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 compara modelos LightGBM con una referencia ridge para predecir rentabilidades de ETF en dos horizontes. Explica por qué los árboles pueden descubrir interacciones dependientes del régimen, como un comportamiento distinto del momentum bajo…

Renta variableAprendizaje automáticoPruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno muestra cómo ajustar reglas StopLoss, TakeProfit y TrailingStop para una cartera de momentum, manteniendo una separación cronológica entre calibración y evaluación. Prueba los anchos de cada regla por separado y sus combinaciones usando datos…

Renta variableGestión del riesgoPruebas retrospectivasImpulso
Machine Learning for Trading

Este documento muestra cómo conectar una estrategia de momentum ETF de cinco días con Alpaca mediante una interfaz de estrategia compartida. La estrategia sigue el momentum de SPY, QQQ e IWM y genera señales cuando cruza un umbral. Los adaptadores…

Renta variableImpulsoEjecuciónGestión del riesgo
Machine Learning for Trading

Este tutorial crea un simulador mensual de rotación de ETF usando una clasificación de momentum ajustado al riesgo retrospectivo y un filtro de régimen basado en la curva de tipos del Tesoro. Al cierre de cada mes, la regla clasifica diez fondos según su…

Pruebas retrospectivasImpulsoConstrucción de carterasEjecución
Machine Learning for Trading

Este cuaderno presenta un flujo de trabajo que conecta la carga de datos estandarizados de ETF, un registro de características y diagnósticos de señales. Muestra cómo consultar los metadatos de los indicadores, calcular características con valores…

Renta variableIndicadores técnicosImpulsoEstadística
Machine Learning for Trading

Este cuaderno usa datos reales de ETF para evaluar si una señal de momentum sigue siendo útil ante cambios razonables en el periodo retrospectivo, el régimen de mercado y la implementación. Calcula coeficientes de información transversales entre el momentum…

FuturosImpulsoPruebas retrospectivasEstadística
Machine Learning for Trading

Este cuaderno compara dos simulaciones de la misma estrategia mensual de momentum con ETF. Ambas usan las mismas ponderaciones objetivo, el mismo universo, las mismas fechas y el mismo coste total de operativa. Una calcula los rendimientos a partir de…

Renta variableImpulsoPruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno distingue entre predecir rendimientos y afirmar que el momentum los causa. Considera como tratamiento el rendimiento de una acción durante el año anterior, excluido el último mes, y como resultado el rendimiento futuro. Especifica la…

Renta variableImpulsoAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno prueba si los embeddings de grafos aprendidos añaden información predictiva a un modelo tabular para acciones de US. Construye una red a partir de correlaciones absolutas de rendimientos medidas antes del periodo objetivo, crea características…

Renta variableAprendizaje automáticoPruebas retrospectivasImpulso
Machine Learning for Trading

Este cuaderno explica TSMixer, una red neuronal de series temporales que alterna dos operaciones: un mapa lineal compartido entre los días retrospectivos para cada característica y un perceptrón multicapa de características MLP que se aplica…

Aprendizaje automáticoImpulsoEstadísticaPruebas retrospectivas
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 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

El documento convierte una hipótesis de momentum entre activos en una prueba exploratoria mensual con un universo de 100-ETF. Construye precios ajustados de fin de mes, mide el momentum de 12 a -1 meses, clasifica los ETF válidos en cinco grupos con…

MultiactivoImpulsoSeguimiento de tendenciasEstadística
Machine Learning for Trading

Este cuaderno explica por qué las pruebas t habituales pueden exagerar la solidez de un coeficiente de información (IC) cuando las observaciones diarias de IC son dependientes. Construye una señal de momentum con datos de ETF, examina la autocorrelación de…

EstadísticaPruebas retrospectivasImpulso
Machine Learning for Trading

Esta demostración describe un ciclo de trading de criptomonedas continuo conectado al mercado de contado en USD de Alpaca. Asocia un universo de estudio de caso de futuros perpetuos con los pares de contado admitidos por la plataforma y deja claro que solo…

CriptoactivosMercados al contadoFuturos perpetuosImpulso
Machine Learning for Trading

Este estudio de caso sobre acciones de US distingue entre predecir retornos futuros y afirmar que el momentum los causa. Considera como tratamiento el retorno de una acción durante el año anterior, excluido el último mes; como resultado, el retorno futuro; y…

Renta variableImpulsoAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno amplía una evaluación de características de ETF, que abarcaba un único horizonte de retorno, para analizar diez características y tres horizontes, con corrección por pruebas múltiples. Después aplica diagnósticos basados en mecanismos al…

MultiactivoImpulsoReversión a la mediaEstadística
Machine Learning for Trading

Este cuaderno utiliza aprendizaje automático doble (DML) para estimar el efecto ajustado de una medida continua de momentum de ETF sobre los retornos posteriores, controlando la volatilidad reciente y a más largo plazo, el régimen de mercado y la pendiente…

Aprendizaje automáticoEstadísticaRenta variableImpulso
Machine Learning for Trading

Este módulo de ingeniería de características prepara datos diarios de precios para modelos sistemáticos de cartera macro. Crea rendimientos por horizonte escalados por la volatilidad estimada, varias señales MACD en múltiples escalas y puntuaciones z móviles…

MultiactivoImpulsoSeguimiento de tendenciasVolatilidad
Machine Learning for Trading

Este cuaderno describe un flujo de trabajo operativo para conectar una estrategia con Interactive Brokers mediante TWS o Gateway. Comprueba que la sesión sea una cuenta de trading simulado, consulta los valores y las posiciones de la cuenta y solicita barras…

EjecuciónGestión del riesgoImpulsoRenta variable
Machine Learning for Trading

Este cuaderno crea características derivadas de precios para clasificar un amplio universo de acciones de US. Describe familias de momentum, volatilidad, medias móviles e indicadores técnicos y luego las evalúa con una etiqueta de rentabilidad de la sesión…

Renta variableMercados de EE. UU.Indicadores técnicosImpulso
Machine Learning for Trading

Este tutorial repasa características creadas a partir de historiales de precios y volúmenes de activos, incluidos rendimientos en distintos horizontes, medidas de tendencia y reversión, varios estimadores de volatilidad, regímenes de volatilidad, liquidez,…

Indicadores técnicosImpulsoVolatilidadAprendizaje automático