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

87 documentos

Machine Learning for Trading

Este estudio de caso prueba estrategias semanales long-short clasificadas por carry en una cesta diversificada de futuros CME, con datos diarios, evaluación de modelos walk-forward y costes de comisiones, diferenciales y slippage por renovación. Compara la…

FuturosCarryAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno presenta un modelo neuronal de factor de descuento estocástico para un panel de futuros CME. El modelo usa tanto los rendimientos de los productos como características observables, como carry, momentum y volatilidad, para construir factores…

FuturosAprendizaje automáticoInversión por factoresPruebas retrospectivas
Machine Learning for Trading

Este cuaderno explica cómo crear variables a partir de datos que van más allá del historial de precios de un único activo. Calcula el rendimiento anualizado del rollover de futuros a partir de los precios contemporáneos de los contratos próximos y diferidos,…

FuturosOpcionesCarryVolatilidad
Machine Learning for Trading

Esta configuración define un universo semanal de investigación de futuros que abarca índices bursátiles, bonos públicos, energía, metales, divisas, agricultura y ganadería. Fija la liquidación del viernes como referencia para la decisión y la apertura del…

FuturosMultiactivoCarryImpulso
Machine Learning for Trading

Este documento explica un experimento con futuros CME que usa TabM, un ensamblaje neuronal eficiente en parámetros, sobre las mismas filas de características diseñadas y pliegues walk-forward que los modelos lineales y de aumento de gradiente. TabM comparte…

FuturosAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno examina resultados conservados de una auditoría de estrategias reales que compara el motor LEAN con perfiles coincidentes de Backtest de ML4T. Identifica las cargas de trabajo por clase de activo compatibles con las entradas congeladas y…

Pruebas retrospectivasEjecuciónRenta variableFuturos
Machine Learning for Trading

El cuaderno reúne flujos de trabajo completos para acciones diarias y futuros perpetuos de cripto horarios, que abarcan la adquisición, validación, etiquetado de fuentes y almacenamiento. El ejemplo de acciones combina datos históricos de WikiPrices con un…

Renta variableCriptoactivosFuturosMicroestructura del mercado
Machine Learning for Trading

Esta guía de datos describe una colección de contratos de futuros continuos CME que abarca índices bursátiles, tipos de interés, energía, metales, divisas, agricultura y ganadería. Explica los datos de origen horarios y la frecuencia diaria derivada, los…

FuturosMultiactivoMaterias primasPruebas retrospectivas
Machine Learning for Trading

Este notebook construye factores de componentes principales a partir de un panel de rentabilidades de futuros CME, no de características diseñadas como carry, momentum o volatilidad. PCA encuentra direcciones que explican la variación entre productos; la…

FuturosInversión por factoresAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno describe cómo generar predicciones para el conjunto de reserva de una configuración de modelo de futuros de CME seleccionada. La configuración se elige con los resultados de validación y después se reajusta con datos que terminan antes de que…

FuturosPruebas retrospectivasAprendizaje automáticoGestión del riesgo
Machine Learning for Trading

Esta guía presenta los informes públicos Commitment of Traders de la CFTC como fuente de datos semanales sobre posiciones en futuros. Distingue el informe Traders in Financial Futures, que clasifica a participantes como intermediarios, gestores de activos y…

FuturosMaterias primasSentimiento del mercadoPruebas retrospectivas
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