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.
87 documentos
Este cuaderno usa la excursión favorable máxima (MFE) y la excursión adversa máxima (MAE) para fundamentar la amplitud de las etiquetas de triple barrera en trayectorias de precios observadas. Para una posición abierta al cierre de una barra, mide el mejor…
Este caso práctico compara métodos alternativos de tamaño de posición para futuros CME con una referencia de ponderación igual. Explica cómo el tamaño inverso a la volatilidad usa la volatilidad propia de cada contrato, mientras que los métodos basados en…
Este cuaderno explica cómo crear un historial continuo de precios de futuros a partir de contratos individuales con vencimiento. Identifica los contratos del primer vencimiento mediante el volumen de negociación, aplica una restricción que impide retroceder…
Este script de prueba ejecuta un flujo de investigación reducido de futuros CME, desde las predicciones del modelo hasta las ponderaciones de cartera y el backtest. Comprueba que las predicciones cubran exactamente las claves esperadas de producto, marca…
Este cuaderno establece una referencia de la etapa de señales para evaluar predicciones de modelos sobre futuros CME. En cada decisión semanal, clasifica los productos por rentabilidad prevista, compra el grupo superior, vende en corto el grupo inferior y…
El documento explica cómo construir etiquetas de rendimientos futuros para una estrategia transversal de futuros que clasifica productos por estructura temporal. Distingue entre precios ajustados por rollover, apropiados para calcular rendimientos entre…
El documento describe tres características basadas en modelos y derivadas del carry de futuros: un pronóstico del carry de la siguiente sesión mediante ARIMA, medidas Fourier móviles de ciclos seleccionados y un modelo de Markov oculto de dos estados que…
Este documento explica una referencia de validación para predicciones de modelos sobre futuros CME. En cada decisión semanal, los productos se clasifican por rendimiento previsto; el grupo mejor clasificado se mantiene en posición larga y el peor, en…
Este análisis compara efectos de tratamiento registrados mediante aprendizaje automático doble en nueve casos de estudio de trading. Carga los resultados actuales del registro de cada estudio, comprueba la integridad del registro y las etiquetas duplicadas,…
Este cuaderno presenta la mecánica del backtesting de futuros mediante un ejemplo de momentum largo-corto en varias clases de activos. Explica cómo las especificaciones de los contratos convierten los movimientos de precios en ganancias y pérdidas en dólares…
Este documento describe un conjunto de datos y un flujo de trabajo para estudiar futuros perpetuos de criptomonedas junto con su índice de prima. Presenta observaciones horarias OHLCV y lecturas de primas cada ocho horas en un universo configurado, con pasos…
Este cuaderno evalúa cómo afectan los costes de transacción a una configuración fija de futuros CME seleccionada en otra fase del proceso de investigación. Aplica una cuadrícula de costes totales, dividiendo cada nivel a partes iguales entre comisión y…
Este documento describe un conjunto de datos de futuros de CME con barras horarias y diarias, contratos continuos del mes próximo y dos vencimientos diferidos en varios grupos de productos. Explica la cobertura del conjunto de datos, sus campos, opciones de…
El documento presenta los factores latentes como impulsores compartidos de rendimientos inferidos del movimiento conjunto entre futuros, en lugar de proporcionados como predictores con nombre. Compara dos métodos ajustados dentro de cada partición de…
Este cuaderno aplica una configuración de futuros CME seleccionada previamente a las predicciones del conjunto de reserva, usando el asignador establecido, el calendario de rebalanceo, las reglas de concentración y los supuestos de costes de transacción. El…
Este cuaderno describe cómo seleccionar una configuración de caso de estudio de futuros CME a partir de backtests de validación registrados. Agrupa candidatos de las etapas de señal, asignación y gestión del riesgo, y luego elige la configuración con el…
Este cuaderno presenta comparaciones de paridad entre Backtrader, Zipline Reloaded y un marco interno de trading con estrategias seleccionadas de casos de estudio reales. Incluye comparaciones de ETF y paneles de acciones de ETF y US para ambos motores…
Este caso de estudio evalúa TabM, un ensamble neuronal eficiente en parámetros, con las mismas filas de variables de futuros de CME disponibles en cada momento y los mismos pliegues walk-forward que otras familias de modelos. Presenta TabM como una forma de…
Este cuaderno crea una revisión diagnóstica reutilizable para conjuntos de datos financieros antes del preprocesamiento o la ingeniería de variables. Comprueba el tipo de dato del índice temporal, las marcas de tiempo nulas, el orden y la unicidad; detecta…
Esta evaluación filtra candidatos financieros y derivados de modelos según sus rendimientos futuros en futuros CME. Para cada variable, comprueba la cobertura y antigüedad de los datos, mide la correlación de rangos transversal diaria entre sus valores y los…
Este cuaderno estudia cómo afecta la regularización a un modelo de futuros CME construido con familias de variables correlacionadas, como carry, Sharpe móvil, momentum y medidas de volatilidad. Compara Ridge, Lasso y ElasticNet: Ridge reduce los coeficientes…
Este cuaderno aplica reglas configuradas de stop-loss, stop dinámico y salida por tiempo a la estrategia de señales o de asignación mejor clasificada en validación para cada horizonte de rendimiento de futuros. Cada regla se evalúa con su propia estrategia…
Este cuaderno desarrolla un marco consciente de las unidades para estimar los costes de trading en acciones, ETF, futuros, divisas y perpetuos de criptomonedas. Primero distingue el volumen negociado de las medidas de actividad que no pueden convertirse en…
Este cuaderno evalúa modelos de secuencia LSTM y NLinear para pronosticar futuros. A diferencia de los modelos que usan una fila de características por decisión, los modelos de secuencia consumen ventanas ordenadas de observaciones pasadas y podrían aprender…