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 cuaderno conecta el tamaño de posición con el análisis de las excursiones adversas y favorables máximas. Muestra el dimensionamiento fraccional fijo, donde el número de participaciones se determina según un presupuesto de riesgo por operación y la…

Dimensionamiento de posicionesGestión del riesgoVolatilidadPruebas retrospectivas
Machine Learning for Trading

El documento deriva los precios de opciones europeas de compra y venta con Black-Scholes, comprueba su relación mediante la paridad put-call y calcula la volatilidad implícita resolviendo numéricamente la volatilidad que coincide con un precio observado de…

OpcionesValoración de derivadosVolatilidadGestión del riesgo
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 documento describe un entorno Gymnasium para entrenar a un agente que liquide una posición en un horizonte fijo. La observación combina el inventario restante y el tiempo con el diferencial, la profundidad del mercado, la volatilidad y un régimen normal…

Aprendizaje automáticoEjecuciónMicroestructura del mercadoVolatilidad
Machine Learning for Trading

Este cuaderno explica cómo convertir modelos GJR-GARCH ajustados y modelos ocultos de Markov en características de negociación mientras se controla el sesgo de anticipación. GJR-GARCH estima la volatilidad condicional y captura el mayor impacto de las…

CriptoactivosFuturos perpetuosVolatilidadAprendizaje automático
Machine Learning for Trading

El documento explica dos formas de estimar los diferenciales bid-ask cuando solo se dispone de datos diarios OHLCV. Corwin-Schultz compara los rangos entre máximos y mínimos de intervalos adyacentes de uno y dos días, usando el distinto comportamiento de la…

Microestructura del mercadoEstadísticaEjecuciónVolatilidad
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
Machine Learning for Trading

Este módulo estima parámetros para mercados de criptomonedas simulados que se usan en entornos de aprendizaje por refuerzo. Carga datos horarios de mercados perpetuos para un símbolo seleccionado, calcula rendimientos logarítmicos entre cierres y ajusta un…

CriptoactivosFuturos perpetuosVolatilidadMicroestructura del mercado
Machine Learning for Trading

Este cuaderno separa la variación continua de los precios de los saltos discretos en los rendimientos intradía de acciones. Estima la varianza realizada diaria a partir de los rendimientos logarítmicos al cuadrado y usa la variación bipotencia como…

Renta variableVolatilidadEstadísticaMicroestructura del mercado
Machine Learning for Trading

Esta configuración especifica un conjunto de datos macroeconómicos históricos de FRED para filtrar regímenes y analizar distintos activos. Organiza series con frecuencia diaria, semanal, mensual y trimestral, incluidos rendimientos de bonos del Tesoro, el…

MultiactivoRenta fijaVolatilidadEstadística
Machine Learning for Trading

Este cuaderno usa la excursión favorable máxima (MFE) y la excursión adversa máxima (MAE) para fundamentar la amplitud de las etiquetas de triple barrera en trayectorias de precios observadas. Para una posición abierta al cierre de una barra, mide el mejor…

Renta variableFuturosCriptoactivosVolatilidad
Machine Learning for Trading

El documento explica cómo la incertidumbre de un modelo puede aportar información adicional a su estimación puntual. Contrasta GARCH, que define la volatilidad a partir de los rendimientos pasados, con un modelo de volatilidad estocástica que trata la…

VolatilidadEstadísticaAprendizaje automáticoGestión del riesgo
Machine Learning for Trading

Este cuaderno presenta un flujo de trabajo para decidir cómo modelar series temporales financieras. Empieza con gráficos de precios y rentabilidades de SPY, niveles de VIX y la distribución de rentabilidades para detectar niveles cambiantes, movimientos…

EstadísticaVolatilidadIndicadores técnicosRenta variable
Machine Learning for Trading

Este estudio de variables ETF construye tres entradas derivadas de modelos: un modelo oculto de Markov (HMM) que estima el régimen de mercado, precios diferenciados fraccionalmente de fondos de referencia y volatilidad condicional GARCH(1,1) para cada ETF.…

Renta variableVolatilidadAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno compara DQN, PPO y A2C en un entorno compartido de trading simulado, calibrado con los rendimientos horarios de futuros perpetuos de Bitcoin. Un modelo GARCH(1,1) proporciona agrupamiento de volatilidad, mientras el entorno cobra por los…

Aprendizaje automáticoCriptoactivosFuturos perpetuosVolatilidad
Machine Learning for Trading

Este cuaderno compara formas de cerrar operaciones largas de ETF: objetivos de beneficio y stops fijos, stops dinámicos, barreras escaladas por ATR, señales de aprendizaje automático y combinaciones. Construye indicadores y simulaciones de operaciones, y…

Renta variableGestión del riesgoDimensionamiento de posicionesVolatilidad
Machine Learning for Trading

Este cuaderno trata las previsiones ARIMA como columnas de entrada para modelos posteriores, no como predicciones independientes. Ajusta modelos a los rendimientos de ETF, utiliza pruebas de estacionariedad y diagnósticos de autocorrelación para proponer…

Renta variableAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno presenta un flujo de trabajo para caracterizar series de mercado antes de modelarlas. Empieza con gráficos de precios y rendimientos de SPY, niveles de VIX y la distribución de rendimientos para identificar tendencias, agrupamiento de…

Renta variableEstadísticaVolatilidadGestión del riesgo
Machine Learning for Trading

Este cuaderno utiliza rendimientos diarios de SPY para explicar el análisis en el dominio de la frecuencia y sus límites como fuente de características de trading. Una descomposición wavelet separa la variación en bandas de escalas temporales progresivamente…

Renta variableEstadísticaVolatilidadIndicadores técnicos
Machine Learning for Trading

Este cuaderno explica cómo la incertidumbre del modelo puede aportar información más allá de una estimación puntual. Ajusta un modelo de volatilidad estocástica en el que la volatilidad logarítmica latente evoluciona con el tiempo y los rendimientos siguen…

VolatilidadAprendizaje automáticoEstadísticaGestión del riesgo
Machine Learning for Trading

Este análisis exploratorio presenta los contratos de opciones y la estructura de las cadenas, y luego perfila una muestra de 2020 de opciones del S&P 500 sobre ocho activos subyacentes. Explica el grado de moneyness, el valor intrínseco y temporal, la…

OpcionesRenta variableVolatilidadValoración de derivados