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

733 documentos

Machine Learning for Trading

Este cuaderno sintetiza los resultados de validación registrados para cinco estimadores de factores latentes en varios estudios de caso. Primero indica qué estimadores tienen resultados para cada panel y después identifica el estimador líder según el…

Aprendizaje automáticoEstadísticaInversión por factoresPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica cómo construir etiquetas de rendimiento intradía futuro para acciones de NASDAQ-100 usando barras de un minuto y cotizaciones NBBO. Define los rendimientos desde la barra siguiente a una señal hasta un punto final futuro especificado,…

Renta variableMicroestructura del mercadoEjecuciónEstadística
Machine Learning for Trading

Este estudio de caso compara modelos de boosting por gradiente que predicen los rendimientos al vencimiento de straddles cortos at-the-money. Varía la capacidad de los árboles y tres objetivos de ajuste: error cuadrático, error absoluto y pérdida de Huber.…

OpcionesVolatilidadAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

El documento presenta un flujo operativo para mantener actualizados los datos diarios del mercado: cargar un historial inicial, obtener un pequeño tramo incremental solapado, comprobar si faltan fechas y supervisar la actualidad de los datos y los problemas…

Renta variablePruebas retrospectivasEstadísticaGestión del riesgo
Machine Learning for Trading

El documento describe cómo un estudio de futuros de CME genera predicciones para un periodo de reserva tras seleccionar una configuración del modelo con datos de validación. La configuración y el punto de control elegidos se recuperan de los resultados de…

FuturosPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno ajusta un transformer con parches para predecir una variable objetivo principal en un estudio de acciones y opciones del S&P 500. Divide la ventana histórica de entrada de cada acción en parches contiguos y trata cada parche como un token para…

Renta variableOpcionesAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Esta configuración describe un estudio semanal de venta de opciones straddle at-the-money sobre componentes del S&P 500. Las posiciones se abren el viernes y se mantienen hasta cerca del vencimiento, con coberturas diarias en acciones cuando cambian las…

OpcionesVolatilidadGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica un modelo de factor de descuento estocástico para ETF que ajusta una sola serie de ponderaciones para valorar las rentabilidades de distintos fondos. A diferencia de los modelos que estiman por separado la exposición de cada fondo y la…

Renta variableEstadísticaAprendizaje automáticoConstrucción de carteras
Machine Learning for Trading

Este cuaderno presenta GReaT, un método para generar tablas financieras sintéticas con un modelo de lenguaje. Convierte cada fila en texto, ajusta un modelo basado en GPT con variables de ETF y analiza el texto generado para recuperar columnas numéricas y…

Aprendizaje automáticoRenta variableEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica cómo construir variables basadas en modelos para un panel de acciones de US sin permitir que observaciones futuras influyan en los valores históricos. Su método central es un calendario de estimación: los modelos usan un periodo inicial…

Renta variableAprendizaje automáticoEstadísticaVolatilidad