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 documento describe un conjunto de datos diario de renta variable de EE. UU. US que abarca aproximadamente 3,200 empresas desde 1962 hasta marzo de 2018. Incluye emisores excluidos de cotización, lo que lo hace útil para la investigación histórica, donde…

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

Esta evaluación filtra candidatos financieros y derivados de modelos según sus rendimientos futuros en futuros CME. Para cada variable, comprueba la cobertura y antigüedad de los datos, mide la correlación de rangos transversal diaria entre sus valores y los…

FuturosEstadísticaAprendizaje automáticoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno evalúa cómo afectan los supuestos de costes de transacción al Sharpe de validación de una asignación seleccionada de acciones y opciones del S&P 500. Si está disponible, conserva la configuración elegida mediante un conjunto de candidatos…

Renta variableOpcionesEjecuciónPruebas retrospectivas
Machine Learning for Trading

Este cuaderno compara implementaciones de una predicción univariante del precio de SPY con PyTorch sin procesar, sktime y Darts. Su objetivo principal es evaluar el esfuerzo práctico: longitud del código, requisitos de interfaz, éxito de instalación y tiempo…

Renta variableAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este capítulo sostiene que la investigación duradera en trading depende de un proceso disciplinado capaz de adaptarse a mercados cambiantes, evidencia ruidosa y costes de implementación. Distingue entre rupturas estructurales, regímenes, deriva de datos y…

Aprendizaje automáticoPruebas retrospectivasGestión del riesgoEstadística
Machine Learning for Trading

Este cuaderno de evaluación filtra variables financieras y basadas en modelos según su relación con el rendimiento a ocho horas de los futuros perpetuos cripto. Construye la muestra de evaluación a partir de ventanas de validación walk-forward, deja fuera…

CriptoactivosFuturos perpetuosAprendizaje automáticoEstadística
Machine Learning for Trading

Este caso de estudio de NASDAQ-100 investiga si las señales de microestructura de 15 minutos pueden resistir los costes de trading. El flujo de trabajo evalúa el flujo de órdenes, la antigüedad de las cotizaciones y los spreads relativos; después compara una…

Renta variableMercados de EE. UU.Microestructura del mercadoEjecución
Machine Learning for Trading

Este cuaderno comprueba si una estrategia diaria de clasificación de acciones de US cuenta con suficientes datos utilizables para una evaluación justa antes de ajustar un modelo. Explica cómo formar un universo en cada momento con sus componentes históricos,…

Renta variableMercados de EE. UU.Pruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno estudia cómo afecta la regularización a un modelo de futuros CME construido con familias de variables correlacionadas, como carry, Sharpe móvil, momentum y medidas de volatilidad. Compara Ridge, Lasso y ElasticNet: Ridge reduce los coeficientes…

FuturosAprendizaje automáticoEstadísticaPruebas retrospectivas
Machine Learning for Trading

Este cuaderno aplica reglas configuradas de stop-loss, stop dinámico y salida por tiempo a la estrategia de señales o de asignación mejor clasificada en validación para cada horizonte de rendimiento de futuros. Cada regla se evalúa con su propia estrategia…

FuturosCarryReversión a la mediaGestión del riesgo
Machine Learning for Trading

Este cuaderno ejecuta una configuración de acciones de US seleccionada previamente con predicciones del conjunto de prueba. El modelo seleccionado, las predicciones, el asignador, la concentración, la capa de riesgo, la frecuencia de rebalanceo y los…

Renta variableMercados de EE. UU.Pruebas retrospectivasGestión del riesgo
Machine Learning for Trading

Este cuaderno describe cómo adaptar Diffusion-TS para generar secuencias sintéticas de rendimientos de ETF. Su modelo de eliminación de ruido predice la secuencia limpia como una suma de tendencia polinómica, componente estacional de Fourier y residuo,…

Aprendizaje automáticoEstadísticaVolatilidadMultiactivo
Machine Learning for Trading

