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

1,113 documentos

Machine Learning for Trading

Este caso de estudio evalúa los datos de valor total bloqueado de DeFi Llama como posible entrada para un flujo de investigación de trading de Ether. Separa la fortaleza de la señal, la calidad de los datos, la idoneidad legal y el valor comercial; los…

CriptoactivosDeFiDatos en cadenaEstadística
Machine Learning for Trading

Este cuaderno evalúa las rentabilidades publicadas de factores como posibles componentes de cartera. Separa tres preguntas: si la rentabilidad media de un factor supera un exigente umbral estadístico, si los factores se diversifican entre sí por razones que…

Inversión por factoresEstadísticaConstrucción de carterasGestión del riesgo
Machine Learning for Trading

Este cuaderno evalúa salidas a nivel de posición en posiciones de futuros perpetuos de criptomonedas seleccionadas en una etapa de asignación anterior. Define stops de pérdida fijos, stops dinámicos ligados al mejor precio de cada posición y salidas…

CriptoactivosFuturos perpetuosGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara coberturas de riesgo en backtests de casos de estudio, incluidas reglas de stop, stop dinámico, límite de pérdidas, freno por drawdown y objetivo de volatilidad. Carga los resultados de las coberturas de cada estudio, selecciona una…

Gestión del riesgoPruebas retrospectivasConstrucción de carterasEstadística
Machine Learning for Trading

Este caso de estudio aplica árboles potenciados por gradiente a características de microestructura de NASDAQ-100 para prever rentabilidades y dirección en varios horizontes intradía. Compara los árboles con modelos lineales: los árboles pueden descubrir…

Aprendizaje automáticoMicroestructura del mercadoRenta variableEstadística
Machine Learning for Trading

Este cuaderno reúne un sistema de previsión de cuatro etapas: un panel de agentes de investigación, agregación de probabilidades, debate adversarial y un supervisor que identifica desacuerdos, busca pruebas aclaratorias y emite una probabilidad final. La…

Aprendizaje automáticoEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno compara la recuperación relacional determinista con la búsqueda por embeddings en un corpus de posiciones institucionales 13F. Crea una instantánea temporal conservando la última posición declarada por cada institución antes de una fecha límite…

Aprendizaje automáticoRenta variableEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno estima cómo los costes de ejecución pueden erosionar las rentabilidades hipotéticas de estrategias intradía. Primero mide los diferenciales cotizados ponderados por volumen de los componentes del NASDAQ-100 usando cotizaciones por minuto y…

Renta variableEjecuciónMicroestructura del mercadoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno muestra cómo entrenar una red generativa antagónica con características de ETF diseñadas y privacidad diferencial. Presenta los parámetros de privacidad épsilon y delta, explica por qué DP-SGD recorta el gradiente de cada registro antes de…

Aprendizaje automáticoEstadísticaGestión del riesgoRenta variable
Machine Learning for Trading

Este cuaderno aplica inferencia clásica de mínimos cuadrados ordinarios a características de ETF y rentabilidades futuras. Examina estimaciones de coeficientes, errores estándar, estadísticos t, valores p y pruebas de heterocedasticidad, autocorrelación de…

Renta variableEstadísticaGestión del riesgoAprendizaje automático
Machine Learning for Trading

Este documento describe utilidades para cargar mensajes NASDAQ ITCH analizados y reconstruir un libro de órdenes limitadas a partir de altas, bajas, cancelaciones, ejecuciones y reemplazos de órdenes. Registra las acciones restantes por orden para que las…

Renta variableMicroestructura del mercadoEjecuciónTrading de alta frecuencia
Machine Learning for Trading

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…

CriptoactivosFuturos perpetuosFuturosArbitraje
Machine Learning for Trading

Este cuaderno muestra cómo ajustar reglas de stop-loss, take-profit y trailing stop para una cartera de momentum, conservando un periodo de reserva cronológico. Compara barridos de parámetros unidimensionales, cuadrículas conjuntas de reglas y estimaciones…

Gestión del riesgoPruebas retrospectivasDimensionamiento de posicionesImpulso
Machine Learning for Trading

Este cuaderno ajusta PatchTST, un modelo secuencial de tipo transformador, como integrante de una población de modelos predefinida para investigar opciones del S&P 500. Divide una serie histórica en segmentos de longitud fija, los representa como tokens y…

OpcionesAprendizaje automáticoPruebas retrospectivasEstadística
Machine Learning for Trading

Esta visión general organiza varios casos prácticos de trading por clase de activo, tamaño del universo, frecuencia de datos, ritmo de decisión, régimen de costes y protocolo de evaluación. Recoge la configuración declarada de cada estudio y presenta tablas…

MultiactivoPruebas retrospectivasEjecuciónGestión del riesgo
Machine Learning for Trading

Este documento define dos diagnósticos para etiquetas cuyas ventanas de rendimientos futuros se solapan: autocorrelación de panel agrupada y tamaño efectivo de muestra basado en la unicidad de las etiquetas. La autocorrelación empareja observaciones solo…

EstadísticaAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno muestra cómo utilizar una red de correlaciones estimada en una ventana para describir un universo de acciones y crear una cartera diversificada mediante redes. Selecciona símbolos líquidos usando solo datos disponibles antes de la evaluación,…

Renta variableConstrucción de carterasEstadísticaGestión del riesgo
Machine Learning for Trading

Este cuaderno crea un asignador LSTM que convierte secuencias de rendimientos de ETF y características de volatilidad móvil directamente en pesos long-only para la cartera. Una salida softmax mantiene los pesos no negativos y la inversión total. En lugar de…

Aprendizaje automáticoConstrucción de carterasPruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este análisis exploratorio examina el antiguo panel de acciones Quandl WIKI US, centrándose en las convenciones de precios, la cobertura de los datos y lo que su historial permite estudiar mediante backtest. Distingue los precios sin ajustar, que reflejan…

Renta variableMercados de EE. UU.EstadísticaPruebas retrospectivas
Machine Learning for Trading

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…

FuturosPruebas retrospectivasEjecuciónGestión del riesgo
Machine Learning for Trading

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…

FuturosCarryMaterias primasMicroestructura del mercado
Machine Learning for Trading

Este módulo de asignación compartido convierte predicciones transversales en pesos de cartera. Clasifica activos por puntuación para seleccionar posiciones largas o cestas superiores e inferiores para carteras long-short. Los pesos de las posiciones pueden…

Construcción de carterasDimensionamiento de posicionesGestión del riesgoEstadística