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 estudio de caso ajusta modelos lineales regularizados a la rentabilidad de straddles cortos at-the-money mantenidos hasta el vencimiento. Como los ingresos por primas limitan la ganancia mientras que las pérdidas pueden crecer sin límite, unas pocas…

OpcionesVolatilidadAprendizaje automáticoGestión del riesgo
Machine Learning for Trading

Este cuaderno crea cuatro características basadas en modelos para la investigación de opciones del S&P 500: pronósticos de volatilidad para el día siguiente de GJR-GARCH y de volatilidad estocástica, además de las diferencias entre cada pronóstico y la…

OpcionesVolatilidadValoración de derivadosPruebas retrospectivas
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 compara formas de medir la volatilidad y desarrolla modelos de volatilidad autorregresivos heterogéneos (HAR) junto con un análisis de rugosidad. Utiliza rendimientos intradía para estimar la varianza realizada de cada sesión, distingue los…

VolatilidadEstadísticaIndicadores técnicosRenta variable
Machine Learning for Trading

Este cuaderno compara cuatro asignaciones de referencia de ETF mediante períodos históricos de crisis, perturbaciones simultáneas de activos definidas manualmente, simulaciones de Monte Carlo con distribución t de Student y estadísticas de regímenes de…

MultiactivoGestión del riesgoConstrucción de carterasVolatilidad
Machine Learning for Trading

Este cuaderno desarrolla la valoración Black-Scholes de opciones call y put europeas, comprueba la paridad put-call y calcula la volatilidad implícita mediante búsqueda de raíces de Brent. También define Delta, Gamma, Vega, Theta y Rho, y utiliza gráficos…

OpcionesValoración de derivadosVolatilidadGestión del riesgo
Machine Learning for Trading

Este cuaderno de características ETF explica cómo los modelos estadísticos ajustados pueden filtrar información futura a través de sus parámetros estimados, aunque sus fórmulas usen observaciones pasadas. La solución es un calendario de reajuste…

Renta variableAprendizaje automáticoEstadísticaVolatilidad
Machine Learning for Trading

Este análisis comprueba si los datos diarios de opciones permiten una estrategia semanal que vende straddles at the money sobre componentes del S&P 500, cubre acciones con delta y mantiene los contratos hasta el vencimiento. Explica cómo las opciones call y…

OpcionesVolatilidadEjecuciónPruebas retrospectivas
Machine Learning for Trading

Este cuaderno desarrolla características basadas en modelos para futuros perpetuos de criptomonedas: previsiones de volatilidad condicional por activo mediante GJR-GARCH y una probabilidad de régimen de tensión de todo el mercado mediante un modelo oculto de…

CriptoactivosFuturos perpetuosVolatilidadAprendizaje automático
Machine Learning for Trading

Este cuaderno utiliza el análisis de excursiones máximas favorables y adversas para orientar la amplitud de las barreras triples a partir de trayectorias de precios observadas. Para una entrada larga al cierre de una barra, mide el máximo más alto y el…

Gestión del riesgoVolatilidadPruebas retrospectivas
Machine Learning for Trading

Este análisis de viabilidad comprueba si los datos y los supuestos permiten una estrategia semanal que clasifique acciones del S&P 500 por volatilidad implícita at-the-money y compre las mejor clasificadas. Las opciones aportan la señal, pero las posiciones…

Renta variableOpcionesVolatilidadGestión del riesgo
Machine Learning for Trading

Este cuaderno explora un panel de datos económicos creado a partir de series de Federal Reserve Economic Data. Explica que el panel distribuido usa fechas naturales, incluidos fines de semana y festivos, y muestra cómo los metadatos asociados identifican el…

Renta fijaVolatilidadEstadísticaMercados de EE. UU.
Machine Learning for Trading

Este documento explica cómo las descomposiciones wavelet y las estimaciones espectrales móviles describen las rentabilidades financieras en distintas escalas temporales. Las wavelets dividen las rentabilidades en componentes que abarcan periodos…

Renta variableEstadísticaVolatilidadIndicadores técnicos
Machine Learning for Trading

El cuaderno explica cómo separar la variación continua de los precios de los saltos en las rentabilidades intradía de las acciones. Estima la varianza realizada diaria a partir de rentabilidades al cuadrado y usa la variación bipotencia como estimación…

Renta variableVolatilidadEstadísticaMicroestructura del mercado
Machine Learning for Trading

Este material educativo compara modelos estocásticos paramétricos y métodos bootstrap para generar trayectorias financieras sintéticas. Incluye movimiento browniano geométrico, difusión con saltos, reversión a la media, volatilidad estocástica de Heston y…

EstadísticaVolatilidadGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno filtra características candidatas para una estrategia que vende opciones call y put at-the-money sobre la misma acción y con el mismo vencimiento, manteniendo el straddle hasta el vencimiento. Para cada característica, mide si ordena los…

OpcionesRenta variableEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno crea etiquetas de retornos futuros para straddles cortos at-the-money sobre acciones del S&P 500. Como el panel diario de straddles a 30 días cambia a un strike o vencimiento distinto en cada sesión, desplazar una serie de precios compararía…

OpcionesValoración de derivadosVolatilidadPruebas retrospectivas
Machine Learning for Trading

El cuaderno explica el valor en riesgo (VaR), que señala un cuantil de pérdidas, y el valor en riesgo condicional (CVaR), que calcula la media de las pérdidas que superan ese umbral. Con retornos diarios de ETF, compara estimaciones históricas, gaussianas,…

Gestión del riesgoVolatilidadPruebas retrospectivasConstrucción de carteras
Machine Learning for Trading

Este cuaderno desarrolla una tarea simulada de creación de mercado en la que un agente de PPO elige el sesgo de la cotización y la amplitud del diferencial. La probabilidad de ejecución disminuye cuando las cotizaciones se alejan del precio medio, mientras…

Creación de mercadoAprendizaje automáticoEjecuciónMicroestructura del mercado
Machine Learning for Trading

Este cuaderno didáctico compara métodos de etiquetado de objetivos para modelos de trading supervisados con datos de ETF. Abarca retornos y etiquetas de dirección con horizonte fijo, percentiles móviles de series temporales, percentiles transversales,…

Aprendizaje automáticoEstadísticaPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno compara tres formas de utilizar los regímenes de mercado en los pronósticos: un modelo de referencia sin una entrada de régimen, un modelo único al que se proporciona la probabilidad filtrada de un estado volátil y modelos independientes…

Renta variableAprendizaje automáticoEstadísticaVolatilidad
Machine Learning for Trading

Este cuaderno agrupa indicadores macroeconómicos mensuales para describir las condiciones del mercado independientemente de los rendimientos de la renta variable. Alinea las series de FRED con observaciones de fin de mes, estandariza el desempleo, el tipo de…

Aprendizaje automáticoEstadísticaVolatilidadMercados de EE. UU.
Machine Learning for Trading

Este cuaderno adapta Diffusion-TS para generar secuencias sintéticas de rendimientos diarios de ETF. Su modelo de eliminación de ruido predice la serie original y descompone esa predicción en una tendencia polinómica, componentes de Fourier seleccionados y…

Aprendizaje automáticoVolatilidadEstadísticaMultiactivo