El capítulo sostiene que la disciplina de investigación reproducible es una fuente de ventaja en trading más duradera que cualquier estrategia individual. Presenta un flujo de trabajo basado en hipótesis falsables, evaluación fuera de muestra y correcciones…

Aprendizaje automáticoEstadísticaGestión del riesgoDeFi
Machine Learning for Trading

Este documento presenta un análisis de sensibilidad a los costes para una estrategia fija de momentum de ETF. Mantiene constantes el universo, las ponderaciones, el calendario y el simulador mientras vuelve a ejecutar el backtest con distintas comisiones por…

Renta variableImpulsoPruebas retrospectivasEjecución
Machine Learning for Trading

Este cuaderno aplica una configuración ETF seleccionada previamente a su periodo de evaluación final (holdout). Obtiene las predicciones correspondientes al periodo de evaluación final a partir de la identidad y el punto de control del entrenamiento…

Renta variablePruebas retrospectivasConstrucción de carterasGestión del riesgo
Machine Learning for Trading

Este método de generación de índices de referencia crea una serie diaria de rendimientos equiponderados a partir de los activos declarados en un estudio de caso. Primero toma el último precio de cierre de cada símbolo en cada sesión, luego calcula los…

Pruebas retrospectivasConstrucción de carterasEstadísticaGestión del riesgo
Machine Learning for Trading

Este documento describe un conjunto de datos diarios de renta variable US obtenido del archivo Wiki Prices de NASDAQ Data Link. Cubre miles de empresas desde 1962 hasta marzo de 2018 e incluye empresas excluidas de cotización, por lo que resulta útil para…

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

Este análisis examina un universo fijo de 100 ETF en nueve grupos de activos. Comprueba la cobertura por fondo y año, confirma que el panel de precios coincide con la configuración de grupos, revisa los valores nulos y el orden de OHLC, y compara el volumen…

MultiactivoEstadísticaGestión del riesgoPruebas retrospectivas
Machine Learning for Trading

Este cuaderno estudia modelos de boosting por gradiente para pronosticar rendimientos y dirección en perpetuos cripto. La cuadrícula varía la capacidad de los árboles y la función de pérdida, incluidos los objetivos de error cuadrático, error absoluto y…

CriptoactivosFuturos perpetuosAprendizaje automáticoImpulso
Machine Learning for Trading

Este documento explica cómo medir rendimientos en torno a eventos como activaciones de señales, anuncios de resultados o publicaciones macroeconómicas. Su ejemplo práctico usa rupturas de impulso en ETF líquidos. Para cada evento, un modelo de mercado…

Renta variableBasado en eventosImpulsoRuptura
Machine Learning for Trading

Este cuaderno estima si la puntuación z de la prima de un perpetuo cripto afecta a los rendimientos posteriores de ocho horas cuando se mantienen constantes tres factores declarados: volatilidad del precio, tasa de financiación y desviación media de la…

CriptoactivosFuturos perpetuosAprendizaje automáticoEstadística
Machine Learning for Trading

Este cuaderno presenta un GAN Sig-Wasserstein no condicional para generar series temporales financieras. Sustituye un discriminador entrenado para distinguir datos reales de generados por una distancia basada en los valores esperados de las firmas de las…

Aprendizaje automáticoEstadísticaRenta variableVolatilidad
Machine Learning for Trading

Este cuaderno usa rendimientos diarios de ETF para explicar cómo los modelos GARCH capturan la agrupación de volatilidad y la convierten en una variable por sesión. Primero utiliza diagnósticos visuales y una prueba ARCH-LM para evaluar si los rendimientos…

VolatilidadEstadísticaGestión del riesgoRenta variable
Machine Learning for Trading

Este cuaderno explica cómo reconstruir el libro de órdenes limitadas de un único símbolo de NASDAQ a partir de datos de mensajes por orden. Procesa altas, ejecuciones, cancelaciones, eliminaciones y reemplazos, y mantiene el tamaño restante de cada orden…

Renta variableMicroestructura del mercadoEjecuciónEstadística