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

122 documentos

Machine Learning for Trading

Este cuaderno de ingeniería de variables construye variables que requieren información más allá del historial de precios de un solo activo. Para los futuros, calcula el rendimiento anualizado por roll a partir de los niveles contemporáneos de los contratos…

FuturosOpcionesCarryVolatilidad
Machine Learning for Trading

Este cuaderno construye regímenes de mercado descriptivos a partir de datos económicos mensuales de la Reserva Federal: desempleo, tipo de los fondos federales, curva de rendimientos del Tesoro e inflación. Explica cómo alinear series con distintas…

EstadísticaAprendizaje automáticoMercados de EE. UU.Volatilidad
Machine Learning for Trading

Este estudio de futuros de CME varía la capacidad de los árboles de boosting de gradiente y la función de pérdida, mientras registra predicciones en varios puntos de control del entrenamiento. El número de hojas controla el grado de detalle con que un modelo…

FuturosAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este análisis explica cómo se relaciona el índice de prima de los futuros perpetuos de Binance con los precios al contado y cómo la plataforma transforma esa prima en financiación periódica. El índice usa los precios de compra y venta de impacto ejecutables…

CriptoactivosFuturos perpetuosCarryArbitraje
Machine Learning for Trading

Este notebook construye un asignador de carteras de extremo a extremo que sitúa una red de selección de variables de tipo Temporal Fusion Transformer antes de un LSTM. Redes residuales con compuertas independientes incorporan cada característica y, después,…

Aprendizaje automáticoConstrucción de carterasDimensionamiento de posicionesVolatilidad
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 cuaderno compara el error cuadrático, el error absoluto y la pérdida de Huber en modelos de boosting de gradiente que predicen rendimientos de straddles cortos at the money. El objetivo tiene una ganancia limitada y pérdidas potencialmente graves, por…

OpcionesVolatilidadAprendizaje automáticoEstadística
Machine Learning for Trading

El cuaderno trata cada ventana de rentabilidades como una distribución empírica y agrupa las ventanas según la distancia de Wasserstein unidimensional. Para muestras del mismo tamaño, ordenarlas produce el emparejamiento óptimo de cuantiles; por tanto, la…

Renta variableAprendizaje automáticoEstadísticaVolatilidad
Machine Learning for Trading

Este documento describe un método de dos pasadas para extraer observaciones de origen utilizadas en un estudio de straddles de opciones del S&P 500. Primero, identifica contratos call y put que cumplen un filtro de candidatos cerca del precio de ejercicio,…

OpcionesVolatilidadValoración de derivadosEstadística
Machine Learning for Trading

El notebook entrena un autoencoder básico con rentabilidades horarias estandarizadas de un grupo de mercados de perpetuos cripto. Su codificador comprime el vector de rentabilidad entre activos en una representación latente bidimensional, y su decodificador…

CriptoactivosFuturos perpetuosAprendizaje automáticoVolatilidad
Machine Learning for Trading

Este documento explica por qué una serie diaria de opciones con vencimiento constante no representa los rendimientos de una posición realmente mantenida. Selecciona patas de compra y venta con el mismo precio de ejercicio y vencimiento que superan filtros de…

OpcionesVolatilidadPruebas retrospectivasValoración de derivados
Machine Learning for Trading

Este cuaderno demuestra la cobertura profunda de una opción de compra europea vendida. Simula trayectorias de movimiento browniano geométrico, utiliza la cobertura delta de Black–Scholes como referencia y entrena una red neuronal semirrecurrente para elegir…

OpcionesValoración de derivadosAprendizaje automáticoGestión del riesgo
Machine Learning for Trading

Este documento describe un conjunto de datos de divisas OHLCV que cubre pares principales y cruces G10, con barras diarias y de cuatro horas de OANDA. Expone cómo descargar, cargar y filtrar los datos por par o intervalo de fechas, y cómo explorarlos…

DivisasEstadísticaVolatilidad
Machine Learning for Trading

Este cuaderno explica cómo GARCH convierte la agrupación de volatilidad en una variable por sesión. Primero utiliza gráficos de rendimientos y una prueba ARCH-LM para comprobar si los rendimientos al cuadrado dependen de sus propios retardos. En un modelo…

VolatilidadIndicadores técnicosGestión del riesgoEstadística
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
Machine Learning for Trading

Este cuaderno examina los registros de operaciones y cotizaciones de AAPL durante el crash de mercado de marzo de 16, 2020 para mostrar cómo cambia la microestructura del mercado bajo estrés. Filtra el flujo de operaciones a las horas habituales de…

Renta variableMicroestructura del mercadoEjecuciónVolatilidad
Machine Learning for Trading

El cuaderno explica el valor en riesgo como un cuantil de pérdidas y el valor en riesgo condicional, o pérdida esperada de cola, como la pérdida media más allá de ese umbral. Estima el riesgo de cola a un día de un ETF de renta variable amplio mediante…

Renta variableVolatilidadGestión del riesgoEstadística