe pour vérifier la cohérence des pipelines de backtest et de trading en réel. Il compare les étapes qui transforment les barres de prix en décisions : calcul des caractéristiques, prédictions, signaux et tailles…

BacktestExécution des ordresApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce notebook entraîne un agent d’apprentissage par renforcement à répartir un ordre de vente fixe sur des barres horaires d’un marché de contrats à terme perpétuels crypto. Son état comprend les rendements retardés, la volatilité, le volume de l’heure…

CryptomonnaiesContrats à terme perpétuelsExécution des ordresApprentissage automatique
Machine Learning for Trading

Ce notebook utilise des données de transactions et d’ordres issues de NASDAQ ITCH pour illustrer des phénomènes de microstructure. Il examine l’autocorrélation négative de premier ordre des rendements des transactions au tick près, compare cet effet aux…

ActionsMicrostructure des marchésStatistiquesExécution des ordres
Machine Learning for Trading

Cette démonstration étend un processus d’ordre unique à un rééquilibrage quotidien pour un univers fixe d’actions américaines à grande capitalisation US. Elle explique comment comparer les positions courantes chez le courtier aux positions cibles du modèle,…

ActionsExécution des ordresGestion des risquesMicrostructure des marchés
Machine Learning for Trading

Cette étude de cas évalue des straddles vendeurs à la monnaie sur les constituants du S&P 500, ouverts chaque semaine et conservés jusqu’à l’échéance avec couverture delta quotidienne. Son principal choix méthodologique consiste à modéliser les rendements à…

OptionsVolatilitéBacktestExécution des ordres