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

105 documentos

Machine Learning for Trading

Este cuaderno define etiquetas de retornos de precios futuros para un panel fijo de contratos perpetuos de cripto y explica cómo su construcción afecta a todos los modelos y backtests posteriores. Desplaza las marcas temporales de apertura de las barras…

CriptoactivosFuturos perpetuosPruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno muestra cómo una orden de importe fijo en dólares puede tener costes muy distintos entre acciones, porque importa su tamaño en relación con el volumen de trading disponible. Aplica un modelo de impacto de mercado de raíz cuadrada a una…

Renta variableImpulsoPruebas retrospectivasEjecución
Machine Learning for Trading

Este estudio de caso evalúa señales diarias de momentum y carry en un universo pequeño y correlacionado de pares de divisas al contado de G10. El flujo abarca comprobaciones de viabilidad y etiquetas de retornos futuros, características diseñadas y basadas…

DivisasImpulsoCarryPruebas retrospectivas
Machine Learning for Trading

Este cuaderno adapta TSMixer para predecir retornos futuros de ETF a partir de características históricas de momentum. Su arquitectura alterna una transformación lineal compartida a lo largo del eje temporal con un MLP de características aplicado por…

Aprendizaje automáticoRenta variableImpulsoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica cómo una red convolucional temporal (TCN) puede predecir rendimientos a partir de datos financieros ordenados. Las convoluciones causales garantizan que la salida de un momento dependa solo de las entradas actuales y anteriores. Las…

Aprendizaje automáticoRenta variableImpulsoEstadística
Machine Learning for Trading

Este cuaderno explica cómo construir retornos spot futuros de uno, cinco y 21 sesiones para un universo fijo de pares de FX. Primero asigna barras de cuatro horas a sesiones de trading con un calendario de cambio de día de Nueva York y luego calcula los…

DivisasMercados al contadoImpulsoReversión a la media
Machine Learning for Trading

Este notebook compara modelos de comisiones y slippage para acciones y futuros, y luego examina cómo los supuestos sobre comisiones afectan a una estrategia fija de momentum de ETF. Explica cómo las comisiones porcentuales, por acción, mínimas, combinadas y…

Pruebas retrospectivasEjecuciónGestión del riesgoImpulso
Machine Learning for Trading

Este notebook compara el rebalanceo diario, semanal, quincenal y mensual de una cartera de momentum con mejor clasificación, construida a partir de un universo fijo de ETF. Mide la rotación y el rendimiento bruto ajustado al riesgo con precios históricos, y…

Renta variableImpulsoEjecuciónPruebas retrospectivas
Machine Learning for Trading

Este documento de configuración define un proceso semanal de investigación de acciones del S&P 500 que combina características del mercado de opciones con señales basadas en precios. Especifica el universo elegible, los horarios de decisión y ejecución, y…

OpcionesRenta variableVolatilidadImpulso
Machine Learning for Trading

Este documento presenta un modelo didáctico selectivo de espacio de estados al estilo Mamba para predecir rendimientos de ETF a partir de secuencias de características de momentum. A diferencia de la atención y la mezcla temporal densa, un modelo de espacio…

Aprendizaje automáticoEstadísticaImpulsoRenta variable
Machine Learning for Trading

Este cuaderno examina cómo afecta el impacto de mercado a los resultados del backtest de una estrategia de momentum en acciones con distintos niveles de liquidez. Mantiene constante el tamaño de la orden y la estrategia, estima la liquidez y la volatilidad…

Renta variableImpulsoMicroestructura del mercadoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara dos diseños Transformer para predecir rendimientos de 21 a ETF días usando ocho características de momentum retrospectivo. PatchTST agrupa días consecutivos en parches, lo que reduce el número de tokens de atención e incorpora patrones…

Aprendizaje automáticoImpulsoRenta variableEstadística
Machine Learning for Trading

Este cuaderno evalúa si los datos de contado FX de cuatro horas pueden respaldar una estrategia transversal diaria que clasifique pares de divisas mediante momentum y carry, compre los más fuertes y venda los más débiles. No ajusta ningún modelo ni realiza…

DivisasImpulsoCarryEstadística
Machine Learning for Trading

Esta configuración describe una estrategia diaria long-short con 20 pares de FX. Fija la hora de decisión al cierre de Nueva York, la ejecución en la siguiente barra, el tamaño equiponderado y señales de clasificación basadas en momentum o carry. También…

DivisasImpulsoCarryReversión a la media
Machine Learning for Trading

Este cuaderno explica un modelo didáctico selectivo de espacio de estados basado en Mamba y lo evalúa para predecir rentabilidades de ETF. A diferencia de un modelo de espacio de estados con parámetros fijos, deriva del dato actual el término de entrada al…

Renta variableAprendizaje automáticoImpulsoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno describe un análisis de doble aprendizaje automático con ventanas expansivas para estudiar si el momentum de 12 a -2 meses predice la rentabilidad de las empresas de US el mes siguiente, condicionada a Beta, IdioVol, LME y Variance. Los modelos…

Renta variableImpulsoAprendizaje automáticoEstadística
Machine Learning for Trading

Esta nota de datos describe una colección diversificada de fondos cotizados usada en una estrategia de impulso y en una serie más amplia de ejemplos de investigación financiera. Proporciona observaciones diarias de apertura, máximo, mínimo, cierre y volumen…

MultiactivoRenta variableRenta fijaMaterias primas
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 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 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 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 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