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

1,113 documentos

Machine Learning for Trading

Este cuaderno describe un autoencoder supervisado que comprime filas de características de ETF en una representación de baja dimensionalidad y predice directamente los rendimientos futuros a partir de ella. A diferencia de un autoencoder condicional, no…

MultiactivoAprendizaje automáticoInversión por factoresEstadística
Machine Learning for Trading

Este cuaderno ajusta modelos ridge, lasso y elastic net a un amplio conjunto de características consolidadas de acciones US, como valor, rentabilidad, inversión, impulso, tamaño, riesgo y liquidez. Evalúa rendimientos mensuales sin ajustar, un objetivo de…

Renta variableInversión por factoresImpulsoAprendizaje automático
Machine Learning for Trading

Este análisis compara modelos predictivos de ETF registrados de varias familias en un panel multiactivo común. Evalúa cómo ordena cada modelo los fondos según sus rendimientos posteriores mediante coeficientes de información, examina intervalos de confianza…

MultiactivoAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Esta utilidad calcula métricas de sesgo de selección e incertidumbre del rendimiento para grupos de backtests de estrategias. Forma cohortes por familia, etapa y etiqueta, y por etiqueta; después calcula medidas como ratios de Sharpe deflactados, recuentos…

Pruebas retrospectivasEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno describe cómo analizar mensajes históricos del flujo IEX DEEP y mantener un libro de órdenes limitadas mediante actualizaciones agregadas por nivel de precio. Extrae cambios de profundidad, mejores cotizaciones de compra y venta e informes de…

Renta variableMicroestructura del mercadoEjecuciónMercados de EE. UU.
Machine Learning for Trading

Este análisis explica cómo se organizan los datos de futuros CME en productos, contratos con vencimiento y series continuas encadenadas por volumen. Usa datos del E-mini S&P 500 para mostrar que los contratos individuales tienen ventanas de negociación…

FuturosMaterias primasMultiactivoPruebas retrospectivas
Machine Learning for Trading

Este documento describe principios de implementación para un motor de backtest compartido y se centra en interpretar correctamente las cuadrículas de rendimientos al anualizar el rendimiento. Estima la frecuencia de muestreo observada a partir de los…

Pruebas retrospectivasGestión del riesgoEstadísticaConstrucción de carteras
Machine Learning for Trading

Este cuaderno compara asignaciones con pesos iguales, ponderadas por puntuación positiva y por anchura conformal para los ETF y futuros CME mejor clasificados. Estima anchuras de intervalos de conformidad por partición específicas de cada entidad a partir de…

Renta variableFuturosDimensionamiento de posicionesGestión del riesgo
Machine Learning for Trading

Este cuaderno compara tres formas de convertir predicciones de rendimientos con signo en posiciones binarias: un umbral fijo en cero, un percentil móvil de las puntuaciones propias de cada símbolo y un percentil transversal entre símbolos. Mide la activación…

Aprendizaje automáticoIndicadores técnicosCriptoactivosRenta variable
Machine Learning for Trading

Este documento presenta un autoencoder supervisado como control para modelos condicionales de factores latentes. Asocia directamente las características de las empresas con los rendimientos futuros mientras comprime 57 entradas en un cuello de botella…

Renta variableAprendizaje automáticoInversión por factoresEstadística
Machine Learning for Trading

Este cuaderno explica cómo los splits de acciones y los dividendos en efectivo alteran las series históricas de precios sin ajustar y distorsionan los rendimientos calculados. Muestra el ajuste retrospectivo, que reescala los precios históricos por acciones…

Renta variableMercados de EE. UU.Pruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno utiliza características ETF y rendimientos futuros para demostrar la inferencia clásica por mínimos cuadrados ordinarios antes de pasar a métodos centrados en la predicción. Examina pruebas de coeficientes y errores estándar, y luego…

Renta variableEstadísticaAprendizaje automáticoGestión del riesgo
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

Esta guía describe conjuntos públicos de datos de rendimientos de factores de Ken French Data Library y AQR, incluidos factores de mercado, tamaño, valor, rentabilidad, inversión, momentum, calidad y beta baja. Explica cómo descargar y cargar observaciones…

Inversión por factoresEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno presenta PCMCI como método para detectar relaciones retardadas en series temporales financieras multivariantes sin especificar de antemano un grafo causal. Aplica el método a rendimientos de ETF e índices de volatilidad, compara su análisis…

Aprendizaje automáticoEstadísticaMultiactivoRenta variable
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

Esta demostración de despliegue vuelve a entrenar un modelo Ridge con datos diarios históricos de una sección transversal de los principales pares de FX, obtiene barras actuales mediante una sesión simulada de Interactive Brokers, clasifica los pares y forma…

DivisasEjecuciónAprendizaje automáticoMicroestructura del mercado
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