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

61 documents

Machine Learning for Trading

Ce document décrit un univers quotidien de candidats ETF couvrant les actions, les titres à revenu fixe, les matières premières et les devises. Il présente un flux de travail pour télécharger les données de marché, les charger en vue de leur analyse,…

Multi-actifsActionsTitres à revenu fixeMatières premières
Machine Learning for Trading

Cette fiche d’agent de recherche examine si la Réserve fédérale relèvera la borne supérieure de son taux cible pendant 2026. Elle contient un prix de marché, des traces de recherche et des estimations de probabilité de l’agent. Le premier argumentaire est…

Titres à revenu fixeMarchés américainsStatistiquesStratégies événementielles
Machine Learning for Trading

Ce notebook applique l’analyse en composantes principales aux variations des taux du Trésor selon les échéances. La standardisation des variations donne la même influence à chaque échéance ; les composantes obtenues sont interprétées comme des déplacements…

Titres à revenu fixeStatistiquesGestion des risquesConstruction de portefeuille
Machine Learning for Trading

Ce notebook compare six méthodes d’allocation de positions longues uniquement ETF, conçues pour réduire la dépendance aux estimations instables. Il applique une régularisation de covariance de Ledoit-Wolf aux estimateurs qui utilisent la covariance et…

Multi-actifsActionsTitres à revenu fixeConstruction de portefeuille
Machine Learning for Trading

Ce notebook explique comment interpréter les contrats Kalshi sur le taux des fonds fédéraux et préparer leurs prix pour la recherche quantitative. Le prix d’un contrat binaire représente une probabilité implicite d’événement, mais le flux contient la…

Titres à revenu fixeStatistiquesMicrostructure des marchésArbitrage
Machine Learning for Trading

Cette note sur les données décrit une collection diversifiée de fonds négociés en bourse utilisée dans une stratégie de momentum et dans une série plus large d’exemples de recherche financière. Elle fournit des observations quotidiennes d’ouverture, de plus…

Multi-actifsActionsTitres à revenu fixeMatières premières
Machine Learning for Trading

Ce notebook présente la parité des risques hiérarchique comme une solution de remplacement à l’allocation moyenne-variance lorsque les estimations de covariance sont bruitées. HRP regroupe les actifs selon leurs distances de corrélation, les ordonne selon la…

Construction de portefeuilleGestion des risquesBacktestActions
Machine Learning for Trading

Ce notebook explore un panel de données économiques construit à partir des séries Federal Reserve Economic Data. Il établit que le panel fourni utilise des dates calendaires, week-ends et jours fériés compris, et montre comment les métadonnées associées…

Titres à revenu fixeVolatilitéStatistiquesMarchés américains
Machine Learning for Trading

Cette configuration spécifie un jeu de données macroéconomiques historiques de FRED pour le filtrage des régimes et l’analyse inter-actifs. Elle organise les séries selon une fréquence quotidienne, hebdomadaire, mensuelle et trimestrielle, et comprend les…

Multi-actifsTitres à revenu fixeVolatilitéStatistiques
Machine Learning for Trading

Ce document décrit un processus de collecte des rendements des titres du Trésor FRED et d’indicateurs économiques, d’alignement de séries à fréquences de publication différentes sur un calendrier quotidien, puis de chargement ou de filtrage du jeu de données…

Titres à revenu fixeMulti-actifsGestion des risquesStatistiques
Machine Learning for Trading

Ce notebook applique des méthodes d’étude événementielle fondées sur des séries temporelles structurelles bayésiennes pour estimer l’impact des annonces de la Réserve fédérale sur un ETF obligataire ETF. Il construit un contrefactuel à partir des relations…

Titres à revenu fixeStratégies événementiellesStatistiquesApprentissage automatique
Machine Learning for Trading

Ce notebook explique comment examiner un panel fourni de séries économiques de FRED et interpréter sa grille calendaire, ses métadonnées et ses colonnes dérivées. Comme le panel a été aplati sur un calendrier quotidien, le nombre de lignes masque les…

Multi-actifsTitres à revenu fixeVolatilitéStatistiques
Machine Learning for Trading

Ce guide de jeu de données décrit une méthode pour obtenir des séries FRED, aligner les observations sur un calendrier quotidien et charger certains indicateurs pour analyse. Les exemples incluent les taux des bons du Trésor, l’écart entre les échéances à 10…

Titres à revenu fixeStatistiquesGestion des risquesMulti-actifs
Machine Learning for Trading

Ce document consigne une prévision en plusieurs étapes visant à déterminer si la Réserve fédérale relèvera ses taux en 2026. Trois agents recherchent des éléments probants et produisent des probabilités, puis débattent avant une mise à jour par un…

Titres à revenu fixeMarchés américainsApprentissage automatiqueStatistiques
Machine Learning for Trading

Ce relevé consigne une exécution de prévision LangGraph sur la question de savoir si la Réserve fédérale relèverait son taux directeur en 2026. Trois agents ont produit des probabilités, suivies d’un débat et d’une mise à jour du superviseur. Les résultats…

Titres à revenu fixeMarchés américainsStatistiques
Machine Learning for Trading

Ce document consigne un débat structuré entre scénarios haussier et baissier sur la question de savoir si la Réserve fédérale relèvera son taux cible au cours de 2026. Trois agents examinent la question et s’appuient sur les projections de la Fed,…

Titres à revenu fixeMarchés américainsStatistiques
Machine Learning for Trading

Ce document décrit un jeu de données quotidien ETF conçu comme un ensemble de candidats pour la recherche sur le momentum et multi-actifs. Il couvre neuf catégories, dont les actions US et internationales, les titres à revenu fixe, les matières premières,…

Multi-actifsMomentumActionsTitres à revenu fixe
arXiv papers

Le document présente une méthode de prévision des spreads de crédit qui combine l’apprentissage d’ensemble avec une sélection de caractéristiques fondée sur l’information mutuelle. Les spreads de crédit sont considérés comme des données utiles aux décisions…

Titres à revenu fixeApprentissage automatiqueStatistiques
arXiv papers

FedNLP est présenté comme un système de traitement automatique du langage composé de plusieurs modules, conçu pour examiner les communications de la Réserve fédérale, qui peuvent être longues et difficiles à interpréter. Il combine des méthodes allant de…

Apprentissage automatiqueSentiment de marchéTitres à revenu fixeMarchés américains
arXiv papers

Cet article réexamine la règle de Taylor en estimant les taux des fonds fédéraux au moyen d’une régression linéaire et d’un modèle non linéaire d’apprentissage automatique. Dans l’approche linéaire, les moindres carrés ordinaires estiment les coefficients de…

Apprentissage automatiqueStatistiquesTitres à revenu fixeMarchés américains