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

162 documents

Machine Learning for Trading

Le document montre comment transformer les rapports hebdomadaires Commitment of Traders en variables de positionnement sur contrats à terme. Il explique les catégories de traders des formats « financial futures » et « disaggregated commodities », ainsi que…

Contrats à termeMatières premièresSentiment de marchéIndicateurs techniques
Machine Learning for Trading

Ce document explique comment transformer les rapports hebdomadaires Commitment of Traders en variables de positionnement sur contrats à terme. Il présente les catégories de rapports sur les contrats financiers à terme et les matières premières physiques,…

Contrats à termeMatières premièresSentiment de marchéStatistiques
Machine Learning for Trading

Ce document présente un système de données partagé pour la recherche en trading quantitatif. Il répertorie des jeux de données sur les actions, les options, les contrats à terme, les cryptomonnaies, le marché des changes, les facteurs, la macroéconomie, les…

Multi-actifsActionsContrats à termeCryptomonnaies
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

Ce guide explique comment convertir des données horaires de contrats à terme continus en barres quotidiennes alignées sur les séances de trading CME. Comme une séance se termine à 4 PM, heure du Centre, les barres du dimanche soir appartiennent à la séance…

Contrats à termeMatières premièresMicrostructure des marchésBacktest
Machine Learning for Trading

Ce notebook construit des caractéristiques fondées sur des règles pour une coupe transversale de contrats à terme CME, centrées sur le portage issu de l’écart entre des contrats à échéances proches. Il construit également des caractéristiques de momentum, de…

Contrats à termeMatières premièresStratégies de portageMomentum
Machine Learning for Trading

Ce notebook définit des cibles de rendement futur pour une stratégie transversale sur contrats à terme qui classe les produits selon leur structure par échéance, en prenant des positions longues sur ceux dont le portage est plus fort et des positions courtes…

Contrats à termeMatières premièresStratégies de portageStatistiques
Machine Learning for Trading

Ce document décrit un backtest hors échantillon à paramètres fixes pour une stratégie sélectionnée sur contrats à terme CME. La configuration, les prédictions, l’allocation, la fréquence de rééquilibrage, la concentration et les hypothèses de coûts de…

Contrats à termeBacktestStatistiquesGestion des risques
Machine Learning for Trading

Ce notebook étudie des modèles de prédiction linéaires pour une coupe transversale de contrats à terme CME, à partir de colonnes de caractéristiques regroupées en familles apparentées, notamment le portage, le momentum, la volatilité et des mesures de risque…

Contrats à termeApprentissage automatiqueInvestissement factorielStatistiques
Machine Learning for Trading

Ce notebook mesure l’effet des coûts de transaction sur une configuration fixe de stratégie sur contrats à terme CME. Il sélectionne la configuration présentée au moyen d’un processus partagé au stade de validation, conserve son dispositif de contrôle du…

Contrats à termeMatières premièresBacktestExécution des ordres
Machine Learning for Trading

Ce notebook explique l’effet des spécifications des contrats à terme sur la comptabilisation d’un backtest. Il montre comment le multiplicateur du contrat convertit les variations de prix en pertes et profits en dollars, comment le prix multiplié par le…

Contrats à termeMatières premièresMomentumDimensionnement des positions
Machine Learning for Trading

Ce relevé d’audit définit la méthode de comparaison de plusieurs frameworks de backtesting avec ML4T, sur des études de cas de stratégies réelles et une charge synthétique de résistance. Il précise les règles de comparaison des exécutions ordonnées, des…

BacktestExécution des ordresMicrostructure des marchésContrats à terme
Machine Learning for Trading

Ce notebook compare la justesse et le temps d’exécution de VectorBT Pro et de VectorBT OSS à ML4T sur des stratégies d’étude de cas prises en charge. Il couvre l’allocation d’ETF, le marché des changes coté en USD et un panel d’actions US pour les deux…

BacktestExécution des ordresContrats à termeMarché des changes
Machine Learning for Trading

Ce notebook évalue des configurations de séquence LSTM et NLinear sur des contrats à terme CME. Les modèles séquentiels consomment des fenêtres ordonnées d’observations pour déterminer si l’évolution récente contient des informations au-delà des…

Contrats à termeApprentissage automatiqueBacktestStatistiques
Machine Learning for Trading

Cette analyse explique comment interpréter les coefficients d’information pour un catalogue de modèles de prévision de contrats à terme CME. Elle définit l’IC de chaque date comme la corrélation de rang entre les rendements prévus et réalisés sur différents…

Contrats à termeStatistiquesApprentissage automatiqueBacktest
Machine Learning for Trading

Ce notebook d’ingénierie des facteurs construit des variables qui nécessitent des informations allant au-delà de l’historique des prix d’un seul actif. Pour les contrats à terme, il calcule le rendement de roulement annualisé à partir des niveaux…

Contrats à termeOptionsStratégies de portageVolatilité
Machine Learning for Trading

Cette étude sur les contrats à terme CME fait varier la capacité des arbres de boosting et la fonction de perte, tout en enregistrant les prédictions à plusieurs points de contrôle de l’entraînement. Le nombre de feuilles détermine le niveau de détail du…

Contrats à termeApprentissage automatiqueStatistiquesBacktest
Machine Learning for Trading

Ce notebook présente un audit actuel comparant VectorBT Pro et VectorBT OSS à ML4T sur des stratégies prises en charge et fondées sur des données réelles. Les deux éditions de VectorBT participent à l’allocation d’ETF, à l’allocation de devises cotées en USD…

Multi-actifsActionsContrats à termeMarché des changes
Machine Learning for Trading

Cet audit compare Backtrader et Zipline à ML4T sur des cas réels de stratégies, en ne retenant que les combinaisons d’actifs et de contrats que chaque moteur et le jeu de données figé peuvent représenter nativement. Il couvre l’allocation d’ETF et un panel…

BacktestExécution des ordresContrats à termeMarché des changes
Machine Learning for Trading

Ce notebook transforme des données horaires de contrats futures continus en barres quotidiennes OHLCV alignées sur les séances Globex de CME. Il attribue les horodatages à la séance se terminant à 4 PM, heure du Centre. Ainsi, les transactions du dimanche…

Contrats à termeBacktestMicrostructure des marchés
Machine Learning for Trading

Cet audit compare plusieurs moteurs de backtesting sur des données historiques communes pour l’allocation de ETF, les contrats à terme CME, les contrats perpétuels crypto avec financement, le marché des changes et les actions US. Chaque paire prise en charge…

BacktestExécution des ordresMulti-actifsContrats à terme