Saltar al contenido

Biblioteca de conocimiento

Resúmenes e ideas clave, redactados por el agente de investigación de Stratmill, de los libros, artículos académicos, artículos y código que leen nuestros agentes de IA. Cada página enlaza al original.

Buscar en la biblioteca

733 documentos

Machine Learning for Trading

Este estudio de NASDAQ-100 examina cómo afectan los costes de transacción a una estrategia de renta variable con reajustes frecuentes. Separa dos posibles respuestas a los costes: limitar el universo negociado a activos más líquidos y de menor coste, y…

Renta variableMercados de EE. UU.EjecuciónMicroestructura del mercado
Machine Learning for Trading

Este documento describe un método walk-forward para convertir residuos de predicción en anchuras de incertidumbre por entidad que sirven para dimensionar posiciones. En cada momento de decisión, la calibración utiliza residuos cuyo resultado ya se ha…

Dimensionamiento de posicionesGestión del riesgoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este caso práctico selecciona una configuración de un conjunto congelado de estrategias de futuros perpetuos cripto que abarca varias etiquetas de rendimiento y dirección, métodos de dimensionamiento de cartera y overlays de riesgo. Elige el Sharpe de…

CriptoactivosFuturos perpetuosPruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno explica cómo evaluar pronósticos probabilísticos y controlar un proceso de previsión. Compara las puntuaciones de Brier y logarítmica, el error de calibración esperado y la nitidez; muestra cómo los diagramas de fiabilidad revelan dónde los…

EstadísticaAprendizaje automáticoGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este tutorial convierte señales transversales de ETF en carteras largas de los diez primeros activos, ponderadas por igual, y compara la regresión Ridge y la clasificación logística con referencias de momentum y ponderación igualitaria. Los modelos se…

Renta variablePruebas retrospectivasEjecuciónConstrucción de carteras
Machine Learning for Trading

Este estudio prueba si el mal ajuste de un modelo lineal a los rendimientos mensuales de acciones de US se debe a su objetivo de error cuadrático. Mantiene fijos el objetivo de rendimientos futuros sin winsorizar, las características y las particiones…

Renta variableMercados de EE. UU.Aprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno entrena un agente de optimización de políticas proximales para liquidar una orden fija en un horizonte determinado. Compara la política de ritmo aprendida con TWAP y un calendario de Almgren–Chriss, mide el déficit de ejecución y examina cuándo…

CriptoactivosFuturos perpetuosEjecuciónAprendizaje automático
Machine Learning for Trading

Este cuaderno presenta el protocolo Rademacher Anti-Serum (RAS) como método para ajustar estimaciones de rendimiento al seleccionar entre una clase finita de estrategias o señales. La complejidad empírica de Rademacher estima hasta qué punto la matriz de…

EstadísticaPruebas retrospectivasGestión del riesgoAprendizaje automático
Machine Learning for Trading

Este cuaderno presenta NLinear como referencia para predecir rendimientos de acciones a partir de ventanas ordenadas de características. Cada ejemplo contiene 60 sesiones consecutivas de una acción. Para cada característica, el modelo resta su valor más…

Renta variableAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno ajusta modelos neuronales TabM a un objetivo de rendimiento de una estrategia short straddle de opciones del S&P 500 y compara tres capacidades de modelo usando el mismo panel de características que los métodos lineales y de boosting. TabM…

OpcionesRenta variableAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este documento explica cómo TSMixer procesa el historial reciente de variables de una acción como una matriz de sesiones por variables. Sus bloques mezclan información a lo largo de las columnas de variables en el tiempo y, después, entre variables dentro de…

Renta variableAprendizaje automáticoImpulsoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno utiliza predicciones GBM walk-forward registradas para ETF y futuros CME con el fin de comparar la ponderación igualitaria, la ponderación inversa a la anchura conforme y la ponderación proporcional a las puntuaciones de predicción positivas.…

Renta variableFuturosGestión del riesgoDimensionamiento de posiciones
Machine Learning for Trading

Este cuaderno compara los pronósticos sin ejemplos de Chronos y TinyTimeMixer con un LSTM y un modelo lineal penalizado en un panel de ETF. Todos los modelos reciben el mismo contexto histórico univariante, pero los modelos preentrenados pronostican esa…

Renta variableAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este documento desarrolla un panel diario de variables para ordenar veinte pares de divisas al cierre de las 5 PM de Nueva York. Distingue las señales que permiten ordenar, como los rendimientos estandarizados a varios horizontes y la posición en el canal,…

DivisasReversión a la mediaImpulsoVolatilidad
Machine Learning for Trading

Este documento presenta un registro estructurado del estado de agentes de investigación, separado de su transcripción de conversación. El registro guarda la pregunta y la fecha límite, la evidencia reunida, las preguntas pendientes, el historial de llamadas…

Aprendizaje automáticoEstadísticaPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este documento estudia las salidas a nivel de posición añadidas a una estrategia existente de perpetuos de criptomonedas: stops de pérdidas fijos, stops dinámicos y salidas basadas en el tiempo. Explica que estos controles solo cierran las posiciones…

CriptoactivosFuturos perpetuosGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno analiza cómo se comportó una estrategia de referencia de momentum con posiciones largas únicamente en ETF en distintas condiciones de mercado entre 2010 y 2024. Etiqueta cada rendimiento diario con medidas de volatilidad y tendencia conocidas…

Renta variableImpulsoSeguimiento de tendenciasVolatilidad
Machine Learning for Trading

Este capítulo plantea el backtest como un intento de refutar una estrategia mediante supuestos explícitos sobre el momento de las señales, la ejecución, el rebalanceo, el tamaño de las posiciones, los costes, las restricciones y las referencias. Compara las…

Pruebas retrospectivasEjecuciónGestión del riesgoEstadística
Machine Learning for Trading

Este cuaderno consulta registros de varios estudios de caso de trading y genera tablas entre conjuntos de datos para comparar señales, asignación, costes y riesgo. Informa de diagnósticos del grupo de configuraciones ordenadas por validación, como la…

Pruebas retrospectivasEstadísticaMultiactivoGestión del riesgo