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

559 documentos

Machine Learning for Trading

Este cuaderno describe un modelo de secuencia LSTM para predecir rendimientos de acciones a partir de ventanas ordenadas de características recientes. Cada ejemplo usa 60 sesiones consecutivas de una acción; se excluyen las ventanas que atraviesan…

Renta variableAprendizaje automáticoEstadísticaMercados de EE. UU.
Machine Learning for Trading

Este cuaderno sintetiza resultados de validación registrados para cinco estimadores de factores latentes —PCA, IPCA, CAE, SDF y SAE— en nueve estudios de caso. Primero indica qué estimadores tienen resultados en cada panel y luego identifica el mayor…

Inversión por factoresAprendizaje automáticoEstadísticaRenta variable
Machine Learning for Trading

Este cuaderno aplica TabM, un ensamblaje neuronal con pesos compartidos, a un panel de acciones US representado por una fila de variables por acción y sesión. Una base compartida de dos capas alimenta varios miembros, cada uno con su propio vector de escala…

Renta variableAprendizaje automáticoPruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno define objetivos de rendimiento futuro para clasificar acciones US y explica cómo hacer que los horizontes correspondan a sesiones reales de negociación. Utiliza precios ajustados por desdoblamientos y dividendos para los rendimientos, pero…

Renta variableImpulsoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este script recopila posiciones institucionales de declaraciones SEC 13F de dos maneras: puede recuperar declaraciones de un conjunto seleccionado de gestores o descargar los archivos trimestrales masivos de SEC. Ambas vías normalizan las posiciones según un…

Renta variableEstadísticaConstrucción de carteras
Machine Learning for Trading

Este cuaderno aplica análisis de componentes principales a un panel de rendimientos de acciones US para representar movimientos compartidos amplios con un conjunto menor de factores. Cada factor es una dirección de variación común, y la carga de cada acción…

Renta variableEstadísticaAprendizaje automáticoInversión por factores
Machine Learning for Trading

Este estudio de caso aplica estimación causal al momentum de ETF y pregunta si su efecto sobre los rendimientos futuros varía con la volatilidad del mercado. Utiliza un tratamiento continuo de momentum, un resultado de rendimiento futuro a 21 días, controles…

Renta variableMercados de EE. UU.ImpulsoAprendizaje automático
Machine Learning for Trading

Este cuaderno presenta NLinear como referencia sencilla de modelo secuencial para predecir rendimientos de acciones US. Cada ejemplo utiliza una ventana de 60 sesiones consecutivas de una acción, con las características ordenadas en el tiempo. Para cada…

Renta variableMercados de EE. UU.Aprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

El documento describe un estudio walk-forward de redes neuronales TabM para predecir rendimientos mensuales a partir de características de empresas. Como el proceso de entrenamiento compartido fija el objetivo en error cuadrático para regresión y entropía…

Renta variableAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno presenta el análisis de componentes principales instrumentado como modelo de rendimientos transversales. En vez de asignar ponderaciones directas de rendimiento a las características de cada empresa, IPCA estima un mapa lineal compartido de…

Renta variableInversión por factoresAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno compara cuatro diseños de redes neuronales para la misma tarea: predecir el próximo rendimiento diario a partir de una ventana de rendimientos pasados, agrupados entre ocho fondos cotizados. Describe cómo procesan la entrada una red densa, una…

Aprendizaje automáticoPruebas retrospectivasRenta variableEstadística
Machine Learning for Trading

Este análisis de viabilidad comprueba si los datos y los supuestos permiten una estrategia semanal que clasifique acciones del S&P 500 por volatilidad implícita at-the-money y compre las mejor clasificadas. Las opciones aportan la señal, pero las posiciones…

Renta variableOpcionesVolatilidadGestión del riesgo
Machine Learning for Trading

Este cuaderno evalúa modelos secuenciales para clasificar acciones del S&P 500 usando ventanas de sus historiales de superficies de opciones y precios. Combina un modelo lineal normalizado, sin memoria recurrente, con un LSTM cuyas compuertas transportan…

Aprendizaje automáticoRenta variableOpcionesPruebas retrospectivas
Machine Learning for Trading

Este cuaderno muestra una interfaz unificada de OHLCV para Yahoo Finance, WikiPrices y FRED; después usa esas fuentes para datos actuales de ETF, acciones con largos historiales y series macroeconómicas. Expone un método de adquisición con alternativas…

Renta variableMultiactivoMicroestructura del mercadoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno ajusta una red LSTM a características de microestructura de NASDAQ-100 para predecir rendimientos futuros en varios horizontes de minutos. A diferencia de un modelo lineal aplanado, un LSTM procesa cada observación en secuencia y aprende cuánta…

Aprendizaje automáticoMicroestructura del mercadoRenta variablePruebas retrospectivas
Machine Learning for Trading

Este cuaderno final compara la ponderación equitativa, la volatilidad inversa, la optimización de media-varianza y la paridad de riesgo jerárquica con una señal común en un universo diversificado de ETF. Un modelo Ridge móvil usa características de momentum,…

Construcción de carterasPruebas retrospectivasRenta variableEjecución
Machine Learning for Trading

Este cuaderno construye N-BEATS, una arquitectura neuronal de predicción totalmente conectada que procesa una ventana de entrada completa y predice una trayectoria futura. Su variante interpretable restringe los bloques para que expresen componentes mediante…

Aprendizaje automáticoRenta variablePruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno describe cómo reconstruir un libro de órdenes límite de NASDAQ a partir de mensajes de mercado por orden de DataBento para un único símbolo y día de negociación. Presenta un motor modular que sigue el estado de cada orden, agrega órdenes por…

Renta variableMicroestructura del mercadoEjecuciónEstadística
Machine Learning for Trading

Este cuaderno compara la recuperación estructurada de tipo grafo con la recuperación vectorial basada en embeddings sobre participaciones institucionales de los formularios 13F. Construye una instantánea de participaciones en un momento dado con un corte…

Renta variableAprendizaje automáticoEstadísticaConstrucción de carteras
Machine Learning for Trading

Este cuaderno muestra un flujo de trabajo para relacionar las operaciones perdedoras con las explicaciones del modelo asociadas a sus decisiones. Construye un panel de características de un solo activo SPY con datos de precios y macroeconómicos, entrena un…

Renta variableAprendizaje automáticoGestión del riesgoEstadística
Machine Learning for Trading

Este cuaderno describe un flujo de backtest de 15 minutos para predicciones sobre acciones NASDAQ-100. Primero ejecuta una comprobación técnica con señales aleatorias: como el trading aleatorio debería perder dinero después de costes, un resultado rentable…

Renta variablePruebas retrospectivasEjecuciónMicroestructura del mercado